Wie gut Patientinnen und Patienten nach einer Hüftoperation wieder gehen können, lässt sich bereits vor dem Eingriff mithilfe künstlicher Intelligenz (KI) abschätzen. Ein entsprechendes Modell soll das ermöglichen.
Forschende am Karlsruher Institut für Technologie (KIT) haben ein KI-basiertes Modell entwickelt, das Bewegungsabläufe von Menschen mit Hüftgelenksarthrose analysiert und Prognosen zum funktionellen Operationserfolg ermöglicht. Die Ergebnisse können dazu beitragen, Erwartungen realistischer zu gestalten und die Rehabilitation gezielter zu planen.
Hüfttotalendoprothesen gehören zu den häufigsten orthopädischen Eingriffen in Deutschland. Allein im Jahr 2024 erhielten rund 200 000 Menschen ein künstliches Hüftgelenk. Trotz standardisierter Operationsverfahren unterscheiden sich die Behandlungsergebnisse deutlich. Während einige Patientinnen und Patienten nach dem Eingriff nahezu beschwerdefrei gehen können, bleiben bei anderen Einschränkungen bestehen. Die Ursachen für diese Unterschiede sind bislang nur teilweise verstanden.
Gangbiomechanik als Grundlage für personalisierte Prognosen
Im Rahmen eines von der Deutsche Forschungsgemeinschaft geförderten Kooperationsprojekts analysierten die Forschenden umfangreiche biomechanische Bewegungsdaten. Die Datengrundlage stammt aus der Universitätsmedizin Frankfurt und umfasst Messungen von Patientinnen und Patienten mit einseitiger Hüftgelenksarthrose vor und nach der Implantation einer Hüfttotalendoprothese. Ergänzt wurden diese Daten durch eine gesunde Kontrollgruppe.
KI erkennt typische Muster im Gangbild
Mithilfe muskuloskelettaler Modellierung wurden dreidimensionale Gelenkwinkel und Gelenkbelastungen berechnet. Auf dieser Basis trainierten die Forschenden ein erklärbares KI-Modell, das typische Muster im Gangbild identifiziert. Die Analyse zeigte, dass sich die Betroffenen bereits vor der Operation in drei Gruppen mit unterschiedlichen Gangveränderungen einteilen lassen. Diese Gruppen unterschieden sich nicht nur in biomechanischen Parametern, sondern auch in Merkmalen wie Alter, Körpergewicht, Gehgeschwindigkeit und Schwere der Arthrose.
Nach der Operation reagierten die Gruppen unterschiedlich auf den Gelenkersatz. Bei einem Teil der Patientinnen und Patienten normalisierte sich die Gangbiomechanik nahezu vollständig, während bei anderen weiterhin deutlichen Abweichungen bestanden. Auf dieser Grundlage kann das KI-Modell vorhersagen, wer besonders stark von der Operation profitiert und bei wem ein erhöhter Bedarf an intensiver Nachbehandlung besteht.
KI-Vorhersage nicht nur vor Hüftoperationen
Die Forschenden sehen darin einen wichtigen Schritt hin zu einer stärker personalisierten Orthopädie. Da die eingesetzten Algorithmen erklärbar sind, lassen sich die Entscheidungsgrundlagen nachvollziehen, was eine hohe Akzeptanz im klinischen Alltag erwarten lässt. Perspektivisch könnte der Ansatz auch auf andere Gelenke oder orthopädische Erkrankungen übertragen werden und so als Entscheidungshilfe in der operativen Planung dienen.
