Die Einrichtung des neuen Labors für KI-basierte Ganganalyse (kurz: SmartGAITLab) am Campus Remagen der Hochschule Koblenz wurde durch die finanzielle Unterstützung des Ministeriums für Wissenschaft und Gesundheit über das HAW-direkt Programm ermöglicht.
Das Labor wird von einem interdisziplinären Team von Forschenden betrieben. Expertinnen und Experten aus den Bereichen Physik, Mathematik, Informatik, Sportwissenschaften, Medizin und Ergonomie bringen ihre langjährigen Erfahrungen aus zahlreichen Forschungsprojekten ein. Das Labor bietet Raum für innovative Zukunftsprojekte aus den Anwendungsbereichen Arbeitsschutz, Sport und Geriatrie und Klinik. Aus diesem Grund sind neben der Hochschule Koblenz (HSKO) als Betreiberin des Labors weitere Institutionen beteiligt:
In diesem MEDICA Beitrag sieht man das SmartGAITLab im Einsatz.
Eine klassische Ganganalyse beinhaltet die technische Untersuchung von Bewegungsmustern, die während des menschlichen Gangs auftreten. Bei einer solchen Analyse werden üblicherweise biomechanische und physiologische Faktoren wie Körperhaltungen, Muskelaktivitäten, Kraft- und Druckverteilungen aufgezeichnet und ausgewertet. Auf diese Weise können zum Beispiel krankhafte Veränderungen am Bewegungsapparat diagnostiziert werden, die mit bloßem Auge häufig nicht zu erkennen sind. Ein solches klassisches Ganganalyselabor findet man vor allem im klinischen Umfeld.
Der Gedanke der Prävention steht bei klinischen Untersuchungen allerdings nicht im Vordergrund. Aus medizinischer und aus volkwirtschaftlicher Perspektive ist es aber von großer Bedeutung, dem Thema Prävention einen höheren Stellenwert beizumessen. Die Früherkennung von neurologisch bedingten und laufsportinduzierten Krankheitsbildern oder die Vermeidung von stolper-, rutsch- und sturzbedingten Unfällen sind besonders wünschenswert. In jüngster Zeit wurden beträchtliche Fortschritte bezüglich der vielfältigen Einsatzgebiete von Sensoren gemacht, die physiologische und biomechanische Parameter erfassen können. Aufgrund der Verfügbarkeit von Algorithmen, die auf Künstlicher Intelligenz beruhen, können nun auffällige Muster in den Sensor-Daten effizient und teilweise in Echtzeit detektiert werden.
Diese rasanten Fortschritte im Bereich der Hard- und Software dienen als Grundlage der Entwicklung von innovativen Werkzeugen für eine neue Form der Ganganalyse, die den technischen und personellen Aufwand im Vergleich zum klassischen Labor deutlich reduzieren wird. Ein kontinuierliches Monitoring des menschlichen Gangs für präventive Zwecke im alltäglichen Gebrauch erscheint in der nahen Zukunft möglich.
Das Labor liefert die Grundlage für den Bau (Hardware), die KI-basierte Datenanalyse (Software) und die Validierung kostengünstiger Sensorik für das Selfmonitoring von Patienten, Arbeitenden oder Freizeitsportlern. Des Weiteren können preiswerte diagnostische Geräte für Kliniken und niedergelassene Ärzte konzipiert, getestet und hergestellt werden. So lassen sich die Kosten der Langzeitbetreuung von Menschen mit Bewegungsstörungen und der organisatorische Aufwand deutlich reduzieren.
Ein weiteres Thema von hoher wirtschaftlicher und gesellschaftlicher Relevanz ist die Prävention von Stolper- Rutsch und Sturzunfällen. Nicht nur im fortgeschrittenen Alter stellen sie ein erhebliches Gesundheitsrisiko dar. Das Problem wird demographiebedingt immer größer. Auch die Kosten, die schon jetzt durch Stürze entstehen, sind enorm. Daher besteht ein dringender Bedarf an der Entwicklung kosteneffizienter Sturzprognosesysteme. Mit der Entwicklung eines Systems, das Beinahestürze erkennen könnte, würde ein Werkzeug verfügbar werden, mit dem das individuelle Sturzrisiko einzuschätzen wäre. Durch die Erkennung von Risikofaktoren kann ein Arbeitgeber bestimmte Tätigkeiten umgestalten, um das Sturzrisiko am Arbeitsplatz zu verringern.
Durch die Weiterentwicklung von KI-Techniken für den Laufsport lässt sich die Risikobewertung des Laufverhaltens von Sporttreibenden besser einschätzen. Als Ergebnis werden Überbelastungsverletzungen vermieden oder in einem frühen Stadium erkannt, so dass präventive medizinische Maßnahmen ergriffen werden können.
Das Forschungsprojekt ENTRAPon – Entwicklung zusätzlicher Trainingselemente zur Prävention von Stolper-, Rutsch- und Sturzunfällen wird unterstützt von DHL und HKM. Im SmartGAITLab wird die nachhaltige Wirkung verschiedener Trainingsprogramme untersucht.
Die Gangdaten des Projekt ENTRAPon stehen auf Bitbucket zur Verfügung.
Name | Institution |
Prof. Dr. B. Dellen | HSKO |
Prof. Dr. R. Ellegast | IFA / HSKO |
Dr. D. Friemert | HSKO / MTI |
Prof. Dr. U. Hartmann | HSKO / MTI |
Prof. Dr. U. Jaekel | HSKO |
Prof. Dr. K. Karamanidis | UK / MTI |
Dr. M. R. Kharazi | UK / MTI |
Prof. Dr. L. Scheef | HSKO / MTI |
J. Tenholt (M.Sc.) | HSKO |
Dr. A. Weber | UK / MTI |
Das SmartGaitLab soll dabei helfen, das am Fachbereich MIT in zahlreichen Forschungskooperationen bereits etablierte Gebiet „Künstliche Intelligenz im Gesundheitswesen“ weiter zu erschließen. Damit trägt es zur Schärfung des Forschungsprofils unserer Hochschule bei. Die Vernetzung mit starken externen Partnern ist eine unbedingt notwendige Voraussetzung zur Erreichung der wissenschaftlichen und anwendungsbezogenen Ziele.
Die Prävention von Verletzungen des Bewegungsapparats und die Früherkennung von neurodegenerativen Erkrankungen sind die vorrangigen Ziele. Mit der Einrichtung des neuen Labors können in Zusammenarbeit mit externen Partnern Forschungsgebiete weiter erschlossen und gemeinsame Drittmittelprojekte beantragt werden. Die folgenden drei Anwendungbereiche wurden als besonders erfolgversprechend identifiziert.
Viele Beschäftigte sind im Berufsalltag einem erhöhten Sturzrisiko ausgesetzt. Eine Technologie, die sturzgefährdete Personen identifiziert, ist daher ein hilfreiches Werkzeug zur Sturzprävention.
Als Indikator für die Sturzgefährdung kann die Anzahl von Beinahestürzen herangezogen werden. Aktuell steht noch keine akzeptable Technologie zur verlässlichen Detektion und kontinuierlichen Aufzeichnung von solchen Ereignissen zur Verfügung. Mit einem speziell für das Labor aufgebauten Parcours besteht jedoch die Möglichkeit, unter kontrollierten Bedingungen Beinahestürze zu provozieren, ohne dabei die Übertragbarkeit auf reale Sturzszenarien zu vernachlässigen.
Die hierfür notwendigen KI-Algorithmen sollen in besonderer Weise dazu geeignet sein, Beinahestürze vorherzusagen. In Kombination mit vereinfachten Sensorsystemen wäre man schließlich in der Lage, Beinahestürze im Berufsalltag automatisiert zu erfassen.
Im Jahr 2022 gab es in Deutschland ungefähr 6.3 Millionen Personen, die regelmäßig Laufsport betrieben. Die jährliche Inzidenzrate von Verletzungen wird auf über 40% geschätzt. Etwa 50 % bis 75 % aller Laufverletzungen sind Überlastungsschäden, die aufgrund falscher Lauftechnik zustande kommen.
Im SmartGaitLab können Sensoren entwickelt und validiert werden, mit deren Hilfe der Zusammenhang zwischen Laufkinematik und Verletzung des muskuloskelettalen Systems untersucht werden kann. Eine zentrale Fragestellung ist, inwieweit die Anzahl der notwendigen Sensoren reduziert werden kann, sodass eine Integration in Smart Clothes ("Wearables") wirtschaftlich wird und ob es mit Hilfe von KI-Algorithmen möglich sein wird, entsprechende Gangauffälligkeiten in Echtzeit zu detektieren. In Kombination mit einem Feedback-System würde die Prävention von laufinduzierten Verletzungen im Breitensport ermöglicht.
Die Übertragung der im SmartGAITLab gewonnenen Erkenntnisse in den klinischen Alltag und in das Alltagsleben der Patienten wird angestrebt. Die im Labor zu entwickelnden Sensorsysteme sollen eine Untersuchung der Bewegung im natürlichen Umfeld der Patienten ermöglichen. Der Vergleich der Ganganalysen in Bewegungslaboren von Kliniken mit den Ergebnissen, die über das neue Messsystem zu Hause gewonnen werden, gibt Auskunft über die Sensitivität und Spezifität des Systems.
Weiterhin wird abschätzbar, inwieweit die Gangveränderungen sich als zuverlässiger Marker für eine kognitive Verschlechterung nutzen lassen. Dies würde eine telemedizinische Begleitung erleichtern und somit einen Beitrag zur Digitalisierung in der Medizin leisten.
Langfristig würde die Erfassung von Gangprofilen und von Beinahestürzen im häuslichen Umfeld eine Vielzahl von Anwendungen nach sich ziehen.
