Ein „Schritt“ in die richtige Richtung!
Proof-of-Concept Studie über ein tragbares auditives Biofeedback-System zur Unterstützung in der Gangrehabilitation veröffentlicht
Interdisziplinäre Forschung bietet viel Potential, um zum Beispiel an der Schnittstelle von Technologie und Gesundheit neue Lösungen zu schaffen. Noch besser ist es, wenn auch gleich ein Wirtschaftspartner im Forschungsprozess inkludiert ist, der die Ergebnisse für seine Produktentwicklung nutzen kann. Dies ist kürzlich Forschenden aus dem Institut für Creative\Media/Technologies und dem Center for Digital Health and Social Innovation gemeinsam mit einem Wirtschaftspartner, StappOne, gelungen.
Die Studie mit dem Titel: „Auditory feedback in tele-rehabilitation based on automated gait classification.“ wurde OpenAccess veröffentlicht und kann hier nachgelesen werden.
Tragbares auditives Biofeedback-System entwickelt
Die Studie wurde in der Fachzeitschrift „Personal und Ubiquitous Computing“ veröffentlicht und beschreibt die Entwicklung und Evaluierung eines tragbaren auditiven Biofeedback-Systems auf Basis einer sensorbestückten Einlagesohle. Die Sohle selbst ist ein zertifiziertes Medizinprodukt des Forschungspartners StappOne. Das angestrebte Biofeedback-System soll Patient*innen bei statischen und dynamischen Übungen während der Gangrehabilitation unterstützen, um die Übungen mit hoher Qualität durchzuführen. Hierfür wird auditives Feedback auf Basis der Verteilung des plantaren Drucks und einer automatisierten Klassifizierung mit Machine Learning genutzt.
Rasche Erkennung falscher Bewegungs- oder Gangmuster
Da Daten zur Bodenreaktionskraft in der klinischen Praxis häufig zur quantitativen Beschreibung der Bewegung verwendet und erfolgreich zur automatisierten Klassifizierung von Bewegungsmustern eingesetzt werden, wurde in einem ersten Schritt ein feed-forward-Neuronales Netzwerk auf der Firmware der Einlegesohlen entwickelt, um die dreidimensionale Bodenreaktionskraft anhand der Druck- und Beschleunigungsdaten der Einlagesohle in Echtzeit abzuschätzen. Die hierfür genutzten Machine Learning Modelle konnten die tatsächlichen Bodenreaktionskräfte mit erstaunlicher Genauigkeit abschätzen. Diese Informationen werden dann in einem zweiten Schritt genutzt, um die Qualität von Bewegungsmustern aus „physiotherapeutischer Sicht“ automatisch zu erkennen und hierfür auditives Feedback bereitzustellen. Diese Information hilft Patient*innen dann dabei, rasch schlechte Bewegungs- oder Gangmuster zu erkennen.
Potentialevaluation und Ergebnispräsentation
Das Potential des implementierten auditiven Feedbacks für präventive und unterstützende Anwendungen in der Physiotherapie wurde schließlich mit einer Fokusgruppe und einer Usability Studie mit Expert*innen evaluiert. Die Ergebnisse zeigen ein hohes Potential der entwickelten Lösung auf, um in der physiotherapeutischen Praxis Patient*innen und Physiotherapeut*innen wertvolle Unterstützung zu bieten.
Das Projekt wurde teilweise durch Mittel der Österreichischen Forschungsförderungsgesellschaft (IKT der Zukunft – BENEFIT, SONIGait II: 868220) und der Gesellschaft für Forschungsförderung NÖ (Stiftungsprofessur für Angewandte Biomechanik und Rehabilitationsforschung, SP19-004) finanziert.