Искусственный интеллект всё активнее проникает в протезирование. Алгоритмы уже используются для анализа движений, оценки биомеханики, проектирования культеприёмных гильз и подбора параметров протезных систем. Один из главных вопросов сейчас заключается в том, смогут ли такие технологии в будущем заменить часть ручной работы протезиста.
Новое исследование, опубликованное в 2026 году, показывает, что искусственный интеллект уже способен достаточно точно воспроизводить корректировки, которые специалисты вносят в форму транстибиальной гильзы. Однако результаты пока скорее говорят о появлении нового инструмента для протезиста, чем о полной автоматизации его работы.
AI учится на решениях протезистов
Исследователи изучали возможность стандартизировать проектирование гильз для пациентов с ампутацией голени с помощью искусственного интеллекта.
Для обучения использовали данные 118 пациентов из системы здравоохранения Нидерландов. В распоряжении исследователей были 3D-сканы культей и соответствующие цифровые модели гильз, разработанные протезистами. На основе этих данных сравнивались несколько алгоритмов, включая нейронные сети и Random Forest.
Особый интерес представляет сам подход. Вместо того чтобы заставлять алгоритм сразу создавать полностью готовую форму гильзы, исследователи проверили, сможет ли AI определить, какие именно изменения необходимо внести в исходную геометрию.
Этот вариант оказался перспективнее прямого прогнозирования конечной формы.
Для протезирования это принципиально важный момент. Работа специалиста заключается не только в создании формы по измерениям. Протезист постоянно корректирует конструкцию с учётом анатомии, распределения нагрузки и особенностей конкретной культи.
Насколько точно работает алгоритм
В исследовании лучшим результатом при прогнозировании необходимых адаптаций показала модель Random Forest. Медианное поверхностное отклонение между сгенерированной AI-моделью и конструкцией, разработанной протезистом, составило 1,24 мм. Первый и третий квартиль находились на уровне 1,03 и 1,54 мм соответственно.
Это не означает, что алгоритм уже способен самостоятельно изготовить идеальную гильзу для любого пациента.
Исследование оценивало соответствие цифровой формы модели, созданной протезистом. Клиническая работа с пациентом значительно сложнее математического сравнения поверхностей. На результат влияют состояние мягких тканей, изменения объёма культи, особенности походки, переносимость нагрузки, способ подвески и множество других факторов.
Поэтому миллиметровая точность цифрового совпадения не равнозначна готовому клиническому решению.
AI уже пробуют использовать не только для проектирования гильзы
Новые результаты не появились изолированно. Ещё до этого исследователи проверяли алгоритмы машинного обучения непосредственно для оценки выравнивания протеза.
В работе по трансфеморальным протезам, опубликованной в 2023 году, использовались данные о реакции опоры для определения состояния юстировки. Модель на основе метода опорных векторов правильно определяла номинальное выравнивание в 92,6% случаев, а нейронная сеть восстанавливала необходимые углы коррекции с ошибкой подгонки около 0,51°. Авторы рассматривали систему именно как инструмент поддержки протезиста.
Систематический обзор 2024 года также показал, что автоматизированная юстировка транстибиальных протезов становится самостоятельным направлением исследований. При этом авторы обзора отмечают необходимость дальнейшей проверки таких технологий и наличие ограничений у существующих подходов.
Получается интересная тенденция: AI постепенно переходит от анализа уже изготовленного протеза к участию непосредственно в процессе его проектирования и настройки.
Почему полностью заменить протезиста пока сложно
Основная проблема заключается в том, что протезирование нельзя свести только к обработке геометрических данных.
Алгоритм может сравнивать 3D-модели, анализировать параметры походки или находить закономерности в большом массиве данных. Но специалист работает с конкретным человеком и должен учитывать то, что не всегда представлено в цифровом наборе данных.
Например, изменение формы культи может быть связано с отёком или колебаниями объёма мягких тканей. Пациент может компенсировать дискомфорт изменением походки. Один и тот же параметр выравнивания может по-разному восприниматься двумя пользователями.
Поэтому перспективной выглядит не столько модель «AI вместо протезиста», сколько модель «AI помогает протезисту принимать решение».
Алгоритм может предложить несколько вариантов корректировки, обнаружить отклонение, которое сложно заметить визуально, или подсказать, какие параметры стоит проверить в первую очередь. Финальное решение при этом остаётся за специалистом.
Особенно интересна автоматическая настройка протеза в движении
Одно из направлений исследований связано с так называемой human-in-the-loop оптимизацией, когда система подбирает параметры непосредственно во время взаимодействия человека с протезом.
В исследовании 2025 года десять человек с ампутацией голени проходили процедуру оптимизации жёсткости и выравнивания экспериментальной протезной стопы. Алгоритм последовательно изменял параметры, а исследователи оценивали их влияние на энергетическую стоимость ходьбы.
Такой подход отличается от простой автоматической настройки. Система не пытается заранее определить единственное правильное значение. Она постепенно ищет конфигурацию, которая лучше соответствует конкретному пользователю.
Именно эта персонализация может стать одним из наиболее перспективных направлений развития цифрового протезирования.
Что изменится в работе протезной мастерской
Если подобные технологии продолжат развиваться, наиболее заметные изменения могут произойти не в исчезновении ручной работы, а в её структуре.
Протезист сможет получать больше объективных данных при оценке конструкции. 3D-сканирование, анализ походки, данные датчиков и алгоритмические рекомендации могут объединяться в одну цифровую систему.
Например, вместо последовательного ручного поиска причины проблемы система сможет показать, что определённое изменение выравнивания связано с конкретным отклонением параметров походки. Специалист сможет проверить гипотезу и выполнить корректировку.
Для мастерской это потенциально означает сокращение количества итераций при настройке и более воспроизводимый процесс работы.
Но ручная настройка никуда не исчезает
Результаты современных исследований пока не дают оснований говорить о полной замене протезиста искусственным интеллектом.
Даже в исследовании 2026 года алгоритм учился на решениях специалистов и фактически воспроизводил их подход к адаптации формы гильзы. То есть экспертные знания оставались основой модели.
Кроме того, современные исследования часто проводятся на относительно небольших выборках или в контролируемых условиях. Перенос результатов на разные клинические ситуации, типы ампутаций, конструкции и группы пациентов требует дополнительной проверки.
Поэтому ближайшая перспектива выглядит иначе: AI не отменяет опыт протезиста, а помогает сделать его более измеримым и воспроизводимым.
Что это означает для комплектующих
Развитие цифрового проектирования не отменяет значение физических компонентов протеза. Напротив, чем точнее становится цифровая настройка конструкции, тем важнее соответствие всех используемых элементов расчётным параметрам.
Лайнер, адаптер, замковое устройство, протезная стопа или коленный модуль должны работать как единая система. Если характеристики одного компонента не соответствуют остальной конструкции, даже точная цифровая настройка не гарантирует оптимального результата.
Поэтому развитие AI, вероятно, будет сопровождаться ростом требований не только к программному обеспечению, но и к точности подбора комплектующих.
AI станет инструментом, а не заменой специалиста
Исследования последних лет показывают, что искусственный интеллект постепенно становится частью процесса проектирования и настройки протезов. Уже существуют алгоритмы, способные анализировать выравнивание, прогнозировать необходимые изменения формы гильзы и оптимизировать отдельные параметры протеза.
При этом современный уровень технологий скорее указывает на совместную работу человека и алгоритма, чем на полную автоматизацию.
AI способен быстро обрабатывать большие объёмы данных и находить закономерности, которые трудно оценить визуально. Протезист отвечает за интерпретацию этих данных, клиническое решение и контроль результата.
В итоге будущее протезирования может выглядеть не как «искусственный интеллект вместо протезиста», а как протезист с цифровыми инструментами, которые позволяют точнее принимать решения и быстрее адаптировать конструкцию под конкретного пациента.