Klinische Ergebnismodellierung der schnellen Dynamik bei akutem Schlaganfall

Schlaganfall – immer noch die zweithäufigste Todesursache und Hauptursache für neurologische Behinderungen bei Erwachsenen in der westlichen Welt – ist durch schnelle Veränderungen im Laufe der Zeit und deutliche Variabilität der Ergebnisse gekennzeichnet. Einem Patienten kann es innerhalb von Minuten besser oder schlechter gehen, und die daraus resultierende Behinderung kann von einer offensichtlichen vollständigen Lähmung bis hin zu einer subtilen, aufgabenabhängigen Koordinationsstörung einer einzelnen Gliedmaße reichen.

Im Gegensatz zu vielen anderen neurologischen Erkrankungen kann ein Schlaganfall äußerst empfindlich auf eine schnelle und intelligent zugeschnittene Behandlung reagieren, was Innovationen in der Versorgung mit realen, spürbaren Auswirkungen auf die Patientenergebnisse belohnt. Eine optimale Behandlung erfordert daher sowohl eine detaillierte Charakterisierung des klinischen Bildes des Patienten als auch seiner Veränderungsmuster im Laufe der Zeit.

Der wohl wichtigste Aspekt des klinischen Bildes des Patienten – die Körperbewegung – bleibt bemerkenswert schlecht dokumentiert: Er wird nur subjektiv und in seltenen Abständen in der klinischen Entwicklung des Patienten quantifiziert. Die Kombination aus künstlicher Intelligenz und Hochleistungsrechnen ermöglicht nun die automatische Extraktion des Skelettgerüsts eines Patienten bis hin zu den großen Gelenken, ähnlich der eines Strichmännchens, die einfach, sicher und kostengünstig durchgeführt werden kann, ohne dass ein umständlicher Körper getragen werden muss Markierungen. Im Mittelpunkt dieser Technologie steht die Privatsphäre des Patienten, da das Skelettbild in Echtzeit extrahiert wird und sichergestellt wird, dass keine Videodaten, anhand derer Patienten identifiziert werden können, vom Gerät gespeichert oder übertragen werden.

Unser Bewegungskategorisierungssystem – MoCat – wird zur Untersuchung der schnellen Dynamik eines akuten Schlaganfalls verwendet und nahtlos in den klinischen Ablauf eingebettet. Durch die Quantifizierung der Veränderung des motorischen Defizits im Laufe der Zeit werden wir die Beziehung zwischen diesen Verläufen und den klinischen Ergebnissen untersuchen und Vorhersagemodelle entwickeln, die das klinische Management unterstützen und die Leistungserbringung optimieren können.