Automatisierte Diagnoseunterstützung in der Ganganalyse

Eine konsistente Diagnosestellung bei neurogenen (frühkindliche Hirnschädigung, Querschnittlähmung, Apoplex) Gangstörungen setzt beim bislang üblichen untersucherabhängigen Vorgehen ein hohes Maß an klinischer Erfahrung voraus. Zur Festlegung und Überprüfung von Therapiestrategien ist aber eine objektive Diagnosestellung notwendig. Deswegen wurden in diesem Projekt bekannte differentialdiagnostische Grundlagen systematisiert und mit datenbasierten Methoden der Computational Intelligence kombiniert. Das Ziel bestand darin, aus der Gesamtheit der gemessenen Bewegungsgrößen und den individuellen Diagnoseentscheidungen nachvollziehbare, qualitätsstandardisierte Entscheidungsregeln zu extrahieren und generieren. Dazu wurden neben Verfahren der klassischen Statistik und künstlichen neuronalen Netzen insbesondere regelbasierte Methoden der Fuzzy-Logik verwendet werden. Durch ein objektives Vorgehen bei der Diagnose kann ärztlicherseits eine Strukturierung des Patientengutes vorgenommen werden. Nur so ist es möglich, diesem heterogenen Patientengut eine individuell angepasste, aber auch durch die Erfahrung aus dem Gesamtkollektiv abgesicherte Versorgung anzubieten. Ohne diese Objektivierung bleibt das Wissen über neurogene Gangstörungen und ihrer Behandlung nur spezialisierten Experten vorbehalten und die strukturierte Weitergabe von Information auf den persönlichen Erfahrungsaustausch begrenzt. In einer Anwendung konnte gezeigt werden, dass sich die für den unerfahrenen Beobachter sehr ähnlichen Gangmuster von hereditärer spastischer Paraplegie und infantiler Ganganalyse teilweise trennen lassen, was von hoher Relevanz für eventuell durchzuführende operative Interventionen ist.