Page 1

Medizin aktuell

Bewegungsstörungen

© PD Dr. Jochen Klucken, Erlangen

Motorik objektivieren und mobil überwachen

Abbildung 1: Die Vision: Biosensoren geben Therapeuten und Patienten ein Feedback zur Motorik – nicht nur in der Sprechstunde, sondern auch im Alltag.

Biosensorsysteme sollen zukünftig helfen, Veränderungen der Motorik objektiv messbar zu machen. Beim 3. AMASE-Symposium (Automated Mobility Analysis Symposium Erlangen) diskutierten Neurologen, Ingenieure, Orthopäden und Informatiker über den Stand der Entwicklung solcher Bewegungsmesssysteme.

D

ie Diagnose Morbus Parkinson erfordert viel Erfahrung beim Untersucher – sei es bei der Gesprächsführung mit dem Patienten, sei es bei der klinischen Beurteilung beispielsweise des Gangbildes. Auch die üblichen Skalen beruhen letztlich auf subjektiven Aussagen und Einschätzungen. Das könnte mit ein Grund sein, warum vom Auftreten erster Symptome bis zur Diagnose Parkinson immer noch im Durchschnitt zwei Jahre vergehen, wie Privatdozent Dr. Jochen Klucken berichtete. Zudem lässt die klinische Untersuchung zum Zeitpunkt des Arzt-Patienten-Kontakts nur bedingt Rückschlüsse auf die Situation im Alltag und die dortigen Fluktuationen von Beschwerden zu. Objektive Messmethoden mit mobilen Geräten könnten hier die Diagnosestellung und das Therapiemonitoring unterstützen. DNP – Der Neurologe & Psychiater

2013; 14 (2)

Deshalb widmet sich in Erlangen ein interdisziplinäres Projektteam der Entwicklung und Validierung einer automatisierten Methode zur Objektivierung von Gangstörungen (eGAIT, embedded Gait analysis using Intelligent Technologies). Was messen? Bewegungscharakteristika und -veränderungen lassen sich am Stamm, den Armen, den Beinen oder an den Füßen messen (Abbildung 1). Erste Untersuchungen in Erlangen belegten, dass die differenzierteste Information von der Fußbewegung abzuleiten ist. Über längere Zeit erfasst, zeigen die Signale der Bewegungssensoren, wann es zu On- und Off-Perioden gekommen ist. Während einer On-Phase lassen sich Schrittfrequenzen ermitteln und Unregelmäßigkeiten aufdecken. Für einzelne Bewegungsabschnitte schließlich kann

man Schritte hinsichtlich ihrer Merkmale in allen Raumrichtungen und der Geschwindigkeit analysieren. Die Aufgabe der Experten war es, aus der riesigen Anzahl von Merkmalen spezifische Muster zu extrahieren, die möglichst zuverlässig helfen, Gesunde von Patienten mit ParkinsonErkrankung zu unterscheiden. Automatisierte Ganganalyse Eine klinische Studie belegt, dass dies in Zukunft möglich sein könnte. In einer Trainings- und einer Validierungskohorte führten 92 Parkinson-Patienten und 89 gesunde Kontrollpersonen standardisierte Übungen aus und trugen dabei einen mit einem Sensorsystem ausgestatteten Sportschuh. Die Übungen bestanden aus — 10 Meter gehen — stehen bleiben und wieder losgehen — Timed-up-and-go-Test

13


Medizin aktuell

© ATRUM IT

— auf der Stelle gehen — abwechselnd mit Ferse und Zehenspitzen auf den Boden tippen — Fußkreisen Acht der zahlreichen gyroskopisch und akzelerometrisch erfassten Merkmale zeigten deutliche Unterschiede zwischen den Subgruppen [1]. Anhand der Muster von Bewegungscharakteristika – in eGAIT implementiert – konnten in der Trainingspopulation in 82 % der Fälle Gesunde korrekt von Parkinson-Patienten unterschieden werden, in der Evaluierungspopulation 81 % – eine sehr gute Übereinstimmung, wie Klucken betonte. Die Wahrscheinlichkeit der richtigen Klassifizierung stieg dabei mit dem Hoehn & Yahr-Stadium wie auch mit ansteigendem UPDRS-Wert an – ein Zeichen dafür, dass wirklich die Parkinsontypischen Symptome erfasst werden. Warum die Zahl der falsch-negativen Ergebnisse im frühen Stadium relativ hoch war, liegt laut Klucken am Alter als Einflussfaktor: Unabhängig von einer Parkinson-Erkrankung verändert sich der Gang mit steigendem Alter, wodurch ältere Kontrollpersonen eher der Patientenpopulation, jüngere Patienten mit einem frühen Parkinson-Syndrom eher der Kontrollgruppe zugeordnet worden waren. Die Hausaufgabe ist klar: Es ist notwendig, künftig altersabhängige Gangveränderungen in die Algorithmen zur Analyse mit einzubeziehen. Was die Forscher in ihren Bemühungen um eine Objektivierung der Symptomerfassung bestärkte, war eine gute Korrelation von UPDRS-IIIWert und dem nach den eGAIT-Ergebnissen hochgerechneten UPDRS-III-Wert in der multiparametrischen Regressionsanalyse (r = 0,61, p < 0,0001).

Abbildung 2: Sensorstift

14

3. AMASE-Symposium 2012 in Erlangen

Früherkennung mit dem Smart-Pen Eine frühe motorische Veränderung im Rahmen einer Parkinson-Erkrankung betrifft das Schriftbild. Ein mit mehreren Sensoren ausgestatteter Stift soll zukünftig helfen, bereits kleine Veränderungen zu erfassen, die auf die Entwicklung einer Parkinson-Erkrankung hinweisen könnten (Abbildung 2). Teil des biometrischen Smart-Pens sind Sensoren für das Schreibgeräusch, den Fingerdruck beim Schreiben, den Druck auf das Papier und ein Akzelerometer für die Erfassung der dreidimensionalen Bewegungsauslenkung. In einer Pilotstudie in Franken wird die Eignung der in standardisierten Aufgaben gewonnen Daten des Smart-Pens, die ähnlich wie bei eGAIT einer umfassenden Merkmalsanalyse und Mustererkennung unterzogen werden, für die Früherkennung einer Parkinson-Erkrankung in einer Risikokohorte (Landwirte) getestet. Zwischen 2009 und 2011 unterzogen sich 593 Landwirte und 256 Nicht-Landwirte einem Gesundheits-Check auf Parameter, die früh auf eine Parkinson-Erkrankung hinweisen können: Erfasst wurden Riech fähigkeit, Obstipation, Schlafstörungen, orthostatische Dysregulation und subtile motorische Veränderungen in der Schreibanalyse mit dem Smart-Pen. Bereits zu Studienbeginn zeigte sich ein signifikant schlechterer Geruchssinn der Landwirte nach dem Riechstäbchentest (p < 0,001). Die kombinierte Auswertung von Riech- und Schreibtest zeigte, dass ein abnormes Ergebnis im Schreibtest mit einem dreifach erhöhten Risiko für Hyposmie einherging, einer Beeinträchtigung, die etwaigen motorischen Symptomen des ParkinsonSyndroms um Jahre oder Jahrzehnte vorausgehen kann. Die weitere Beobachtung wird zeigen, wer von den Teilnehmern tatsächlich im Verlauf der Studie eine Parkinson-Erkrankung entwickeln wird. Auf dem Weg in den Alltag Was jetzt noch pure Wissenschaft scheint, soll bald schon Einzug in den Alltag halten: Das Erlanger Unternehmen ASTRUM IT entwickelt derzeit ein Sensorsystem für den Schuh, dass nicht mehr außen sichtbar befestigt, sondern in eine Einlage integriert wird. Solche Geräte könnten ein 24-Stunden-Monitoring möglich machen – mobil, drahtlos und unauffällig.

In dieselbe Richtung zielen auch Sensorsysteme, die in Textilien eingebettet werden, wie Lorenzo T. D’Angelo vom Institut für Mikrotechnologie der TU München berichtete. Eine mögliche Anwendung sieht er etwa bei älteren Menschen mit Sturzneigung, die dank der Meldung der smarten Textilien schneller gefunden werden. Zu den Pilotmodellen der Münchener Forscher gehört ein Pullover mit einer waschbaren elektronischen Einheit, die per SD-Card ausgelesen werden kann. Ein Test mit gesunden Probanden zeigte eine sehr hohe Sensitivität und Spezifität des Systems zur Sturzerkennung (98% bzw. 97 %) [2]. Nun soll der Sturzmelder in Pulloverform in einem Münchener Altenheim auf seine Alltagstauglichkeit geprüft werden. Die Münchener Forscher testen auch eine „smarte“ Hose, die Häufigkeit und Art des Freezing of Gait (FoG) bei Patienten mit Parkinson erfassen soll. In einem ersten Test mussten die Patienten gehen, stoppen und umdrehen und wurden dabei parallel gefilmt, um die FoGEpisoden zu dokumentieren. Erste Ergebnisse von acht Patienten mit ParkinsonErkrankung wiesen laut D’Angelo eine Sensitivität von immerhin 82 % auf. Stimulation nach Bedarf Einen wichtigen Beitrag zur Therapieoptimierung verspricht sich Professor Jens Volkmann, Würzburg, von den Biosensorsystemen. Ihm schwebt für die Zukunft eine individuell und an die Situation angepasste tiefe Hirnstimulation vor, bei der in einem geschlossenen Regelkreis Sensoren verschiedene Parameter und Biomarker erfassen, ein Gerät über einen Algorithmus diese Daten verrechnet und schließlich automatisiert eine Veränderung der Stimulation erfolgt (Closed loopStimulation). Der Weg dorthin ist jedoch noch weit: Die Untersuchungen geeigneter Biomarker läuft erst an und die Schleife dieses visionären Systems ist noch lange nicht geschlossen. Friederike Klein Literatur 1. Klucken J et al. Nervenarzt 2011; 82: 1604–11 2. Niazmand K et al. Conf Proc IEEE Eng Med Biol Soc. 2010; 2010: 6377–80

3. Automated Mobility Analysis Symposium Erlangen (AMASE), Universität Erlangen, 7.12.2012 DNP – Der Neurologe & Psychiater

2013; 14 (2)

Motorik objektivieren und mobil überwachen  
Read more
Read more
Similar to
Popular now
Just for you