StartseiteAbteilungenRehabilitations- und PräventionstechnikBewegung diagnostizierenFrüherkennung

Früherkennung

 

Klassifikation von 3D Bewegungsdaten für die frühe Diagnose einer sich entwickelnden Spastik bei Neugeborenen mit infantiler Zerebralparese.

 

Motivation

Eine frühe Diagnose einer sich entwickelnden Spastik bei früh- oder normal geborenen Kindern mit infantiler Zerebralparese basiert derzeit auf einer rein visuellen Begutachtung des betreuenden Arztes. Die Diagnose beruht hauptsächlich auf der Beobachtung der Spontanmotorik, ein Verfahren welches durch die subjektiven Eindrücke der untersuchenden Person geprägt ist. Es fehlt eine quantitative Methodik zur objektiven Bewertung der spontanen Bewegung des Säuglings. Daher wurde am Helmholtz-Institut ein Verfahren zur objektiven und quantitativen Bewertung der Spontanmotorik bei Neugeborenen entwickelt.

Bild1: Bewegungsanalyse: Positionen der Marker

 

Methoden und Patienten

In einem ersten Schritt wurde die 3D-Bewegungsanalyse benutzt um alle Bewegungen der Kinder aufzuzeichnen. Die Informationen über die für eine subjektive Beurteilung genutzten Faktoren wurden von erfahrenen Neurologen gewonnen. Es wurden jene Charakteristika der Bewegungsmuster identifiziert, welche die Basis für die visuelle Begutachtung der Kinderbewegung bilden und die Unterschiede zwischen gesunden und kranken Kindern beschreiben. Algorithmen, die die Charakteristika der Bewegung reflektieren wurden entwickelt und rund 53 quantitative Parameter aus den Patientendaten der 3D-Bewegung extrahiert.

Diese Parameter beziehen sich auf Bewegungsgeschwindigkeit, Gleichmäßigkeit des Bewegungsablaufs, Periodizität, Reichweite, Beschleunigung und Distanz der ausgeführten Bewegung. Einzeln betrachtet lässt ein einzelner dieser Parameter keine schlüssige Bewertung darüber zu, ob der Patient risikobehaftet ist eine Bewegungsstörung zu entwickeln oder nicht. Daher wurde eine Cluster-Analyse basierend auf der Euklidschen Metrik benutzt, um eine optimale Parameterkombination zu ermitteln. Jene optimale Parameterkombination wurde anschließend verwendet, um die Bewegung der Patienten und Probanden durch Nutzung eines adäquaten Klassifikationsverfahrens in möglichst homogene Gruppen „Gesund“ und „Risikobehaftet“ einzuordnen. Die Klassifikation wurde unter Verwendung der quadratischen Diskriminanzanalyse mit 8 Parametern durchgeführt. Hierbei werden die berechneten Parameterwerte einer Messung mit allen zugehörigen Parametersätzen der Datenbank, welche den Gruppen „Gesund“ oder „Risikobehaftet“ zugeordnet wurden, verglichen. Die Klassifikation des Parametersatzes der die größte Gemeinsamkeit mit den Messergebnissen zeigte, wird dann der Messung selbst zugeordnet. Die Patienten- und Normgruppen bestehen jeweils aus  26 bzw. 66 Messungen früh- bzw. reif- geborener Kinder.

 

Ergebnisse

Der Klassifikationsalgorithmus erlaubt basierend auf objektiven Datensätzen der 3D-Bewegungsanalyse eine solide Unterscheidung zwischen gesunden und kranken Neugeborenen. Es wurde eine gesamte Erkennungsrate von 73% von vorher unspezifizierten Probanden erreicht. Es kann erwartet werden, dass dieser Wert mit der ansteigenden Anzahl an Datenbanksätzen von Patienten und Normgruppen weiter steigt.

 

Diskussion und Schlussfolgerung

Unter Anwendung der 3D-Bewegungsanalyse und der besagten Klassifikation wird eine objektive Beurteilung der spontanen motorischen Aktivität von Neugeborenen möglich. Die oben genannte Methodik erlaubt es, das Risiko einer sich entwickelnden Spastik für neugeborene Säuglinge vorherzusehen.

Projektleitung

Dieses Projekt wird gefördert durch: