Kinetiq · Oefening-intelligentie en RTM-bewijsmotor
Elk PT-platform kan al gratis pose-schatting draaien en herhalingen tellen. Kinetiq is de deterministische laag boven de keypoints: het beoordeelt elke herhaling tegen een populatie-adaptief klinisch profiel, onthoudt zich wanneer een gewricht niet zichtbaar is in plaats van een hoek te verzinnen, en exporteert een RTM-declarabel, FHIR-vormig sessierapport waar een clinicus op kan handelen. Agents adviseren, code beslist.
100%
Overeenkomst van oordeel per herhaling hersteld door ingespoten keypoint-ruis (35 of 35 herhalingen)
Vast gelabelde synthetische set: 25 clear plus 10 borderline
3 / 3
Afgeschermde herhalingen onthielden zich in plaats van een hoek te gokken, 0 verzonnen hoeken
Unit-geteste eerlijkheidsinvariant op de gelabelde set
3 of 4
Sessies automatisch geverifieerd als RTM-declarabel, 1 doorgestuurd naar clinician review, 0 niet-declarabel
3 synthetische patiënten plus 1 echt opgenomen clip
Een uitvoerbare demo van het mechanisme op drie synthetische patiënten en één echte opgenomen squatclip. Het draait offline zonder live camera, zonder hardware en zonder API-sleutel; de optionele agents zijn het enige deel dat een model kan gebruiken.
Volume zonder verificatie, en een herhalingstelling die geen betaler zal vergoeden.
Herhalingen tellen is het makkelijke deel, en het is bijna gratis. BlazePose en MoveNet draaien op een telefoon en vertellen je dat een patiënt 15 squats deed. Wat ze niet vertellen is dat herhaling 9 mediaal inzakte tot een risico op herletsel, dat de heup bij herhaling 12 uit beeld viel zodat er geen eerlijke hoek bestaat, of dat dezelfde diepte van 80 degrees vooruitgang is voor een postoperatieve knie en een falen voor een gezonde atleet. Die interpretatie is de laag die een PT-platform echt nodig heeft, en het is de laag die het snelst veroudert wanneer ze wordt overgeslagen.
De pijn is concreet. Thuisoefentrouw in fysiotherapie ligt op 35 percent, en 65 percent van de patiënten stopt binnen de eerste maand (Veriprajna WP29 research, 2026), terwijl zelfrapportage de naleving overschat. Clinici willen Remote Therapeutic Monitoring declareren op CPT 98975 to 98981, plus de 2026-codes 98979 en 98985 waarbij de kwalificatiedrempel is verlaagd tot slechts 2 days of 10 minutes, maar CMS eist door het apparaat verzamelde data gekoppeld aan behandelbeslissingen, geen ruwe coördinaten (Veriprajna WP29 research, 2026). Ruwe keypoints halen die lat niet.
De inzet voor werkgevers is even concreet. Musculoskeletale aandoeningen kosten werkgevers ruwweg 3,591 dollars per werknemer per jaar, 486 dollars direct en 3,105 dollars in productiviteit, naar schatting 36 percent van de MSK-operaties wordt als onnodig beschouwd op een schaal van 90 billion dollars, en meer dan 50 percent van de werknemers weigert gezondheidsdata te delen op privacygronden (Veriprajna WP29 research, 2026). En het nauwkeurigheidsplafond is reëel: de monoculaire kniehoekfout ligt op een mean absolute error van 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), precies daarom overdrijft een systeem dat een hoek van klinische graad claimt van één camera, en is een systeem dat zich onthoudt bij een herhaling met lage zichtbaarheid eerlijk.
De vertrouwenskern is gewone, unit-geteste code. Geen LLM zit in het scorepad.
De pijplijn per sessie is rechtstreeks. Een keypoint-stroom, synthetisch of offline geëxtraheerd uit een opgenomen clip, wordt gladgestreken met een 1-Euro filter, afgeschermd op keypoint-confidence zodat een herhaling zich onthoudt wanneer een gewricht niet zichtbaar is, gesegmenteerd in herhalingen met klasse-agnostische temporele zelfgelijkenis, omgezet in biomechanische kenmerken per herhaling, beoordeeld tegen een populatie-adaptieve regelengine, door een deterministische RTM-beleidspoort geleid, en weggeschreven naar een FHIR-vormig sessierapport dat op een canvas-dashboard wordt weergegeven. Elk oordeel is gewone NumPy die een clinicus kan ondervragen.
De vertrouwenskern, volledig buiten elk taalmodel. Een 1-Euro filter gladstrijkt de 33-keypoint BlazePose-achtige stroom, een confidence-poort onthoudt zich onder de zichtbaarheidsdrempel, klasse-agnostische segmentatie vindt herhalingen via temporele zelfgelijkenis, en elke herhaling levert gewrichtshoek en ROM, een knievalgus-index, een daling-tot-stijging-tempoverhouding, Log Dimensionless Jerk-gladheid, en een L- of R-symmetrie-index. Gewone, unit-geteste code, zodat een clinicus precies kan zien waarom een herhaling is gemarkeerd.
Buiten het model beslist gewone code per sessie: rtm_billable, needs_clinician_review, of insufficient_device_data, gekoppeld aan de CMS RTM-familie CPT 98975 to 98981 plus de 2026-codes 98979 en 98985. Het rapport is FHIR-vormige JSON die de veldvormen van Observation en DocumentReference weerspiegelt, met observaties per herhaling, de sessie-rollup, de RTM-bepaling, en de documentatie die CMS verwacht. FHIR-vormig, niet FHIR-gevalideerd: Kinetiq geeft het record uit, het POST niet naar een live EHR.
| Signaal | Wat het opvangt | Basis |
|---|---|---|
| Gewrichtshoek en ROM | Of piekflexie het profieldoel haalt, bijvoorbeeld 75 degrees post-ACL versus 95 degrees voor een wellness-atleet. | deterministisch |
| Knievalgus-index | Mediale knie-inzakking, een risico op herletsel bij een revalidatieknie, drempel per profiel (bijvoorbeeld 0.03 post-ACL). | deterministisch |
| Daling-tot-stijging-tempoverhouding | Compensatoir vertragen of versnellen door een deel van de beweging (bijvoorbeeld tempo boven 1.25). | deterministisch |
| LDLJ-gladheid en L- of R-symmetrie | Schokkerige of asymmetrische bewegingskwaliteit die een herhalingstelling alleen verbergt. | deterministisch |
| Confidence-poort | Een gewricht onder de zichtbaarheidsdrempel, zodat de herhaling niet wordt gescoord in plaats van een verzonnen hoek te krijgen. | deterministisch, onthoudt zich |
Bovenop de deterministische kern interpreteren en communiceren twee optionele, per provider verwisselbare agents de cijfers: een Longitudinal Monitor die een proactieve escalatie naar de clinicus opstelt wanneer een trend daalt, en een Clinical Scribe die de RTM-notitie opstelt. Elk wordt grounding-gecontroleerd tegen het deterministische bewijs, zodat elk cijfer dat een agent introduceert dat niet al in het bewijs staat, wordt afgewezen en in plaats daarvan het deterministische sjabloon wordt getoond. Beide onthouden zich zonder API-sleutel. De adapter gebruikt standaard Claude claude-opus-4-8 en wisselt naar OpenAI of Gemini, maar de scorepoort wisselt nooit van handen: agents adviseren, code beslist.
Vier eerlijk gelabelde patiënten: drie zijn synthetisch (Maria, Jordan, Eleanor) en één (Aisha) is een echte opgenomen squatclip. Geen live camera, geen echte patiëntidentiteit, geen medisch dossier.
Aisha is een echte bodyweight-squatvideo waarvan de keypoints offline zijn geëxtraheerd met MediaPipe, daarna ongewijzigd gescoord door dezelfde engine, zodat het allereerste wat je ziet de pijplijn is die op echte beelden draait, eerlijk gelabeld. Het 33-point skelet ligt over de echte clip terwijl het paneel elke herhaling beoordeelt tegen het wellness-screen-profiel. De sessiepoort geeft rtm_billable terug, met 1 geverifieerd, 2 gemarkeerd, en een gemiddelde kwaliteit van 8.3.
Maria is een synthetische post-ACL-patiënt die 15 voorgeschreven squats doet. Een ruwe pose-bibliotheek zou alle 15 als herhalingen loggen. Kinetiq beoordeelt ze, en bij herhaling 9 geeft het KNEE VALGUS terug: de knievalgus-index leest 0.054, op of boven de drempel van 0.03, piekflexie is 78.6 degrees, en tempo is 1.4, boven de limiet van 1.25, een waarschuwing voor herletselrisico in plaats van een goede herhaling. Dat is de hele stelling in één rij: de waarde is niet het tellen van de herhaling, het is het vangen van degene die ertoe doet.
Populatie-adaptief oordeel is geen slogan; het keert een oordeel om. Wissel het profiel van Maria (post-ACL, doel 75 degrees) naar Jordan, een corporate-wellness-atleet (doel 95 degrees), en een squat op ruwweg 80 degrees diepte die voor Maria als goed scoorde, scoort SHALLOW voor Jordan. Dezelfde beweging verdient een ander oordeel omdat de drempels aan de patiënt zijn gekoppeld. In de volledige Jordan-sessie geeft de poort nog steeds rtm_billable terug zelfs met gemarkeerde herhalingen, een eerlijke nuance: declarabel betekent niet dat elke herhaling goed was.
Maria’s sessie telt op tot 13 geverifieerde herhalingen, 1 gemarkeerd (herhaling 9), en 1 onthouden bij occlusie, bij een gemiddelde kwaliteit van 9.6 out of 10. De RTM-bepaling leest needs_clinician_review, gekoppeld aan CPT 98975 to 98981 plus de 2026-codes 98979 en 98985: de sessie komt in aanmerking voor declaratie, maar de valguswaarschuwing stuurt de sessie naar een clinicus vóór auto-declaratie, en die clinicuswaarschuwing zelf documenteert een behandelplanbeslissing. Vanaf hier exporteert het FHIR-vormige rapport als het controleerbare bewijs waarop een clinicus RTM documenteert.
Het draaien van de vaste gelabelde set toont het duurzame resultaat. Overeenkomst van oordeel per herhaling tegen geplant ground truth is 100 percent op 25 clear cases en 100 percent op 10 borderline cases binnen ongeveer één sigma van een drempel, met overeenkomst per klasse allemaal op 1.00. Ground truth zijn de geplante fysische parameters versus de profieldrempels, onafhankelijk van de engine berekend, en meetruis wordt ingespoten nadat de labels vaststaan, zodat de engine het oordeel door de ruis heen moet herstellen. De eerlijkheidsinvariant is apart en unit-getest: van 3 afgeschermde herhalingen onthielden 3 zich, met 0 verzonnen hoeken. Dit zijn taaknauwkeurigheid, doorvoer en eerlijkheid op een vaste gelabelde synthetische set, geen open-wereld-garantie.
Het draait na de keypoints, bovenop welk posemodel je al gebruikt. Het bouwt de interpretatie-en-bewijs-laag; het concurreert niet met de pose-estimator.
| Aandachtspunt | Ruwe pose-schatting en herhalingen tellen | Kinetiq |
|---|---|---|
| Een knie die inzakt bij herhaling 9 | Geteld als herhaling | Gemarkeerd als knievalgus-herletselrisico, met de drempel getoond |
| Een gewricht buiten beeld | Toch een afgeleide hoek | Onthoudt zich, herhaling niet gescoord, geen verzonnen hoek |
| Dezelfde diepte, andere patiënt | Eén vaste drempel voor iedereen | Populatie-adaptief oordeel gekoppeld aan het patiëntprofiel |
| Declaratiebewijs | Ruwe coördinaten die CMS niet vergoedt | RTM-declarabel, FHIR-vormig sessierapport gekoppeld aan de CPT-familie |
| Wie beslist over declareerbaarheid | Niet behandeld | Een deterministische beleidspoort buiten elk model |
| Duurzaamheid naarmate posemodellen verbeteren | De hele waarde is de sensor, die commoditiseert | De waarde is het brein en het bewijs boven de sensor |
Pose-schatting en herhalingen tellen zijn het gecommoditiseerde deel. Een ruwe pose-bibliotheek zal vrolijk 15 goede squats loggen bij een patiënt wiens knie inzakt bij herhaling 9. Kinetiq is de laag boven de keypoints: het beoordeelt elke herhaling tegen een populatie-adaptief klinisch profiel, onthoudt zich wanneer een gewricht niet zichtbaar is, en exporteert een RTM-declarabel, FHIR-vormig sessierapport waar een clinicus op kan handelen. Die interpretatie-en-bewijs-laag is waar een PT-platform daadwerkelijk op declareert en een clinicus op handelt, en die overleeft elke upgrade van het posemodel in plaats van ermee te verouderen.
Wij claimen geen goniometrie van klinische graad, en dat zeggen we op het scherm. De monoculaire kniehoekfout ligt op een mean absolute error van 9.3 to 21.9 degrees (Nature Scientific Reports, 2025), dus een graad-nauwkeurige hoekclaim van één camera is een valkuil. Kinetiq werkt op de granulariteit die RTM daadwerkelijk vereist, geverifieerde voltooiing plus benaderde kwaliteit plus trend, en het onthoudt zich bij herhalingen met lage zichtbaarheid in plaats van een precieze hoek te verzinnen. Het declaratiebewijs is het geverifieerde, protocol-gekoppelde sessierecord, niet een geclaimde exacte gewrichtshoek.
Het is FHIR-vormig, niet FHIR-gevalideerd. Het sessierapport is gestructureerde JSON die de FHIR Observation- en DocumentReference-veldvormen weerspiegelt, met observaties per herhaling, de sessie-rollup, de RTM-bepaling en CPT-familie, en de documentatievelden die CMS verwacht. De EHR- of FHIR-schrijfactie is een mock-adapter in deze demo, dus Kinetiq geeft het record uit, het POST niet naar een live server. Dat houdt het artefact eerlijk: het is het bewijs waarop een clinicus documenteert, gevormd voor een downstream FHIR-integratie die je zou bouwen, geen gecertificeerde EHR-schrijfactie.
CMS vergoedt Remote Therapeutic Monitoring op de CPT 98975 to 98981-familie, plus de 2026-codes 98979 en 98985, en eist door het apparaat verzamelde data gekoppeld aan behandelbeslissingen in plaats van ruwe coördinaten. Kinetiq is ontworpen om precies dat bewijs te produceren: een deterministische beleidspoort geeft rtm_billable, needs_clinician_review, of insufficient_device_data terug, en het FHIR-vormige rapport documenteert de apparaatdata en de koppeling met de behandelbeslissing. De CPT-mapping is een kader om RTM te helpen documenteren, geen declaratiecertificering of vergoedingsgarantie, en een gemarkeerde sessie gaat naar een clinicus vóór auto-declaratie.
De vertrouwenskern is deterministisch en heeft geen LLM in het scorepad. Elk oordeel per herhaling en de RTM-declareerbaarheidsbepaling zijn gewone, unit-geteste NumPy-code, zodat een clinicus precies kan ondervragen waarom een herhaling is gemarkeerd, bijvoorbeeld herhaling 9 gemarkeerd omdat valgusindex 0.054 op of boven 0.03 ligt en tempo 1.4 boven 1.25 ligt. Agents adviseren, code beslist: de twee optionele agents interpreteren en communiceren alleen het deterministische bewijs, en elk cijfer dat een agent introduceert dat niet in het bewijs staat, wordt afgewezen en in plaats daarvan wordt het deterministische sjabloon getoond. Die controleerbaarheid is het punt voor een bureau waarvan het merk waarheid is.
Er is geen live camera en geen on-device inference in deze demo. De keypoint-stroom wordt ofwel synthetisch gegenereerd voor drie scenario’s, of offline geëxtraheerd met MediaPipe uit één echte opgenomen squatclip, in beide gevallen een stubbed sensor. De mobile capture SDK en elke edge-deployment zijn uitgesteld. Wat vandaag draait is de echte interpretatie-en-bewijs-logica: de 1-Euro-smoothing, de confidence-poort, de klasse-agnostische herhalingssegmentatie, de biomechanica per herhaling, de populatie-adaptieve regels, de RTM-beleidspoort, en de FHIR-vormige export, allemaal zonder sleutel op een laptop.
Nee, en we bakken ze zorgvuldig af. De 100 percent oordeelovereenkomst is op een vaste gelabelde synthetische set van 35 herhalingen, 25 clear en 10 borderline binnen ongeveer één sigma van een drempel, waarbij ground truth de geplante fysische parameters versus de profieldrempels zijn, onafhankelijk van de engine berekend, en de engine het oordeel moet herstellen door meetruis die na het vastzetten van de labels wordt ingespoten. De borderline-gevallen zijn een discriminatiestresstest, dus dit is echt onderscheidingsvermogen in plaats van recall van een extreem, maar het is geen open-wereld-garantie. De duurzame maten zijn taaknauwkeurigheid, automatiseringsdoorvoer en eerlijkheid, inclusief 3 of 3 afgeschermde herhalingen onthouden met 0 verzonnen hoeken, die standhouden naarmate pose-schatting verbetert.
Het onderzoek achter deze demo — de architectuur, het verificatieontwerp, en de enterprise-blauwdruk.
Volledige oplossing
Ontdek de AI-biomechanica voor PT-platforms & corporate wellness-oplossing →Geverifieerde, populatie-adaptieve oefengegevens met een declarabel bewijs.
Als jullie product- en klinische teams uitzoeken hoe je een ruwe pose-stroom omzet in geverifieerde, RTM-declarabele oefengegevens zonder een hoek van klinische graad te overclaimen, horen we oprecht graag hoe jullie daarover denken. Het probleem is sectorbreed en de antwoorden zullen dat ook zijn.