Durch die Integration von tragbaren Geräten, Webanwendungen und maschinellen Lernmodellen führt das von der Hasler Stiftung finanzierte Projekt MLSmartPhysio einen neuen Ansatz für die personalisierte Rehabilitation der oberen Gliedmassen ein und legt die Grundlage für künftige klinische Studien und Anwendungen in realen Gesundheitseinrichtungen.
Die Rehabilitation der oberen Gliedmassen ist ein therapeutischer Weg zur Wiederherstellung der Funktion von Schulter, Ellbogen, Handgelenk und Hand nach einem Trauma, einer Operation oder einer Krankheit. In diesem Zusammenhang kann die technologische Innovation ein wertvoller Verbündeter bei der Verbesserung der Behandlungsqualität und der Personalisierung der Genesung jedes Patienten sein.
Im Rahmen einer Promotion im Bereich der Bioelektronik, die in Zusammenarbeit zwischen dem Team für medizinische Geräte des Instituts für digitale Technologien für die personalisierte Gesundheitsfürsorge (MeDiTech) der SUPSI und der Universität Luxemburg (Uni.Lu) durchgeführt wurde, hat das Projekt zur Entwicklung von tragbaren Sensoren geführt, die zwei Schlüsseltechnologien integrieren: Oberflächen-Elektromyographie (sEMG), um die von den Muskeln erzeugte elektrische Aktivität zu erfassen, und Trägheitssensoren (IMU), um kinetische Bewegungen zu messen.
Die Plattform umfasst auch eine Web- und Mobil-App zur Aufzeichnung und Visualisierung von Daten, die in Echtzeit über Bluetooth-verbundene Sensorinseln gesammelt werden. Dank dieser intuitiven Schnittstelle kann der Therapeut den Rehabilitationspfad an die spezifischen Bedürfnisse des Patienten anpassen.
Zur Validierung des Vorschlags wurde im Rahmen des Projekts auch eine experimentelle Messkampagne mit 20 Freiwilligen durchgeführt, bei der ein pseudonymisierter Datensatz erstellt wurde, d. h. persönliche Daten wurden durch Identifikationscodes ersetzt, die auf physiotherapeutischen Bewegungen nach der standardisierten klinischen Fugl-Meyer-Skala basieren. Der Datensatz wurde dann als offene Daten für die gesamte wissenschaftliche Gemeinschaft zur Verfügung gestellt.
Durch die Analyse der Daten konnten Algorithmusmodelle trainiert werden, die in der Lage sind, verschiedene Bewegungen (z. B. Ellenbogenbeugung und -streckung, 90°- und 180°-Schulterabduktion, 90° vertikale Schulterextension, Schulteraussen- und -innenrotation, Handgelenksbeugung und -streckung) mit grosser Genauigkeit zu erkennen, was das Potenzial der Plattform für künftige Anwendungen in der personalisierten Rehabilitation bestätigt.
Als nächste Schritte wird sich das Projekt auf noch fortschrittlichere Technologien zubewegen, einschliesslich hochdichter Elektromyographiesensoren (HDsEMG) und Algorithmen, die direkt in tragbare Geräte integriert werden, mit dem Ziel, diese Lösungen in die tägliche klinische Praxis zu bringen. Sobald die Rehabilitationsklinik, mit der das Projekt fortgesetzt werden soll, ermittelt und die statistische Stichprobe ausgewählt ist, wird ausserdem die Pathologie festgelegt, auf die sich die nächste Phase konzentrieren soll, um einen gezielten Entwicklungspfad mit echter therapeutischer Wirkung zu gewährleisten.
