Ankle ReLoad

Jährlich werden in den Niederlanden und Deutschland ca.
105.000 Patienten nach einer Sprunggelenksfraktur behandelt, wobei ein großer
Teil der Patienten im Alter zwischen 35 und 65 Jahren ist. Neben den direkten
Auswirkungen auf das persönliche Leben der Betroffenen führt dies auch zu
zusätzlichen gesellschaftlichen Kosten durch Arbeitsausfall.
Die Genesung dieser Frakturen ist nachweislich effektiver, wenn das Gelenk
aktiv belastet wird. Es ist jedoch noch unklar, was die optimale Belastung zur
Förderung der Genesung ist; zu viel Belastung kann sogar schädlich sein und den
Genesungsprozess verlängern.
Die Bestimmung der Gelenkbelastung ist bisher nur in einem Bewegungslabor mit
komplexer Messtechnik möglich. Dies bedeutet, dass Patienten und ihre Behandler
keinen Einblick haben in die Belastung während der Rehabilitation zu Hause.
Ziel dieses Projekts ist die Entwicklung eines Demonstrators, der die
Sprunggelenksbelastung zu Hause anhand von Daten messen kann, die mit einem
ambulanten Messsystem mit einer minimalen Anzahl von Sensoren gesammelt wurden.
Dieses System wird Feedback an den Patienten und Fachpersonal über eine
digitale Anwendung geben. Dazu wird zunächst bei einer großen Anzahl von
Patienten die Sprunggelenksbelastung sehr genau im Labor bestimmt. Gleichzeitig
werden bei denselben Messungen Daten mit dem Sensorsystem gesammelt. Durch die
Anwendung von Machine-Learning-Methoden auf die kombinierten Daten des
Laborsystems und des Sensorsystems kann das Sensorsystem trainiert werden, um
die Sprunggelenksbelastung aus den Daten seines minimalen Sensorsatzes zu
bestimmen. Eine kontinuierliche Überwachung des individuellen Belastungsmusters
zu Hause kann dann durchgeführt werden, um den Genesungsprozess zu untersuchen
und zu optimieren.
Darüber hinaus werden in diesem Projekt innovative Methoden zur Messung von
Bewegung und externer Belastung entwickelt, die für eine konsistent hohe
Datenqualität in zukünftigen groß angelegten Anwendungen erforderlich sind.