Kinetiq · 动作智能与 RTM 证明引擎

姿态估计是免费的。其上可计费的证明才是难点，也是我们构建的部分。

每套物理治疗平台都能免费跑姿态估计并计数重复次数。Kinetiq 是关键点之上的确定性层：它按人群自适应的临床画像为每一次重复打分；关节不可见时选择弃权，而不是编造一个角度；并导出临床医生可据以行动的、可按 RTM 计费的 FHIR 形态会话报告。智能体提供建议，代码做出决定。

100%

在注入关键点噪声后仍恢复的逐次重复判定一致率（35 of 35 次重复）

固定标注合成集：25 例明确加 10 例临界

3 / 3

被遮挡的重复选择弃权而非猜测角度，0 个编造角度

在标注集上经单元测试的诚实性不变量

3 of 4

会话自动核验为可按 RTM 计费，1 例转交临床医生复核，0 例不可计费

3 名合成患者加 1 段真实采集片段

在三名合成患者和一段真实采集深蹲片段上运行该机制的可运行演示。离线运行，无需实时摄像头、无需硬件、无需 API 密钥；可选智能体是唯一可能调用模型的部分。

原始姿态库会把膝关节内扣的 15 次合格深蹲都记下来

没有核验的运动量，以及付款方不会报销的重复计数。

计数重复次数是容易的部分，而且几乎免费。BlazePose 和 MoveNet 可在手机上运行，并告诉你患者做了 15 次深蹲。它们不会告诉你的是：第 9 次重复向内侧塌陷、构成再损伤风险；第 12 次重复髋部落出画面、因此不存在诚实的角度；或者同样 80 度的深度对术后膝关节是进步、对健康运动员却是失败。这种解释才是物理治疗平台真正需要的一层，也是被跳过时老化最快的一层。

痛点是具体的。物理治疗中居家锻炼依从率仅为 35 percent，且 65 percent 的患者在第一个月内放弃（Veriprajna WP29 research, 2026），而自我报告会高估依从。临床医生希望按 CPT 98975 至 98981 对远程治疗监测（Remote Therapeutic Monitoring）计费，外加 2026 年的 98979 和 98985，达标门槛降至少至 2 days 或 10 minutes，但 CMS 要求与治疗决策绑定的设备采集数据，而非原始坐标（Veriprajna WP29 research, 2026）。原始关键点达不到这条门槛。

对雇主而言，利害同样具体。肌肉骨骼疾病每年给雇主造成大约每名员工 3,591 dollars 的成本，其中 486 dollars 为直接成本、3,105 dollars 为生产力损失；估计 36 percent 的肌肉骨骼手术在 90 billion dollar 规模上被认为不必要；超过 50 percent 的员工因隐私拒绝共享健康数据（Veriprajna WP29 research, 2026）。精度上限也是真实的：单目膝关节角度误差的平均绝对误差为 9.3 to 21.9 degrees（Nature Scientific Reports, 2025），这正是为什么声称单摄像头给出临床级角度是过度承诺，而在低可见度重复上弃权才是诚实。

确定性引擎为每一次重复打分，策略门控决定可否计费

信任核心是朴素、经单元测试的代码。评分路径中没有 LLM。

每个会话的流水线是直接的。关键点流——合成的，或从采集片段离线提取——经 1-Euro filter 平滑，按关键点置信度门控以便关节不可见时该次重复弃权，用类别无关的时间自相似分割成重复，转为逐次重复的生物力学特征，按人群自适应规则引擎打分，经过确定性 RTM 策略门控，并写入在画布仪表板上渲染的 FHIR 形态会话报告。每一次判定都是临床医生可质询的朴素 NumPy。

确定性生物力学引擎

信任核心，完全在任何语言模型之外。1-Euro filter 平滑 33-keypoint 的 BlazePose 风格流，置信度门控在可见度阈值以下弃权，类别无关分割按时间自相似找出重复，每一次重复产出关节角度和 ROM、膝外翻指数、下降相对上升节奏比、Log Dimensionless Jerk 平滑度，以及左或右对称指数。朴素、经单元测试的代码，因此临床医生能精确看到某次重复被标记的原因。

RTM 策略门控与 FHIR 形态报告

在模型之外，朴素代码按会话决定：rtm_billable、needs_clinician_review 或 insufficient_device_data，映射到 CMS RTM 族 CPT 98975 to 98981 以及 2026 年代码 98979 和 98985。报告是镜像 Observation 和 DocumentReference 字段形态的 FHIR 形态 JSON，含逐次重复观察、会话汇总、RTM 判定，以及 CMS 所期望的文档。FHIR 形态，而非 FHIR 已校验：Kinetiq 发出记录，它并不 POST 到实时 EHR。

引擎对每一次重复测量什么

信号 它捕捉什么 依据
关节角度和 ROM 峰值屈曲是否达到画像目标，例如 ACL 术后 75 degrees，健康运动员 95 degrees。 确定性
膝外翻指数 膝关节内侧塌陷，康复膝的再损伤风险，按画像设阈值（例如 ACL 术后 0.03）。 确定性
下降相对上升节奏比 动作某一段的代偿性变慢或抢快（例如节奏高于 1.25）。 确定性
LDLJ 平滑度与左或右对称 重复计数单独掩盖的急促或不对称动作质量。 确定性
置信度门控 关节低于可见度阈值，因此该次重复不予评分，而不是赋一个编造角度。 确定性，弃权

可选智能体：限定在解释范围内

在确定性核心之上，两个可选、可更换提供方的智能体解释并传达数字：纵向监测器在趋势下降时起草主动临床升级，临床记录员起草 RTM 笔记。每个都对照确定性证据做依据核验，因此智能体引入的任何尚不在证据中的数字都会被拒绝，并改为展示确定性模板。两者在无 API 密钥时弃权。适配器默认 Claude claude-opus-4-8，并可切换到 OpenAI 或 Gemini，但评分门控从不易手：智能体提供建议，代码做出决定。

演算会话，呈现在屏幕上

四名如实标注的患者：三名是合成的（Maria、Jordan、Eleanor），一名（Aisha）是真实采集的深蹲片段。无实时摄像头，无真实患者身份，无病历。

在真实影像上运行的流水线

Aisha 是一段真实的自重深蹲视频，关键点用 MediaPipe 离线提取，再由同一引擎原样评分，因此你首先看到的就是流水线在真实影像上运行，并如实标注。33-point 骨架叠在实际片段上，同时面板按健康筛查画像为每一次重复打分。会话门控返回 rtm_billable，其中 1 次核验通过、2 次被标记，平均质量 8.3。

Kinetiq 正在为 Aisha——一段真实采集的自重深蹲片段——评分，33-point 骨架叠在实际视频上，右侧逐次重复表显示按健康筛查画像打分的一次 GOOD REP 和一次 SHALLOW。
Aisha：真实深蹲片段，关键点离线提取，由与合成会话相同的引擎评分。

姿态模型会计数、而临床医生不应计数的那一次重复

Maria 是合成的 ACL 术后患者，按规定做 15 次深蹲。原始姿态库会把全部 15 次都记为重复。Kinetiq 为它们打分，并在第 9 次重复返回 KNEE VALGUS：膝外翻指数读数为 0.054，处于或高于 0.03 阈值，峰值屈曲为 78.6 degrees，节奏为 1.4，高于 1.25 上限，这是再损伤风险警报，而不是一次合格重复。整篇论点就在这一行：价值不在计数这次重复，而在抓住那一次要紧的。

Maria 的 ACL 术后会话，逐次重复分析表将第 9 次以红色标为 KNEE VALGUS，膝外翻指数 0.054 处于或高于 0.03 为再损伤风险，节奏 1.4 高于 1.25 为代偿；其周围第 5 至 14 次读为 GOOD REP，第 12 次读为 NOT SCORED，髋部关键点低于可见度阈值。
第 9 次被标为膝外翻再损伤风险，并显示确切阈值条款；第 12 次因髋部不可见而弃权。

同一动作，因患者画像得到不同判定

人群自适应判断不是口号；它会翻转判定。将画像从 Maria（ACL 术后，目标 75 degrees）切换到 Jordan——企业健康运动员（目标 95 degrees），一次大约 80 degrees 深度、对 Maria 评分为合格的深蹲，对 Jordan 评分为 SHALLOW。同一动作得到不同判定，因为阈值按患者设定。在完整的 Jordan 会话中，即使有重复被标记，门控仍返回 rtm_billable，这是诚实的细微差别：可计费并不意味着每一次重复都合格。

Jordan 的企业健康运动员会话，画像为 wellness_athlete，逐次重复表中峰值屈曲约 80 degrees 的深蹲全部读为 SHALLOW，因为屈曲低于 95 degree 目标，而同样深度在 Maria 的 75 degree ACL 术后目标下评为合格。
人群自适应翻转：大约 80 degrees 对 ACL 术后膝关节为合格，对健康运动员为深度不足。

可计费回执，以及将其转交的弃权

Maria 的会话汇总为 13 次核验通过、1 次被标记（第 9 次）、1 次因遮挡弃权，平均质量 9.6 out of 10。RTM 判定读为 needs_clinician_review，映射到 CPT 98975 to 98981 以及 2026 年代码 98979 和 98985：会话具备计费资格，但外翻警报在任何自动计费之前将其转交临床医生，而该临床警报本身就记录了一项治疗计划决策。由此，FHIR 形态报告导出为临床医生据以记录 RTM 的可审计证据。

Maria 的 RTM 判定弹窗读为 NEEDS CLINICIAN REVIEW，CPT 98975 to 98981 RTM 族外加 2026 年代码 98979 和 98985，规定 15 次重复，核验 13，标记 1，因遮挡弃权 1，平均质量 9.6 out of 10，以及 Export FHIR Report 按钮。
RTM 判定：具备计费资格，但外翻警报在自动计费之前将其转交临床医生。

基准测试，范围如实限定

运行固定标注集会呈现可持久的结果。对照植入的真值，逐次重复判定一致率在 25 例明确案例上为 100 percent，在阈值约一个标准差内的 10 例临界案例上为 100 percent，各类一致率全部为 1.00。真值是植入的物理参数对照画像阈值，独立于引擎计算；测量噪声在标签固定之后注入，因此引擎必须穿过噪声恢复判定。诚实性不变量是分开的、经单元测试的：3 次被遮挡重复中，3 次弃权，0 个编造角度。这些是固定标注合成集上的任务准确率、吞吐量和诚实性，不是开放世界保证。

Kinetiq 基准摘要显示指标卡：25 例明确案例 100 percent 判定一致，阈值一个标准差内 10 例临界案例 100 percent，3 of 3 被遮挡重复弃权且 0 个编造角度，以及 4 个会话中 3 plus 1 自动可计费或转交复核；下方各类一致率表对 good rep、shallow、not scored 和 knee valgus 均为 100 percent。
在标注合成集上，35 of 35 次重复穿过注入噪声恢复 100 percent，且 3 of 3 被遮挡重复弃权。

Kinetiq 所处的位置，以及它所不在的位置

它运行在关键点之后，叠在你已在使用的任何姿态模型之上。它构建解释与证明层；它不与姿态估计器竞争。

关切 原始姿态估计与重复计数 Kinetiq
第 9 次重复膝关节内扣 计为一次重复 标为膝外翻再损伤风险，并显示阈值
关节出画 仍然推断出一个角度 弃权，该次重复不予评分，无编造角度
相同深度，不同患者 所有人一个固定阈值 按患者画像键控的人群自适应判定
计费证据 CMS 不会报销的原始坐标 可按 RTM 计费的 FHIR 形态会话报告，映射到 CPT 族
谁决定可否计费 未涉及 任何模型之外的确定性策略门控
姿态模型改进时的持久性 全部价值在传感器，而传感器会商品化 价值在传感器之上的大脑与证明

本演示不做什么

  • 它不使用实时摄像头或端上推理。关键点流为三种情景合成生成，或用 MediaPipe 从一段真实采集片段离线提取。移动采集 SDK 与任何边缘部署均延后。
  • 它不声称临床级测角。单目膝关节角度误差为 9.3 to 21.9 degrees（Nature Scientific Reports, 2025），因此 Kinetiq 工作在 RTM 所需的粒度上，并在低可见度重复上弃权，而不是报告精确角度。
  • 会话报告是 FHIR 形态，而非 FHIR 已校验或 FHIR 合规。它镜像 Observation 和 DocumentReference 形态；EHR 写入是模拟适配器，因此它发出而不 POST。
  • RTM 与 CPT 映射是帮助记录 RTM 的框架，不是计费认证、合规签核或报销保证。
  • 评分路径没有 LLM，也没有训练过的深度模型。V1 是确定性特征引擎；训练过的 TCN 是同一逐次重复接口背后已声明的 V2 替换。可选智能体只做解释，并经依据核验。
  • 患者是如实标注的测试用例，不是真实患者或客户。三名（Maria、Jordan、Eleanor）为合成，一名（Aisha）为无真实身份或病历的真实采集深蹲片段。没有客户、部署、证言或声称的 ROI。
  • 100 percent 判定一致率与 3 of 3 弃权是固定标注合成集上的测量，其中真值是植入参数对照画像阈值，不是开放世界或生产保证。

买方会问的问题

我们已经在跑 BlazePose 并计数重复。Kinetiq 增加了什么？

姿态估计和重复计数是已商品化的部分。原始姿态库会乐意把膝关节在第 9 次重复内扣的患者记成 15 次合格深蹲。Kinetiq 是关键点之上的那一层：它按人群自适应的临床画像为每一次重复打分，关节不可见时弃权，并导出临床医生可据以行动的、可按 RTM 计费的 FHIR 形态会话报告。那一层解释与证明，才是物理治疗平台实际计费、临床医生实际据以行动的东西，并且它能挺过每一次姿态模型升级，而不是随模型一起老化。

它能量得足够准确的关节角度来据以计费吗？

我们不声称临床级测角，并且在屏幕上如实说明。单目膝关节角度误差的平均绝对误差为 9.3 to 21.9 degrees（Nature Scientific Reports, 2025），因此单摄像头给出精确到度的角度声称是陷阱。Kinetiq 工作在 RTM 实际所需的粒度上：核验完成度加近似质量加趋势，并在低可见度重复上弃权，而不是编造精确角度。计费证据是经核验、按协议映射的会话记录，不是声称的精确关节角度。

报告是 FHIR 合规的吗，能否写入我们的 EHR？

它是 FHIR 形态，而非 FHIR 已校验。会话报告是镜像 FHIR Observation 和 DocumentReference 字段形态的结构化 JSON，携带逐次重复观察、会话汇总、RTM 判定和 CPT 族，以及 CMS 所期望的文档字段。本演示中的 EHR 或 FHIR 写入是模拟适配器，因此 Kinetiq 发出记录，它并不 POST 到实时服务器。这使产物保持诚实：它是临床医生据以记录的证据，为你将构建的下游 FHIR 集成塑形，而不是一次经认证的 EHR 写入。

我们如何据此实际结算 RTM，报销有保证吗？

CMS 按 CPT 98975 to 98981 族报销远程治疗监测（Remote Therapeutic Monitoring），外加 2026 年代码 98979 和 98985，并要求与治疗决策绑定的设备采集数据，而非原始坐标。Kinetiq 正是为产出这类证据而设计：确定性策略门控返回 rtm_billable、needs_clinician_review 或 insufficient_device_data，FHIR 形态报告记录设备采集数据与治疗决策关联。CPT 映射是帮助你记录 RTM 的框架，不是计费认证或报销保证，被标记的会话在自动计费之前转交临床医生。

AI 正在为患者的锻炼动作打分。这如何能安全地辩护？

信任核心是确定性的，评分路径中没有 LLM。每一次逐次重复判定和 RTM 可否计费判定都是朴素、经单元测试的 NumPy 代码，因此临床医生能精确质询某次重复被标记的原因，例如第 9 次被标记是因为外翻指数 0.054 处于或高于 0.03，且节奏 1.4 高于 1.25。智能体提供建议，代码做出决定：两个可选智能体只解释并传达确定性证据，智能体引入的任何不在证据中的数字都会被拒绝，并改为展示确定性模板。这种可审计性，正是一家以真相为品牌的公司的要点。

它需要实时摄像头或移动 SDK 吗？今天能跑什么？

本演示没有实时摄像头，也没有端上推理。关键点流要么为三种情景合成生成，要么用 MediaPipe 从一段真实采集深蹲片段离线提取，两种情况都是桩传感器。移动采集 SDK 与任何边缘部署均延后。今天能跑的是真正的解释与证明逻辑：1-Euro 平滑、置信度门控、类别无关重复分割、逐次重复生物力学、人群自适应规则、RTM 策略门控，以及 FHIR 形态导出，全部在笔记本电脑上无需密钥运行。

那些 100 percent 数字是真实世界准确率吗？

不是，我们谨慎限定其范围。100 percent 判定一致率是在固定标注合成集的 35 次重复上测得的，其中 25 例明确、10 例临界约在阈值一个标准差内；真值是植入的物理参数对照画像阈值，独立于引擎计算，引擎必须穿过标签固定之后注入的测量噪声恢复判定。临界案例是区分压力测试，因此这是真正的区分而非对极端的回忆，但它不是开放世界保证。可持久的度量是任务准确率、自动化吞吐量和诚实性，包括 3 of 3 被遮挡重复弃权且 0 个编造角度，这些在姿态估计改进时仍然成立。

技术研究

本演示背后的研究——架构、核验设计，以及企业蓝图。

完整方案

探索面向物理治疗平台 & 企业健康的 AI 生物力学方案 →

构建姿态模型之上的大脑

带可计费回执的、经核验的人群自适应锻炼数据。

如果你们的产品和临床团队正在思考如何把原始姿态流转成经核验、可按 RTM 计费的锻炼数据，同时不过度声称临床级角度，我们真心想听听你们的想法。这个问题是全行业的，答案也将如此。

锻炼核验评估

  • ✓ 标出姿态流需要解释、而不仅仅是重复计数的位置
  • ✓ 按患者画像定义人群自适应阈值
  • ✓ 设置置信度门控，使系统弃权而非猜测
  • ✓ 塑造临床医生可据以记录的、可按 RTM 计费的 FHIR 形态记录

与我们共建

  • ✓ 叠在任何姿态模型之上的确定性、经单元测试的生物力学引擎
  • ✓ 人群自适应规则引擎与确定性 RTM 策略门控
  • ✓ 映射到 CPT RTM 族的 FHIR 形态会话报告
  • ✓ 经依据核验的智能体用于纵向笔记，而非黑盒评分
通过 WhatsApp 联系 给我们团队发邮件
WhatsApp
即时沟通
预约通话
通过 Calendly 预约
电子邮件
[email protected]