Zerebrovaskuläre Erkrankungen wie Schlaganfälle gehören weltweit zu den zweithäufigsten Todesursachen und zu den dritthäufigsten Ursachen für neurologische Beeinträchtigungen, schätzt die World Health Organisation (WHO Global Health Estimates). Zu den größten Problemen nach einem Schlaganfall gehören Funktionsstörungen des menschlichen Gangs, da diese das tägliche Leben einschränken und die Gefahr von Stürzen stark erhöhen. Daher ist die Wiederherstellung der Gehfähigkeit eines der primären Ziele in der Schlaganfallrehabilitation.
Um die Gehfähigkeit wiederherzustellen, können neben der konventionellen Therapie Gangroboter eingesetzt werden. Diese Roboter unterstützen Patienten und Therapeuten im Rehabilitationsprozess und werden im klinischen Alltag bereits erfolgreich eingesetzt. Um Gangtrainings effektiver zu gestalten, können die Roboter mit funktioneller Elektrostimulation (FES) verbunden werden. Daran forschen Promotionsstudent Andreas Schicketmüller, Marc Hofmann, Entwickler der HASOMED GmbH, sowie Professor Georg Rose, Leiter des Lehrstuhls für Medizinische Telematik und Medizintechnik an der Otto-von-Guericke-Universität Magdeburg, im Rahmen des EU-Projekts „Keep Control“ (Horizon 2020).
Bereits entwickelt wurde ein Algorithmus, der Daten von Inertialsensoren (MotionSensor) auswertet, um Gangphasen während des Trainings zu erkennen. Diese Gangphasen können künftig genutzt werden, um eine elektrische Stimulation auszulösen. Gemeinsam mit Prof. Michael Sailer, Ärztlicher Direktor und Chefarzt der Neurologie im NRZ Magdeburg, und Dr. Juliane Lamprecht, Projektleiterin des An-Institus für Neurorehabilitation im NRZ Magdeburg, wurde eine klinische Studie durchgeführt, um den Algorithmus und das geplante Setup aus dem Labor in der Praxis umzusetzen. Getestet wurde die Robustheit des entwickelten Algorithmus im klinischen Alltag. Dafür wurden bei Patienten mit Schlaganfall während des roboterunterstützten Gangtrainings die Gangphasen mittels Inertialsensoren gemessen und die Daten im Nachgang ausgewertet.
Die Ergebnisse zeigen: Der entwickelte Algorithmus ist fähig, die Gangphasen von Patienten zu erkennen und auszuwerten. In der weiterführenden Entwicklung wird nun daran gearbeitet diesen Algorithmus zu verwenden um eine elektrische Stimulation auszulösen, die daraus resultierende Kombination aus Robotik und elektrischer Stimulation hat das Potential, die Rehabilitation in Zukunft noch effektiver zu gestalten.
Die klinische Studie und das veröffentlichte Paper sind online verfügbar.
