Șchiopăturile sunt o cauză majoră de întrerupere a activităţii sportive la cabaline, având un impact semnificativ asupra performanţei și a bunăstării animalelor. Diagnosticarea precoce și precisă este esenţială, iar metodele moderne bazate pe inteligenţă artificială (IA) oferă instrumente promiţătoare pentru evaluarea obiectivă a mersului.
Lucrarea de faţă își propune să analizeze eficienţa IA în detectarea șchiopăturii, prin utilizarea aplicaţiei Sleip, care evaluează asimetriile de mișcare la nivelul capului (Head Nod) și al pelvisului (Pelvic Hike), în fazele de impact și push-off. Studiul a inclus zece cabaline de sport, examinate clinic, ecografic și cu ajutorul AI. Accentul s-a pus pe corelarea datelor de mișcare cu leziunile localizate la nivelul tendonului flexor digital superficial (SDFT) și al ligamentului suspensor (SL).
Rezultatele au arătat o corelaţie semnificativă între tiparele de asimetrie și leziunile evidenţiate ecografic. În leziunile de SDFT, asimetriile capului au fost cele mai frecvente, iar valorile Head Nod au crescut proporţional cu dimensiunea leziunii. Asimetriile pelviene apărute în unele cazuri au fost interpretate ca fiind compensatorii. S-a observat și o variabilitate individuală în răspunsul la durere: la unii cai cu leziuni mari, asimetriile erau minime.
Concluzia lucrării susţine valoarea adăugată a IA în diagnosticul ortopedic ecvin, oferind date obiective, utile în completarea examinării clinice și ecografice. Utilizarea IA poate îmbunătăţi monitorizarea și personalizarea tratamentului la cabalinele sportive.

Biomecanica este definită de Oxford Languages ca fiind „studiul legilor mecanice care guvernează mișcarea sau structura organismelor vii”. Principiile biomecanicii ecvine și forţele care acţionează asupra membrelor pot fi explicate prin a treia lege a lui Newton: „Pentru fiecare acţiune există o reacţiune egală și de sens contrar” (Åssveen, 2024).

Mișcarea cabalinelor este rezultatul unei interacţiuni complexe între structurile anatomice ale aparatului locomotor, care permit conversia energiei chimice în mișcare funcţională. Pentru o mai bună înţelegere a acestei mecanici, structurile complexe pot fi analizate ca ansambluri de unităţi simplificate, între care acţionează diverse tipuri de forţe. Distribuţia și intensitatea acestor forţe determină atât capacităţile atletice ale calului, cât și punctele sale de vulnerabilitate biomecanică.

La fiecare pas, când copita calului exercită o forţă descendentă și anterioară asupra solului, acesta reacţionează cu o forţă egală, dar orientată în sens opus. Această interacţiune este cunoscută sub denumirea de forţă de reacţiune la sol (GRF – ground reaction force) și poate fi cuantificată în faza de sprijin a fiecărui pas. În medicina sportivă ecvină, GRF se măsoară utilizând plăci de forţă, potcoave instrumentate cu senzori sau prin analiza cinematicii întregului corp.

GRF poate fi împărţită în trei componente principale:

GRF verticală (VGRF) – acţionează pe direcţia verticală (sus-jos) și influenţează sprijinul corpului, reflectând distribuţia greutăţii între membre în timpul deplasării (Baxter și colab., 2020).

GRF longitudinală (LGRF) – acţionează anteroposterior (înainte-înapoi) și este implicată în procesele de accelerare, frânare și modificare a vitezei (Baxter și colab., 2020).

GRF transversală (TGRF) – acţionează lateral și este esenţială pentru menţinerea echilibrului și a stabilităţii laterale (Baxter și colab., 2020).

Pe lângă forţele externe, asupra corpului calului acţionează și factori interni de stres biomecanic, care pot influenţa funcţionarea și sănătatea aparatului locomotor. Printre aceștia, se numără:

Compresiunea – forţă care apropie două puncte între ele; apare frecvent în articulaţii (Back și colab., 2001).

Tensiunea (tracţiunea) – forţă care întinde sau alungește o structură; întâlnită între tendoane, ligamente, dar și în porţiuni osoase (Back și colab., 2001).

Forfecarea (shear) – forţă generată între două structuri care se deplasează în direcţii opuse; prezentă în articulaţia femuropatelară, în structura osoasă și în capsula cornoasă a copitei (Back și colab., 2001).

Torsiunea – stres biomecanic produs prin aplicarea unei mișcări de rotaţie; afectează atât articulaţiile distale ale jaretului, cât și oasele lungi (Back și colab., 2001).

Îndoirea (bending) – rezultă din combinaţia dintre compresiune (pe o parte a structurii) și tensiune (pe partea opusă), fiind frecvent întâlnită în oasele lungi, unde cortexul dorsal este supus compresiunii, iar cel palmar tensiunii.

Mersul calului este rezultatul unor modele bine definite de succesiune a sprijinului și suspensiei membrelor. Din punct de vedere biomecanic, aceste modele se clasifică în mersuri simetrice și mersuri asimetrice, în funcţie de distribuţia temporală și spaţială a contactelor cu solul (Clayton și colab., 1997).

Metode de diagnostic imagistic

Aparatele de ecografie destinate evaluării aparatului locomotor trebuie să fie dotate cu transductori de frecvenţe variate, pentru a putea examina structuri superficiale și profunde: ţesuturile situate la adâncimi de 5-7 cm sunt cel mai bine vizualizate cu transductori de cel puţin 7,5 MHz (Genovese și colab., 1986).

Alegerea transductorului ecografic este esenţială pentru obţinerea unor imagini de calitate, adaptate profunzimii și conformaţiei regiunii examinate.

Pentru examinarea tendoanelor și ligamentelor, sondele liniare sunt cele mai utilizate, deoarece permit recunoașterea clară a dispunerii longitudinale a fibrelor, care sunt paralele cu suprafaţa pielii. Pentru structuri foarte superficiale, utilizarea unui pad de contact (standoff pad) este obligatorie, indiferent de tipul sondei, pentru a asigura focalizarea corectă și a reduce artefactele de proximitate.

Pe suprafeţele cutanate neregulate, cum este spaţiul dintre bulbul călcâiului, sondele microconvexe sau sectoriale sunt preferate. Acestea oferă flexibilitate crescută în direcţionarea fasciculului, în comparaţie cu sondele liniare cu faţă plată, care au o zonă de contact largă și fascicul rectiliniu.

Majoritatea producătorilor de aparate ecografice oferă astăzi sonde multifrecvenţă, care permit ajustarea frecvenţei în funcţie de adâncimea ţesutului examinat, fără a schimba transductorul.

Pentru realizarea unei examinări ecografice corecte, este esenţial ca animalul să fie liniștit și bine controlat. Sedarea este adesea necesară pentru a reduce mișcările involuntare și a facilita examinarea (Pennick, 1995).

Zona de interes se pregătește prin tundere fină, folosind o lamă cu numărul 40-50, urmată de spălare antiseptică și clătire abundentă. Dacă este necesar, un ras suplimentar poate contribui la îmbunătăţirea calităţii imaginii. Gelul ecografic se aplică în cantitate moderată, pentru a asigura contactul adecvat între sondă și piele.

În cazurile în care tunderea nu este posibilă, se recomandă o spălare riguroasă și hidratarea corespunzătoare a zonei. Aplicarea de alcool poate îmbunătăţi contactul dintre sondă și piele, însă este necesară verificarea compatibilităţii cu tipul de sondă utilizat (Redding, 2001).

Scopul lucrării 

Evaluarea eficienţei inteligenţei artificiale în diagnosticul șchiopăturii la cabaline, cu accent pe leziunile localizate la nivelul tendonului flexor digital superficial (SDFT) și interososului median (SL). De asemenea, identificarea unor corelaţii între tipul și dimensiunea leziunilor evidenţiate ecografic și intensitatea, respectiv tipul de asimetrie locomotorie detectate de inteligenţa artificială corelate cu evaluarea clinică realizată de un medic veterinar cu experienţă, un antrenor și călăreţul calului examinat.

Materiale utilizate

Lotul de animale

Studiul a inclus zece cabaline selectate pe baza anamnezei și a semnelor clinice sugestive pentru șchiopătură, cu suspiciune predominantă de leziuni ale tendonului flexor digital superficial și ale interososului median.

Criterii de includere

Au fost incluse cabaline care îndeplineau următoarele condiţii: (1) prezenţa unei șchiopături vizibile în pas sau trap; (2) cooperarea pentru examinare clinică și ecografică; (3) disponibilitatea pentru filmare și evaluare cu aplicaţia Sleip; (4) acordul călăreţului/antrenorului și al proprietarului pentru participare.

Înregistrările video au fost realizate cu un iPhone 16, compatibil cu aplicaţia Sleip, pe suprafeţe drepte din manejuri sau curţi de grajd, cu iluminare naturală și condiţii care au redus apariţia artefactelor vizuale. Fiecare cal a fost filmat individual în pas și trap, atât în linie dreaptă (plan frontal), cât și la coardă (plan lateral), cu două-trei repetări pentru fiecare tip de deplasare. Poziţia camerei și distanţa faţă de animal au fost menţinute constante, pentru a permite comparaţii obiective între cazuri.

Analiza video cu Sleip
Materialele video au fost procesate cu aplicaţia Sleip, care utilizează recunoaștere vizuală markerless și algoritmi de inteligenţă artificială pentru a detecta și urmări automat peste 100 de repere anatomice. Aplicaţia furnizează parametri biomecanici relevanţi pentru evaluarea simetriei mersului, inclusiv asimetria mișcării capului și bazinului, frecvenţa pașilor, durata fazelor de sprijin și balans și consistenţa pașilor, oferind rezultate pas cu pas în câteva minute. Datele sunt ilustrate prin videoclipuri slow‑motion, reprezentări grafice (grafice comparative, bare) și elemente vizuale precum picioare codate pe culori; rapoartele pot fi exportate în format PDF pentru arhivare și discuţie clinică. Analizele au fost tratate la nivel individual pentru fiecare subiect.

Analiza locomotorie s‑a bazat exclusiv pe înregistrări video procesate cu Sleip. În cazurile în care aplicaţia a semnalat asimetrii sugestive pentru disfuncţie locomotorie, investigaţia a fost completată cu examen ecografic musculoscheletal, realizat cu un ecograf portabil Vetus EQ echipat cu sondă liniară. Ecografia a permis evaluarea detaliată a structurilor tendinoase și ligamentare (aparatul suspensor, tendoanele flexorilor), oferind informaţii despre modificări ecostructurale, rupturi parţiale, edem sau remodelare tisulară și contribuind la corelarea datelor digitale cu starea reală a aparatului locomotor.

Metodă de lucru

Studiul s‑a desfășurat în teren (centre ecvestre) și în Clinica de Ecvine FMV Cluj, având ca scop evaluarea mersului prin metode obiective și subiective, cu testarea aplicaţiei Sleip. Fiecărui cal i s‑au realizat filmări standardizate la pas și trap (linie dreaptă și coardă), procesate ulterior cu Sleip pentru extragerea parametrilor biomecanici.

Toate animalele au beneficiat de examen ortopedic (inspecţie, palpaţie, teste de flexie) și, când a fost necesar, de blocaje anestezice. În cazuri cu suspiciuni de leziuni ale ţesuturilor moi s‑a efectuat ecografie musculoscheletală (Mindray Vetus EQ). Datele digitale, clinice și imagistice au fost corelate pentru a valida patternurile de asimetrie detectate de aplicaţie. Procedurile au fost realizate cu acordul proprietarilor.

Această lucrare evidenţiază potenţialul semnificativ al inteligenţei artificiale în optimizarea diagnosticului șchiopăturii la cabaline. Aplicarea unei soluţii markerless (Sleip) a permis detectarea și cuantificarea obiectivă a asimetriilor de mișcare la nivelul capului și al pelvisului, cu discriminarea fazelor de impact și push‑off. Majoritatea cazurilor au prezentat leziuni ecografice la nivelul membrelor anterioare (predominant SDFT; SL în proporţie mai mică), iar valorile de asimetrie obţinute prin analiza video s‑au corelat, în mare măsură, cu extinderea structurală a leziunilor. Totuși, s‑a constatat o variabilitate individuală semnificativă: magnitudinea asimetriei nu reflectă întotdeauna proporţional dimensiunea leziunii (de exemplu, cazuri cu leziune ecografică mare și expresie funcţională redusă). De asemenea, detectarea asimetriilor pelviene în absenţa leziunilor posterioare susţine existenţa mecanismelor compensatorii secundare unei șchiopături anterioare. În ansamblu, analiza video asistată de IA se dovedește utilă ca instrument de screening și monitorizare longitudinală, dar interpretarea rezultatelor trebuie făcută integrat cu examenul clinic și investigaţiile imagistice.

Limitări

Studiul este limitat de dimensiunea redusă a eșantionului (n = 10), de selecţia preponderentă a cailor de obstacole, utilizarea unui singur tip de dispozitiv de filmare și de posibile variaţii operatorice la înregistrarea și măsurarea ecografică. Aceste limitări restrâng extrapolarea rezultatelor și impun prudenţă în interpretare.

Recomandări

Integrarea IA în evaluarea locomotorie

În centrele ecvestre de performanţă și în practica veterinară de teren se recomandă utilizarea sistemelor IA markerless ca metodă rapidă, neinvazivă de screening și monitorizare a șchiopăturii.

Interpretare multidisciplinară

Datele generate de aplicaţii precum Sleip trebuie corelate întotdeauna cu examenul ortopedic, istoricul clinic și investigaţiile imagistice (ecografie, RMN/scintigrafie când este cazul) înainte de a lua decizii terapeutice.

Evaluare individualizată

Valorile asimetriei trebuie interpretate în contextul fiecărui individ, ţinând cont de variabilitatea sensibilităţii la durere și de mecanismele compensatorii; praguri universale trebuie definite numai după validări pe loturi mari.

Monitorizare longitudinală

Analiza IA este utilă pentru urmărirea evoluţiei leziunilor și a răspunsului la tratament; recomandăm evaluări repetate și comparabile în timp pentru a cuantifica progresul.

Investigarea asimetriilor pelviene

Prezenţa asimetriei pelviene fără leziuni posterioare impune căutarea unor mecanisme compensatorii pentru o corectă localizare a sursei durerii și evitarea diagnosticelor eronate.

Cercetare suplimentară

Sunt necesare studii multicentrice, cu eșantioane mai mari și designuri longitudinale, comparative, între diferite aplicaţii IA și cu corelări suplimentare faţă de metode imagistice avansate (RMN, scintigrafie) pentru a valida sensibilitatea și specificitatea algoritmilor.

Standardizare și validare clinică

Se recomandă dezvoltarea și validarea unor protocoale standardizate de filmare (poziţionare cameră, suprafaţă, viteză, repetiţii) și de analiză IA, precum și definirea pragurilor clinice ale parametrilor extrași, pentru a crește reproductibilitatea și utilitatea clinică.

Formare și implementare practică

Instruirea operatorilor (medici veterinari, tehnicieni, antrenori) privind tehnica de filmare, interpretarea datelor IA și integrarea rezultatelor în planul terapeutic va crește eficienţa utilizării în teren.

Bibliografie
Assveen K. The use of artificial intelligence in lameness investigations in horses. Master Thesis, University of Veterinary Medicine, Budapest, 2024.
Back W, Clayton H. Equine Locomotion. Saunders, 2001.
Baxter GM (Ed.). Adams and Stashak’s lameness in horses. John Wiley & Sons, 2020.
Clayton HM. Classification of collected trot, passage and piaffe based on temporal variables. Equine Vet J Suppl. 1997 May;(23):54-7.
Genovese RL, Rantanen NW, Hauser ML, Simpson BS. Diagnostic ultrasonography of equine limbs. Vet Clin North Am Equine Pract. 1986 Apr;2(1):145-226.
Pennick DG. Imaging artifacts. In: Nyland TG, Mattoon JS (Eds.). Veterinary Diagnostic Ultrasound. Saunders, 1995.
Redding WR. Use of ultrasonography in the evaluation of joint disease in horses. Equine Veterinary Education. 2001;3:250.
Sleip AI. AI-based equine gait analysis using computer vision. 2024a. https://www.sleip.com
Sleip AI. Scientifically validated gait analysis for equine lameness diagnosis. 2024b. https://www.sleip.com/science