Sturzrisiko erkennen und im Kopf umgehen 

Nicht nur einmal ist Physiotherapeutin Agnes Wilhelm mit Patient*innen (endlos wirkende) Minuten mitten auf der Straße stehengeblieben. Ein typisches Symptom von Parkinson - neben Zittern, Gelenkssteifigkeit, Gleichgewichtsstörungen oder langsamen bzw. verkürzten Bewegungen - ist das „Freezing of Gait“ (FoG). Bei rund 70% der Patient*innen, die zehn Jahre mit der Erkrankung leben, tritt FoG auf. Wilhelm beschreibt es als schlagartiges „Klebenbleiben“, ob mitten in der Bewegung, beim Umdrehen, beim Passieren einer Engstelle oder beim Aufstehen. Nichts geht dann mehr. Da das Gehirn den Bewegungsablauf schon eingeleitet hat, ist beim FoG das Risiko für Stürze erhöht. Ausgleichsbewegungen, Festhalten, das Gesicht schützen - alles, was eine rasche Reaktion benötigt, bleibt aus oder kommt zu spät. Ganz abgesehen davon, dass es immer für Verunsicherung sorgt, wenn der Körper nicht tut, was er soll.

Mensch und Maschine im Einsatz

Stürze im fortgeschrittenen Alter sind wiederum der Auftakt für herabgesetzte Lebenserwartung, eingeschränkte Lebensqualität und erhöhte Pflegebedürftigkeit. Um herauszufinden, wie sich ein „Freezing of Gait“ bei alltäglichen Bewegungen vielleicht ankündigt, machen am IMC Krems das Institut für Digitalisierung und Informatik und das Institut für Therapiewissenschaften gemeinsame Sache. Geschulte Physiotherapeut*innen und leistungsfähige Mustererkennungs-Algorithmen sollen zusammenwirken, um Warnzeichen für die plötzliche Bewegungsblockade auf die Schliche zu kommen. Bis 2027 sollen mit smarten Einlagesohlen - datensparsam und wenig invasiv –Parameter von 25 Proband*innen mit Machine Learning analysiert werden.

Für Rubén Ruiz Torrubiano ist „PreFoG: Prädiktion von Freezing of Gait bei Personen mit Idiopathischen Parkinsonsyndrom mittels Machine Learning Verfahren“, gefördert durch den NÖ Wirtschafts- und Tourismusfonds sowie das EU-EFRE-Förderprogramm, das erste Projekt im Gesundheitsbereich: „In der Informatik entwickeln wir selten Software für andere Informatiker*innen. Hier nutzen wir die Gelegenheit, mit unseren digitalen Möglichkeiten das Leben der Patient*innen positiv zu beeinflussen.“ Das idiopathische Parkinson-Syndrom ist eine der häufigsten neurodegenerativen Erkrankungen und tritt zumeist ab 65 Jahren auf. „In Österreich sind aktuell rund 25.000 Personen betroffen, ungefähr gleich viele Frauen und Männer. Die Erkrankung wird zudem immer häufiger diagnostiziert. Als Auslöser stehen neben genetischen Dispositionen verschiedene Umweltfaktoren im Verdacht“, fasst Agnes Wilhelm zusammen.

Bei Parkinson werden die Dopaminproduzierende Zellen der Basalganglien zunehmend geschädigt. Sie sind tief im Gehirn für die Steuerung von Bewegung zuständig, können die Signale aufgrund des Dopamin-Mangels aber immer schlechter weiterleiten. Gegengesteuert wird mit entsprechender Medikation, aber die gängigen Bewegungsübungen helfen bei „Freezing of Gait“ nicht. Agnes Wilhelm: „Wenn wir dank der KI-Rechenpower Warnzeichen finden, die wir bisher nicht sehen konnten, können wir Patient*innen aufmerksam machen und gezielt anleiten. Bei Parkinson machen wir gute Erfahrungen mit Hinweisreizen (Cueing).“

Proband*innen in Wien und NÖ gesucht

Die umfangreiche Ethikprüfung und erste Tests zur Ganganalyse über Einlagesohlen mit Parametern wie Druckverteilung, Schrittlänge und Bewegungsrichtung wurden bereits abgeschlossen. Nun werden insgesamt 25 Studienteilnehmer*innen über Selbsthilfegruppen aus Wien und Niederösterreich rekrutiert. Der Aufruf richtet sich an Menschen mit einer klinischen Parkinson-Diagnose, die mindestens einmal pro Monat das Gefühl haben, dass ihre Füße am Boden klebenbleiben. Sie müssen ohne Hilfsmittel zehn Meter oder eine Minute gehen und ohne Erwachsenenvertretung entscheiden können. Wer bereits öfter als einmal pro Woche stürzt oder immer wieder Kreislaufprobleme hat, kann nicht zugelassen werden.

„Wir machen Bewegungstests mit Situationen, die häufig Auslöser für FoG sind: zwei Dinge gleichzeitig machen, sich umdrehen, zwischen zwei Gegenständen durchgehen. Danach analysieren und annotieren erfahrene Physiotherapeutinnen das Videomaterial“, so die Forscherin. Auf Knopfdruck können die Maschinen nicht arbeiten. „Es ist eine Lern-Reise. Wir müssen die Software anpassen und setzen auf überwachtes maschinelles Lernen. Um die richtigen Muster zu erkennen und Vorhersagen zu liefern, müssen erfahrene Physiotherapeut*innen sagen, wo und wann genau FoG auftritt“, beschreibt Rubén Ruiz Torrubiano, der auch den Studiengang Responsible AI Systems leitet. Er hat viel über den Patient*innenblick erfahren und was in der Praxis bewirkt werden kann und findet das motivierend. Der Software Engineer hat sich wiederum darum bemüht genau zu erklären, wie die Daten beschaffen sein müssen, damit die Verfahren funktionierent: „Wir rechnen damit, dass sich etwas zeigt. Millisekunden bis Sekunden vorher, was für Menschen schwer zu erkennen ist, für einen Algorithmus aber gut.“ 

Agnes Wilhelm war erleichtert, dass letztlich Excel Tabellen eingespeist werden: „Der Austausch bringt einen Mehrwert. Wir wurden zu dritt eingeschult, um eine gewisse Vergleichbarkeit sicherzustellen und wissen nun, welche und wie viele Label wir zu den Videosequenzen vergeben können und müssen. Wir werden 2026 auch publizieren z.B. zur Definition von Bewegungsübergänge, weil z.B Schritt bei Parkinsonpatient*innen anders aussieht, da sie die Füße eher nicht mehr heben.“ Der Forschungstransfer in die physiotherapeutische Praxis sind ihr ein besonderes Anliegen. In Richtung der Patient*innen wird es viel um Bewusstseinsbildung gehen, weil sie den Risikofaktor FoG vielleicht nicht so wahrnehmen. Was jedenfalls helfen könnte, ist die Blockade im Kopf zu „umgehen“. Dich einen Takt zu setzen, etwa mit der Anweisung „1,2,3 Hopp“ und so die Bewegung über das intakte Kleinhirn zu initiieren, das auf externe Reize anspricht.

Bei Interesse an einer Teilnahme schreiben Sie an [email protected] oder rufen Sie unter +43 2732 802194 an.

Autorin: Astrid Kuffner

Online Magazin ASK Art & Science Krems