Smart-BT
Smart-BT
Optimierte Bewegungstherapie durch die Interaktion künstlicher Intelligenz und Videotechnik mit Healthcare Professionals und Patienten (Smart-BT)
Motivation & Ziele
In Deutschland gibt es viele Patienten, die unter Rücken- und anderen skelettalen Schmerzen leiden. Meist werden solche Leiden medikamentös behandelt. Die Effektivität der Behandlung ist jedoch nicht sehr hoch, so dass in vielen Fällen langfristige Behandlungen erforderlich werden und Folgekosten durch Physiotherapie, Hilfsmittel, Rehabilitationsmaßnahmen, Arbeitsunfähigkeitstage und chirurgische Eingriffe entstehen. In vielen Fällen kann eine häusliche Bewegungstherapie effektiver sein als andere Maßnahmen. Allerdings muss eine solche Bewegungstherapie individuell auf den jeweiligen Patienten und seine Symptome zugeschnitten werden. Aufgrund dieser Komplexität und der damit verbundenen hohen personellen Kosten wird eine Bewegungstherapie nur selten verordnet und leider oft nicht in den ambulanten Behandlungsplan integriert.
Ansatz
In diesem Projekt soll moderne Informations- und Kommunikationstechnologie zur individuellen Therapieanpassung an den Patienten und zur Durchführung der Therapie verwendet werden. Ziel des Projekts ist es daher, durch Nutzung von videobasierter Körpererfassung und maschinellem Lernen die Diagnostik und individuelle Erstellung von Therapieplänen zu optimieren. Die individuelle Leistungsfähigkeit und die Bedürfnisse werden durch Übungen erfasst, die der Patient unter Anleitung der Herodikos-App durchführen soll. Die Expertenmeinung wird weiterhin mit einbezogen. Durch das Matching von Expertenwissen mit den Erkenntnissen aus dem Einsatz von KI wird dann der individuell am besten geeignete Therapieplan erstellt.
Förderung / Kooperation
Das Projekt wird vom Bundesministerium für Bildung und Forschung gefördert.
Förderzeitraum: 1.10.2020-31.03.2023
Beteiligte Partner
- Herodikos GmbH
- [article] bibtexL. Büker, D. Bussenius, E. Schobert, A. Hein, und S. Hellmers, "Camera-Based Tracking and Evaluation of the Performance of a Fitness Exercise" Proceedings of the 16th International Joint Conference on Biomedical Engineering Systems and Technologies.
doi: 10.5220/0011755700003414 - [article] bibtexL. Büker, V. Quinten, M. Hackbarth, S. Hellmers, R. Diekmann, und A. Hein, "How the Processing Mode Influences Azure Kinect Body Tracking Results" Sensors, vol. 23, iss. 2, p. 878.