Wissenschaft: LINDERAs KI bei der Deutschen Gesellschaft für Orthopädie und Unfallchirurgie

Wissenschaftlicher Ansatz in der Sturzprävention

Marie Kura, Mitglied des LINDERA Clinical R&D Teams, hat unsere KI-basierte 3D Motion Tracking-Technologie bei die Deutschen Gesellschaften für Orthopädie und Unfallchirurgie vorgestellt. Bei dem Online-Event wurde deutlich, wie sehr sich LINDERA dafür einsetzt, eine sichere und präzise Sturzpräventionstechnologie für Jedermann verfügbar zu machen.

LINDERA App: Treiber für die Sturzrisikobewertung und -prävention

Im Fokus der Präsentation stand die LINDERA Mobilitätsanalyse App, ein zertifiziertes Medizinprodukt (MDD) zur Sturzprävention, das bereits in mehr als 500 Pflegeeinrichtungen eingesetzt wird. Die App optimiert die Sturzrisikoerfassung durch eine Kombination aus evidenzbasiertem Fragebogen mit KI-gestützter digitaler Ganganalyse. Dies ermöglicht eine schnelle, präzise Sturzrisikoanalyse.

KI verbessert die Ganganalyse und macht Spitzenmedizin bezahlbar

LINDERA hat mithilfe von KI basierte 3D Motion Tracking Technologie die herkömmlichen Methoden der Ganganalyse neu definiert, und ermöglicht so die Erfassung von Gangparametern wie Schritthöhe und -geschwindigkeit in Echtzeit per App. Mit unserem wissenschaftlichen Ansatz in der Sturzprävention hilft die LINDERA Technologie Pflegekräften, präzise Ganganalysen, ohne teure Laborausrüstung durchzuführen und so überall verfügbar zu machen.

Wissenschaftliche Validierung und Wirksamkeit

Die Validität (Gültigkeit)^1,2 und Wirksamkeit der LINDERA Mobilitätsanalyse App werden durch mehrere unabhängigen Studien gestützt:

• Das durch die LINDERA Mobilitätsanalyse App ermittelte Sturzrisiko stimmt mit tatsächlichen Sturzereignissen überein (Sensitivität 93%).³
• In einer Studie mit der AOK Baden-Württemberg zeigte sich, dass das Sturzrisiko in 16 Altenpflegeeinrichtungen nach Einsatz der LINDERA Mobilitätsanalyse App um 17,8 % zurück ging.
• Darüber hinaus berichteten die Studienteilnehmenden nach der Intervention mit der LINDERA Mobilitätsanalyse App eine geringere Sturzangst und psychischen Belastung.
• Eine randomisierte kontrollierte Studie zeigt zudem, dass die LINDERA Mobilitätsanalyse App effizientere Sturzprävention bietet als herkömmliche Ansätze zur Sturzprävention.⁵

Breite Anwendbarkeit im Gesundheitswesen

Die 3D-Technologie von LINDERA ist vielseitig und kann bei verschiedenen Mobilitäts-einschränkenden Erkrankungen wie Frakturen und neurologischen Störungen eingesetzt werden. Sie lässt sich auch zu Hause anwenden und ist somit auch für Patienten mit eingeschränkter Mobilität zugänglich. Daher bereiten wir uns aktuell auf die DiPA (Digitale Pflegeanwendung) -Zulassung beim BfArM (Bundesinstitut für Arzneimittel und Medizinprodukte) vor.

Resonanz und Zukunftsaussichten

Die Präsentation stieß auf großes Interesse und unterstrich eindrucksvoll das vielversprechende Potenzial der LINDERA KI-basierten 3D-Motion-Tracking-Technologie im Bereich der Orthopädie und Unfallchirurgie, wobei besonders der innovative wissenschaftliche Ansatz in der Sturzprävention hervorgehoben wurde.

Wir bedanken uns für das engagierte Interesse der Gesellschaft, besonders bei Prof. Dr. med. Dr. h.c. Joachim Grifka und Prof. Dr. med. Markus Huber-Lang, die uns die Gelegenheit gaben, unseren innovativen wissenschaftlichen Ansatz in der Sturzprävention ausführlich zu präsentieren und intensiv zu diskutieren.

Quellen

1. Azhand, A., Rabe, S., Müller, S., Sattler, I., & Steinert, A. (2021). Algorithm Based on One Monocular Video Delivers Highly Valid and Reliable Gait Parameters. Nature Scientific Reports, 11 (1). https://doi.org/10.1038/s41598-021-93530-z

2. Strutz N, Brodowski H, Kiselev J, Heimann-Steinert A, Müller-Werdan UApp-Based Evaluation of Older People’s Fall Risk Using the mHealth App LINDERA Mobility Analysis: Exploratory Study. JMIR Aging 2022;5(3):e36872. https://doi.org/10.2196/36872

3. Rabe, S., Azhand, A., Pommer, W., Müller, S., Steinert, A. (2020). Descriptive Evaluation and Accuracy of a Mobile App to Assess Fall Risk in Seniors: Retrospective Case-Control Study. JMIR Aging, (1). https://doi.org/10.2196/16131

4. Dahms R, Vorwerg-Gall S, Heeger S, Ettrich M, Heimann-Steinert A (2023), AI-based digital healthcare application to manage fall risks in residents of nursing homes in Germany: clinical and resident-reported outcomes. The International Conference on Digital Health and Telemedicine 2023 (DigiHT), Conference presentation. Manuscript in preparation for a peer-reviewed journal.

5. Alves, S., Kura, M., Zerth, J., Müller, S. (2023). When do (cluster-)randomized studies hit the mark, and when do they miss it? Intervention studies with mHealth in residential long-term care. 22. Deutscher Kongress für Versorgungsforschung, Conference presentation. Manuscript in preparation for a peer-reviewed journal.