Kinetiq · Motore di intelligenza dell'esercizio e di prova RTM
Ogni piattaforma PT può già eseguire una stima della posa gratuita e contare le ripetizioni. Kinetiq è lo strato deterministico sopra i keypoints: valuta ogni ripetizione rispetto a un profilo clinico adattivo alla popolazione, si astiene quando un'articolazione non è visibile invece di inventare un angolo, ed esporta un report di sessione fatturabile RTM, FHIR-shaped, su cui un clinico può agire. Gli agenti consigliano, il codice decide.
100%
Accordo del verdetto per ripetizione recuperato attraverso rumore iniettato sui keypoints (35 of 35 ripetizioni)
Set sintetico etichettato fisso: 25 chiari più 10 borderline
3 / 3
Ripetizioni occluse astenute invece di indovinare un angolo, 0 angoli fabbricati
Invariante di onestà verificata con test unitari sul set etichettato
3 of 4
Sessioni auto-verificate fatturabili RTM, 1 instradata a revisione del clinico, 0 non fatturabili
3 pazienti sintetici più 1 clip reale catturata
Una demo eseguibile del meccanismo su tre pazienti sintetici e una clip reale di squat catturata. Funziona offline senza telecamera live, senza hardware e senza chiave API; gli agenti opzionali sono l'unica parte che può usare un modello.
Volume senza verifica, e un conteggio di ripetizioni che nessun pagatore rimborserà.
Contare le ripetizioni è la parte facile, ed è quasi gratis. BlazePose e MoveNet girano su un telefono e vi diranno che un paziente ha fatto 15 squat. Quello che non vi diranno è che la ripetizione 9 è ceduta medialmente in un rischio di re-infortunio, che l'anca è uscita dal fotogramma alla ripetizione 12 quindi non esiste un angolo onesto, o che la stessa profondità di 80 gradi è un progresso per un ginocchio post-chirurgico e un fallimento per un atleta sano. Quella interpretazione è lo strato di cui una piattaforma PT ha davvero bisogno, ed è lo strato che invecchia peggio quando viene saltato.
Il dolore è concreto. L'aderenza agli esercizi a domicilio in fisioterapia è al 35 percent, e il 65 percent dei pazienti abbandona entro il primo mese (Veriprajna WP29 research, 2026), mentre l'autovalutazione sopravvaluta la compliance. I clinici vogliono fatturare il Remote Therapeutic Monitoring sui CPT 98975 to 98981, più i codici 2026 98979 e 98985 con la soglia qualificante scesa fino a 2 days o 10 minutes, ma CMS richiede dati raccolti da dispositivo legati a decisioni di trattamento, non coordinate grezze (Veriprajna WP29 research, 2026). I keypoints grezzi non superano quella soglia.
La posta in gioco per i datori di lavoro è altrettanto concreta. Le condizioni muscoloscheletriche costano ai datori di lavoro circa 3,591 dollars per dipendente all'anno, 486 dollars diretti e 3,105 dollars di produttività, un stimato 36 percent delle chirurgie MSK è considerato non necessario a una scala di 90 billion dollar, e più del 50 percent dei dipendenti resiste a condividere i dati sanitari per motivi di privacy (Veriprajna WP29 research, 2026). E il tetto di accuratezza è reale: l'errore monoculare sull'angolo del ginocchio ha un errore assoluto medio di 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), ed è esattamente per questo che un sistema che pretenda un angolo di grado clinico da una sola telecamera sta esagerando l'offerta, e uno che si astiene su una ripetizione a bassa visibilità è onesto.
Il nucleo di fiducia è codice chiaro, verificato con test unitari. Nessun LLM siede nel percorso di scoring.
La pipeline per sessione è diretta. Un flusso di keypoints, sintetico o estratto offline da una clip catturata, viene smussato con un filtro 1-Euro, filtrato sulla confidence dei keypoints così una ripetizione si astiene quando un'articolazione non è visibile, segmentato in ripetizioni con auto-similarità temporale class-agnostic, trasformato in feature biomeccaniche per ripetizione, valutato rispetto a un motore di regole adattivo alla popolazione, fatto passare attraverso un policy gate RTM deterministico, e scritto in un report di sessione FHIR-shaped che si renderizza su una dashboard canvas. Ogni verdetto è NumPy chiaro che un clinico può interrogare.
Il nucleo di fiducia, interamente fuori da qualsiasi modello linguistico. Un filtro 1-Euro smussa il flusso 33-keypoint in stile BlazePose, un gate di confidence si astiene sotto la soglia di visibilità, la segmentazione class-agnostic trova le ripetizioni per auto-similarità temporale, e ogni ripetizione produce angolo articolare e ROM, un indice di valgismo del ginocchio, un rapporto di tempo discesa/ascesa, smoothness Log Dimensionless Jerk, e un indice di simmetria L o R. Codice chiaro, verificato con test unitari, così un clinico può vedere esattamente perché una ripetizione è stata segnalata.
Fuori dal modello, codice chiaro decide per sessione: rtm_billable, needs_clinician_review, o insufficient_device_data, mappati alla famiglia RTM CMS CPT 98975 to 98981 più i codici 2026 98979 e 98985. Il report è JSON FHIR-shaped che rispecchia le forme dei campi Observation e DocumentReference, con osservazioni per ripetizione, il rollup di sessione, la determinazione RTM e la documentazione che CMS si aspetta. FHIR-shaped, non FHIR-validato: Kinetiq emette il record, non fa POST a un EHR live.
| Segnale | Cosa intercetta | Base |
|---|---|---|
| Angolo articolare e ROM | Se la flessione di picco supera il target del profilo, per esempio 75 degrees post-ACL contro 95 degrees per un atleta wellness. | deterministico |
| Indice di valgismo del ginocchio | Collasso mediale del ginocchio, un rischio di re-infortunio su un ginocchio in riabilitazione, sogliato per profilo (per esempio 0.03 post-ACL). | deterministico |
| Rapporto di tempo discesa/ascesa | Rallentamento compensatorio o fretta in una parte del movimento (per esempio tempo sopra 1.25). | deterministico |
| Smoothness LDLJ e simmetria L o R | Qualità di movimento a scatti o asimmetrica che un conteggio di ripetizioni da solo nasconde. | deterministico |
| Gate di confidence | Un'articolazione sotto la soglia di visibilità, così la ripetizione non viene valutata invece di assegnarle un angolo fabbricato. | deterministico, si astiene |
Sopra il nucleo deterministico, due agenti opzionali sostituibili dal provider interpretano e comunicano i numeri: un Longitudinal Monitor che redige un'escalation proattiva al clinico quando un trend declina, e un Clinical Scribe che redige la nota RTM. Ciascuno è verificato per grounding rispetto all'evidenza deterministica, così qualsiasi cifra che un agente introduca e che non sia già nell'evidenza viene rifiutata e viene mostrato invece il template deterministico. Entrambi si astengono senza chiave API. L'adapter ha come default Claude claude-opus-4-8 e passa a OpenAI o Gemini, ma il gate di scoring non cambia mai di mano: gli agenti consigliano, il codice decide.
Quattro pazienti etichettati onestamente: tre sono sintetici (Maria, Jordan, Eleanor) e uno (Aisha) è una clip reale di squat catturata. Nessuna telecamera live, nessuna identità di paziente reale, nessun fascicolo medico.
Aisha è un video reale di squat a corpo libero i cui keypoints sono stati estratti offline con MediaPipe, poi valutati dallo stesso motore invariato, così la primissima cosa che vedete è la pipeline in esecuzione su riprese reali, etichettata onestamente. Lo scheletro 33-point si sovrappone alla clip effettiva mentre il pannello valuta ogni ripetizione rispetto al profilo di screening wellness. Il gate di sessione restituisce rtm_billable, con 1 verificata, 2 segnalate, e una qualità media di 8.3.
Maria è una paziente sintetica post-ACL che esegue 15 squat prescritti. Una libreria di posa grezza registrerebbe tutti i 15 come ripetizioni. Kinetiq li valuta, e alla ripetizione 9 restituisce KNEE VALGUS: l'indice di valgismo del ginocchio legge 0.054, pari o sopra la soglia 0.03, la flessione di picco è 78.6 degrees, e il tempo è 1.4, sopra il limite 1.25, un allarme di rischio di re-infortunio piuttosto che una ripetizione buona. Questa è l'intera tesi in una riga: il valore non è contare la ripetizione, è intercettare quella che conta.
Il giudizio adattivo alla popolazione non è uno slogan; ribalta un verdetto. Passate il profilo da Maria (post-ACL, target 75 degrees) a Jordan, un atleta di wellness aziendale (target 95 degrees), e uno squat a circa 80 degrees di profondità che era buono per Maria viene valutato SHALLOW per Jordan. Lo stesso movimento ottiene un verdetto diverso perché le soglie sono agganciate al paziente. Nella sessione completa di Jordan il gate restituisce comunque rtm_billable anche con ripetizioni segnalate, una sfumatura onesta: fatturabile non significa che ogni ripetizione fosse buona.
La sessione di Maria si aggrega a 13 ripetizioni verificate, 1 segnalata (ripetizione 9), e 1 astenuta per occlusione, con una qualità media di 9.6 su 10. La determinazione RTM legge needs_clinician_review, mappata a CPT 98975 to 98981 più i codici 2026 98979 e 98985: la sessione è idonea alla fatturazione, ma l'allarme di valgismo la instrada a un clinico prima di qualsiasi auto-fatturazione, e quell'allarme clinico stesso documenta una decisione sul piano di trattamento. Da qui il report FHIR-shaped si esporta come l'evidenza auditabile su cui un clinico documenta l'RTM.
Eseguire il set etichettato fisso fa emergere il risultato duraturo. L'accordo del verdetto per ripetizione rispetto alla ground truth piantata è 100 percent su 25 casi chiari e 100 percent su 10 casi borderline entro circa un sigma da una soglia, con accordo per classe tutto a 1.00. La ground truth è i parametri fisici piantati rispetto alle soglie del profilo, calcolata indipendentemente dal motore, e il rumore di misura viene iniettato dopo che le etichette sono fisse, così il motore deve recuperare il verdetto attraverso il rumore. L'invariante di onestà è separata e verificata con test unitari: di 3 ripetizioni occluse, 3 si sono astenute, con 0 angoli fabbricati. Queste sono accuratezza di compito, throughput e onestà su un set sintetico etichettato fisso, non una garanzia open-world.
Gira dopo i keypoints, sopra qualunque modello di posa usiate già. Costruisce lo strato di interpretazione-e-prova; non compete con lo stimatore di posa.
| Preoccupazione | Stima della posa grezza e conteggio delle ripetizioni | Kinetiq |
|---|---|---|
| Un ginocchio che cede alla ripetizione 9 | Contato come una ripetizione | Segnalato come rischio di re-infortunio da valgismo del ginocchio, con la soglia mostrata |
| Un'articolazione fuori dal fotogramma | Un angolo inferito comunque | Si astiene, ripetizione non valutata, nessun angolo fabbricato |
| Stessa profondità, paziente diverso | Una soglia fissa per tutti | Verdetto adattivo alla popolazione agganciato al profilo del paziente |
| Evidenza di fatturazione | Coordinate grezze che CMS non rimborserà | Report di sessione fatturabile RTM, FHIR-shaped, mappato alla famiglia CPT |
| Chi decide la fatturabilità | Non affrontato | Un policy gate deterministico fuori da qualsiasi modello |
| Durabilità man mano che i modelli di posa migliorano | Tutto il valore è il sensore, che si commoditizza | Il valore è il cervello e la prova sopra il sensore |
La stima della posa e il conteggio delle ripetizioni sono la parte commoditizzata. Una libreria di posa grezza registrerà volentieri 15 squat buoni su un paziente il cui ginocchio cede alla ripetizione 9. Kinetiq è lo strato sopra i keypoints: valuta ogni ripetizione rispetto a un profilo clinico adattivo alla popolazione, si astiene quando un'articolazione non è visibile, ed esporta un report di sessione fatturabile RTM, FHIR-shaped, su cui un clinico può agire. Quello strato di interpretazione-e-prova è ciò che una piattaforma PT fattura davvero e su cui un clinico agisce, e sopravvive a ogni upgrade del modello di posa invece di invecchiare con esso.
Non pretendiamo una goniometria di grado clinico, e lo diciamo a schermo. L'errore monoculare sull'angolo del ginocchio ha un errore assoluto medio di 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), quindi una pretesa di angolo accurato al grado da una sola telecamera è una trappola. Kinetiq lavora alla granularità che l'RTM richiede davvero, completamento verificato più qualità approssimata più trend, e si astiene sulle ripetizioni a bassa visibilità piuttosto che inventare un angolo preciso. L'evidenza di fatturazione è il record di sessione verificato e mappato al protocollo, non un angolo articolare esatto dichiarato.
È FHIR-shaped, non FHIR-validato. Il report di sessione è JSON strutturato che rispecchia le forme dei campi FHIR Observation e DocumentReference, portando osservazioni per ripetizione, il rollup di sessione, la determinazione RTM e la famiglia CPT, e i campi di documentazione che CMS si aspetta. La scrittura EHR o FHIR è un adapter mock in questa demo, quindi Kinetiq emette il record, non fa POST a un server live. Questo tiene l'artefatto onesto: è l'evidenza su cui un clinico documenta, sagomata per un'integrazione FHIR a valle che costruireste voi, non una scrittura EHR certificata.
CMS rimborsa il Remote Therapeutic Monitoring sulla famiglia CPT 98975 to 98981, più i codici 2026 98979 e 98985, e richiede dati raccolti da dispositivo legati a decisioni di trattamento piuttosto che coordinate grezze. Kinetiq è progettato per produrre esattamente quella evidenza: un policy gate deterministico restituisce rtm_billable, needs_clinician_review, o insufficient_device_data, e il report FHIR-shaped documenta i dati raccolti da dispositivo e il nesso con la decisione di trattamento. La mappatura CPT è un inquadramento per aiutarvi a documentare l'RTM, non una certificazione di fatturazione o una garanzia di rimborso, e una sessione segnalata viene instradata a un clinico prima dell'auto-fatturazione.
Il nucleo di fiducia è deterministico e non ha LLM nel percorso di scoring. Ogni verdetto per ripetizione e la determinazione di fatturabilità RTM sono codice NumPy chiaro, verificato con test unitari, così un clinico può interrogare esattamente perché una ripetizione è stata segnalata, per esempio la ripetizione 9 segnalata perché l'indice di valgismo 0.054 è pari o sopra 0.03 e il tempo 1.4 è sopra 1.25. Gli agenti consigliano, il codice decide: i due agenti opzionali interpretano e comunicano soltanto l'evidenza deterministica, e qualsiasi numero che un agente introduca e che non sia nell'evidenza viene rifiutato e viene mostrato invece il template deterministico. Quell'auditabilità è il punto per un'azienda il cui brand è la verità.
In questa demo non c'è telecamera live né inferenza on-device. Il flusso di keypoints è o generato sinteticamente per tre scenari o estratto offline con MediaPipe da una clip reale di squat catturata, un sensore stub in entrambi i casi. L'SDK di cattura mobile e qualsiasi deployment edge sono differiti. Quello che gira oggi è la logica reale di interpretazione-e-prova: lo smoothing 1-Euro, il gate di confidence, la segmentazione delle ripetizioni class-agnostic, la biomeccanica per ripetizione, le regole adattive alla popolazione, il policy gate RTM, e l'export FHIR-shaped, tutto senza chiave su un laptop.
No, e li perimetriamo con cura. L'accordo del verdetto al 100 percent è su un set sintetico etichettato fisso di 35 ripetizioni, 25 chiare e 10 borderline entro circa un sigma da una soglia, in cui la ground truth è i parametri fisici piantati rispetto alle soglie del profilo, calcolata indipendentemente dal motore, e il motore deve recuperare il verdetto attraverso rumore di misura iniettato dopo che le etichette sono fisse. I casi borderline sono uno stress test di discriminazione, quindi questa è discriminazione genuina piuttosto che richiamo di un estremo, ma non è una garanzia open-world. Le misure durature sono accuratezza di compito, throughput di automazione e onestà, incluso 3 of 3 ripetizioni occluse astenute con 0 angoli fabbricati, che tengono man mano che la stima della posa migliora.
La ricerca dietro questa demo — l'architettura, il disegno di verifica e il blueprint enterprise.
Dati di esercizio verificati, adattivi alla popolazione, con una ricevuta fatturabile.
Se i vostri team di prodotto e clinici stanno cercando come trasformare un flusso di posa grezzo in dati di esercizio verificati, fatturabili RTM, senza pretendere un angolo di grado clinico, ci farebbe davvero piacere sentire come ci state pensando. Il problema è di settore e anche le risposte lo saranno.