{"id":2978,"date":"2025-02-24T11:32:53","date_gmt":"2025-02-24T10:32:53","guid":{"rendered":"https:\/\/blog.zhaw.ch\/vitamin-g\/?p=2978"},"modified":"2025-02-25T11:44:24","modified_gmt":"2025-02-25T10:44:24","slug":"mit-ki-die-schlaganfall-therapie-unterstuetzen","status":"publish","type":"post","link":"https:\/\/blog.zhaw.ch\/vitamin-g\/mit-ki-die-schlaganfall-therapie-unterstuetzen\/","title":{"rendered":"Mit KI die Schlaganfall-Therapie unterst\u00fctzen"},"content":{"rendered":"\n

Nach einem Schlaganfall m\u00fcssen Betroffene oftmals Bewegungen neu erlernen. Eines der Probleme dabei sind Ausweichbewegungen. Um diese rasch und verl\u00e4sslich beurteilen zu k\u00f6nnen, haben Forschende am Institut f\u00fcr Ergotherapie ein KI-basiertes Messinstrument entwickelt.<\/strong><\/p>\n\n\n\n\n\n\n\n

von Annina Dinkel<\/p>\n\n\n\n

Die Aufnahme zeigt einen \u00e4lteren Mann, der den Arm ausstreckt, einen Wasserbecher greift und ihn zum Mund f\u00fchrt. Dabei zieht er die Schulter leicht nach oben und beugt sich nach vorne. Was f\u00fcr Laien bloss zu erahnen ist, bezeichnet Ergotherapeutin Lena Sauerzopf, als \u00abtypische Ausweichbewegungen\u00bb. Denn, so erkl\u00e4rt sie: \u00abOft treten nach einem Schlaganfall L\u00e4hmungserscheinungen und Bewegungseinschr\u00e4nkungen auf. Um Alltagsaufgaben wie Essen, Trinken oder Anziehen zu bew\u00e4ltigen, kompensieren die Betroffenen mit ausweichenden Bewegungen \u2013 oft unbewusst.\u00bb L\u00e4ngerfristig sind solche Bewegungen ung\u00fcnstig. Weshalb, erkl\u00e4rt Martina Spiess, die gemeinsam mit Sauerzopf zum Thema forscht: \u00abWenn Patient:innen Einschr\u00e4nkungen kompensieren, \u00fcben sie zum einen die normale Bewegung nicht mehr. Zum andern k\u00f6nnen durch das Ausweichen neuen Beschwerden wie Gelenkabnutzungen oder Verspannungen auftreten.\u00bb<\/p>\n\n\n\n

Wunschziel: mobiles Messger\u00e4t<\/h2>\n\n\n\n

Aufgrund dieser Problematik achten Ergo- und Physiotherapeut:innen in der Neurorehabilitation darauf, dass ihre Klient:innen Ausweichbewegungen m\u00f6glichst vermeiden. Was ihnen dazu bislang fehlte, war ein Messinstrument, das die vielz\u00e4hligen komplexen Bewegungsabl\u00e4ufe gleichzeitig wahrnehmen sowie objektiv und pr\u00e4zise bewerten kann. Den Nutzen eines solchen Instruments sieht Lena Sauerzopf in zwei Bereichen: \u00abEinerseits w\u00e4re es in der station\u00e4ren Rehabilitation hilfreich, um die Ausweichbewegungen von Schlaganfall-Patient:innen genau einstufen und den Verlauf in der Therapie \u00fcberpr\u00fcfen zu k\u00f6nnen. Andererseits k\u00f6nnte es interessant sein, das Tool den Klient:innen mit nach Hause zu geben, damit sie die Ausf\u00fchrung von Trainings\u00fcbungen kontrollieren und Verbesserungen selbst wahrnehmen k\u00f6nnen.\u00bb

Messen kann man Ausweichbewegungen zwar schon heute mithilfe von Infrarotkameras. Die notwendige Infrastruktur kostet jedoch sehr viel Geld und wird prim\u00e4r zu Forschungszwecken in grossen Laboren genutzt. F\u00fcr den Therapiealltag in der Rehabilitation k\u00f6nnen sie hingegen nicht eingesetzt werden, da die Vorbereitungen f\u00fcr die Messungen sehr zeitintensiv und folglich zu teuer sind. G\u00fcnstig und mobil sind hingegen Kameras, wie sie zum Beispiel in Handys oder Laptops verbaut sind. Die Idee, diese zu nutzen, stand am Anfang des Forschungsprojekts, welches das Institut f\u00fcr Ergotherapie am ZHAW-Departement Gesundheit gemeinsam mit dem Institut f\u00fcr Wirtschaftsinformatik der ZHAW School of Management and Law sowie weiteren Partner:innen diesen Sommer abgeschlossen hat. In der von der Digitalisierungsinitiative der Z\u00fcrcher Hochschulen (DIZH) finanzierten und von Martina Spiess mit geleiteten Studie filmten die Forschenden Schlaganfall-Patient:innen dabei, wie sie aus einem Becher trinken. Die Videos dieser \u00abTrinkaufgabe\u00bb bewertete Lena Sauerzopf im Anschluss dahingehend, ob die Person beim Trinken mit den Armen auswich oder nicht. Die von der Forscherin \u00abgelabelten\u00bb Videodaten dienten den Projektpartner:innen als Grundlage, um ihr KI-Modell zu trainieren, das auf Deep Learning basiert. Das Modell nutzt die visuell extrahierten Koordinaten von K\u00f6rperteilen, um vorherzusagen, ob eine Person w\u00e4hrend der Ausf\u00fchrung der Trinkaufgabe kompensatorische Bewegungen durchf\u00fchrt oder nicht. Das Ergebnis ist eine Kette von rechnergest\u00fctzten Prozessschritten, die auf Basis von Aufnahmen handels\u00fcblicher Kameras Bewegungsmuster erkennt.<\/p>\n\n\n\n

Die Herausforderung mit den Daten<\/h2>\n\n\n\n

Bis daraus ein im Therapiealltag einsetzbares Messinstrument wird, ist es allerdings noch ein weiter Weg. Dies hat unter anderem damit zu tun, dass alleine die Information, ob ein:e Klient:in eine Ausweichbewegung macht oder nicht, in der Therapie noch nicht viel n\u00fctzt. Ein Mehrwert w\u00e4re hingegen, wenn die kompensatorischen Bewegungen quantifiziert w\u00fcrden. Darauf legte Lena Sauerzopf bei einem Nebenprojekt im Rahmen ihrer Doktorarbeit den Fokus. Ins Projekt involvierte sie rund 20 Ergo- und Physiotherapeut:innen, die Erfahrung in der Rehabilitation nach einem Schlaganfall haben. Die Therapeut:innen hatten die Aufgabe, die Videos zu sichten und die Ausweichbewegungen der anonymisierten Patient:innen auf einer Skala von 0 bis 100 zu bewerten. Allerdings zeigte die \u00dcberpr\u00fcfung der Studienresultate, dass die Bewertungen der Therapeut:innen nur beschr\u00e4nkt verallgemeinerbar sind. Eine m\u00f6gliche Ursache sieht Sauerzopf darin, dass es f\u00fcr Menschen schwierig ist, zweidimensionales Videomaterial nur \u00abmit dem Auge\u00bb zu beurteilen. F\u00fcr k\u00fcnftige Forschungsprojekte empfiehlt sie daher, die Therapeut:innen vorab zu trainieren oder Sensoren zur Messung und Beurteilung der Armbewegungen hinzuzuziehen. Letztlich alles mit dem Ziel, einen Datensatz zu erhalten, mit dem das Deep-Learning-Modell zuverl\u00e4ssig trainiert werden kann.

Eine weitere Herausforderung: Der Deep-Learning-Prozess ben\u00f6tigt sehr viele Daten. Da es jedoch schwierig ist, gen\u00fcgend Patient:innen f\u00fcr solche Studien zu finden, wollen die Forschenden des Instituts f\u00fcr Wirtschaftsinformatik pr\u00fcfen, ob es k\u00fcnftig m\u00f6glich ist, echte Trainingsdaten \u00abk\u00fcnstlich\u00bb zu variieren und zu vervielf\u00e4ltigen. Ihre Forschung dazu steht jedoch noch am Anfang.<\/p>\n\n\n\n

Ein lohnenswerter Weg<\/h2>\n\n\n\n

Dass es sich trotz aller Herausforderungen lohnt, in diese Richtung weiterzuforschen, davon sind alle ZHAW-Beteiligten \u00fcberzeugt. Dies allein deswegen, weil jedes Jahr rund 20\u2009000 Menschen in der Schweiz einen Schlaganfall erleiden. Da therapeutische Massnahmen zudem h\u00e4ufiger im ambulanten Bereich stattfinden, sollten technologische Entwicklungen gepr\u00fcft werden, die im Alltag der Klient:innen funktionieren. Allerdings, so ist Martina Spiess \u00fcberzeugt, m\u00fcsse eine Br\u00fccke zwischen Entwicklung und Praxis geschlagen werden, um die Technik nutzbar zu machen. \u00abDaf\u00fcr m\u00fcssen Entwickler:innen eng mit Fachpersonen aus der klinischen Praxis zusammenarbeiten.\u00bb \/\/<\/p>\n\n\n\n

Vitamin G, S. 18-19<\/em><\/a><\/p>\n\n\n\n

\n\n\n\n

Weitere Informationen<\/h2>\n\n\n\n