«Diagnostische Ganganalyse»

In enger Zusammenarbeit mit dem Forscherteam der Fachhochschule Nordwestschweiz (FHNW) – bestehend aus Denise Baumann, Matthias Altermatt und Micha Bischofberger – widmet sich 4Dvets der Weiterentwicklung und Optimierung des Ganganalysesystems LupoGait^®. Das Projekt wird von der Schweizer Agentur für Innovationsförderung Innosuisse unterstützt.

Von links nach rechts: Micha Bischofberger, Matthias Altermatt, Denise Baumann
Fachhochschule Nordwestschweiz, Institut für Medizintechnik und Medizininformatik

Im Fokus des Entwicklungsprozesses steht die Ausrichtung des Messsystems in Richtung einer frühzeitigen Pathologieerkennung. Initial soll das System dabei helfen, Hüftdysplasie, später auch potenziell Ellenbogendysplasie, Kreuzbandrisse und das Cauda Equina-Syndrom möglichst vor dem Einsetzen von Symptomen feststellen zu können. Um dies zu gewährleisten, werden neue aussagekräftige Gangmerkmalanalysen entwickelt und einer klinischen Validierung unterzogen. Dabei werden auch Methoden des maschinellen Lernens (künstliche Intelligenz) utilisiert, die dazu beitragen sollen, eine Früherkennung von Unregelmäßigkeiten im Gang zu ermöglichen. Zudem wird LupoGait^® mit einer verständlichen 3D-Visualisierung des Hundes und der Analyseergebnisse erweitert.

Die Gebrauchstauglichkeit und die klinische Validität des gesamten erweiterten Systems werden zum Abschluss in einer Studie mit mindestens dreißig Hunden untersucht, wobei die auf diesem Wege gewonnenen Erkenntnisse in den Prozess der fortschreitenden Optimierung des Systems miteinfließen werden.

Das Team der FHNW

Denise Baumann

Projektleiterin, Wissenschaftliche Mitarbeiterin, MSc in Biomedical Engineering

Denise Baumanns Leidenschaft liegt bei der Entwicklung von Software- und Algorithmen für biomedizinische Anwendungen. Am Institut für Medizintechnik und -informatik (IM2) der FHNW beschäftigt sie sich vorwiegend mit Projekten im Bereich der Bewegungsanalyse und Therapieunterstützung, wie beispielsweise der Entwicklung eines bewegungssensorbasierten Systems zur behandlungsbegleitenden Unterstützung von SchlaganfallpatientInnen. Als Forscherin und Entwicklerin ist sie bereits seit einigen Jahren aktiv in den Kreations- und Optimierungsprozess von LupoGait^® involviert und leistet unter anderem durch ihre Beteiligung an der Algorithmen- und Softwareentwicklung, der Integration der Sensoren sowie der Testung und technischen Validation einen wesentlichen Beitrag zur Sicherung der Funktionalität und Qualität des bewegungsdiagnostischen Produkts.

Bedingt durch ihre Liebe zu Reittieren, hat sich Denise als ehemalige passionierte Pferdebesitzerin in ihrer Freizeit über viele Jahre hinweg mit dem Gangbild von Pferden auseinandergesetzt. Die in diesem Kontext gesammelten Erfahrungen haben sie zu der Erkenntnis geführt, sich bei der Entwicklung von LupoGait^® einer ganz speziellen Herausforderung stellen zu müssen: dem Umstand, dass sich das Erfassen der Bewegungsabläufe beim Hund mit dem bloßen Auge aufgrund ihres höheren Tempos als schwieriger gestaltet als es beim Pferd der Fall ist.

Matthias Altermatt

Wissenschaftlicher Mitarbeiter, MSc in Biomedical Engineering

Matthias Altermatt ist als wissenschaftlicher Mitarbeiter am IM2 der FHNW tätig und beschäftigt sich intensiv mit dem Thema Algorithmik für die Bewegungsanalyse und Therapieunterstützung, so etwa mit Algorithmen für die Unterstützung der Bewegungstherapie nach einem Schlaganfall, die relevante Charakteristiken aus Daten eines Inertial (Trägheitsmoment)-Sensors errechnen. Diese Ergebniswerte können sowohl für die Konzeption und im Verlauf einer erfolgreichen Therapie als auch für deren individuelle Anpassung herangezogen werden und durch positive Rückmeldung zu einer Erhöhung der Motivation der PatientInnen führen. Das LupoGait^® -Projekt unterstützt Matthias unter anderem durch seine engagierte Mitwirkung bei der Entwicklung des Algorithmus für die Detektion der Stand- und Schwung-Phasen und des Range of Motion (Bewegungsumfang des Gelenks).

Als besonders interessant bei der Arbeit an LupoGait^® erachtet Matthias den Umstand, dass aufgrund der Unmöglichkeit einer Befragung der Hunde als Patienten die Lösung für die korrekte Verortung einer Bewegungsproblematik bei der Auseinandersetzung mit den Messwerten liegt.

Micha Bischofberger

Wissenschaftlicher Assistent, zurzeit im Studiengang MSc in Biomedical Engineering

Seit dem Abschluss seines BSc (Bachelor of Science) in Medizintechnik im September 2020, arbeitet Micha als Assistent am IM2 im Bereich der Bewegungsanalyse und Therapieunterstützung. Seine Hauptbeschäftigung stellt dabei die Software-Entwicklung – zum Beispiel für das Schlaganfall-Patienten-Therapie-System – sowie die Gangdiagnostik und Serverimplementierung von LupoGait^® dar. In diesem Zusammenhang gehören die Analyse der entwickelten Gangparameter, die Identifikation der durch sie dargestellten klinischen Aussagen und die Art und Weise ihrer potenziell notwendigen Anpassung zu seinem Tätigkeitsgebiet.

Eine Bestätigung für den Wert seiner Arbeit an der Ganganalyse von LupoGait^® konnte Micha Bischofberger in seiner unmittelbaren Umgebung finden: Der Hovawart seiner Familie wies eine Schulterproblematik auf, die dank LupoGait^® klassifiziert und operativ gelöst werden konnte.

„Dank meiner Arbeit für LupoGait^® konnte ich unserem Hund helfen. Das motiviert sehr.“