LMotionLab ist seit dieser Woche im Apple App Store verfügbar. Entwickelt mit der Sanitätshaus Aktuell AG und unseren Versorgungspartnern Kächele und Carqueville, ist es die erste KI-basierte Ganganalyse, die speziell für die Versorgung von Patientinnen und Patienten mit Gonarthrose im Sanitätshaus ausgelegt ist. Eine einzelne frontale Smartphone-Aufnahme. Unter zwei Minuten. Objektive Bewegungsparameter, die vorher ein Ganglabor erfordert hätten.
Vergangene Woche, OT World Leipzig. Sanitätshäuser, Orthopädietechnikerinnen und -techniker, Orthopäden und Neurologen von Paderborn bis New York waren an unserem Stand. Die Resonanz war stark – und in fast jedem Gespräch kam dieselbe Frage:
"Wo ist die laterale Kamera?"
Diese Frage ist die wichtigste, die unsere Branche aktuell stellt. Und sie ist die falsche.
In der klassischen Biomechanik wird Gang typischerweise lateral gemessen. Sagittale Kniewinkel, Schrittlänge, Standphase, Schwungphase – das sind die Parameter, die in der Sagittalebene am direktesten sichtbar werden. Daraus entstand die Heuristik, die mehrere Generationen von Orthopädietechnik und Orthopädie geprägt hat: Wer Gang in der Sagittalebene erfassen will, braucht eine seitliche Kamera oder einen lateralen Sensor.
Diese Heuristik stimmt für sensor- und mehrkamerabasierte Verfahren. Sie stimmt nicht für KI-basierte Ganganalyse.
Der Vergleich, den ich in Leipzig mehrfach gezogen habe: Es ist, als dürften wir Blut nur aus dem rechten Arm abnehmen, weil die Werte aus dem linken Arm "nicht valide" wären. Das Messverfahren bestimmt, was wir messen können – nicht die anatomische Anschauung, an die wir uns gewöhnt haben.
LMotionLab ist keine Sensorlösung. Es ist keine Multi-Kamera-Konfiguration. Es ist keine Markerstudie.
LMotionLab ist eine KI, die aus einer einzelnen frontalen 2D-Aufnahme – aufgenommen mit einem handelsüblichen iPhone – die dreidimensionalen Gangparameter rekonstruiert, die für die Knieorthesen-Versorgung bei Gonarthrose entscheidend sind. Schrittlänge, Schrittbreite, Standzeit, Kadenz, Symmetrie, Gangstabilität.
Der entscheidende methodische Punkt: Das Modell wurde nicht trainiert, eine laterale Kamera zu imitieren. Es wurde trainiert, aus der frontalen Perspektive die biomechanischen Größen zu inferieren, die in lateraler Messung sichtbar wären. Ein neuronales Netz lernt nicht das, was eine Kamera physisch "sieht" – es lernt die Korrelation zwischen sichtbaren Bewegungsmustern und den biomechanischen Parametern, die diese Muster erzeugen.
Das ist kein Marketingsatz. Das ist die definierende Eigenschaft des Verfahrens.
Die Validität dieses Ansatzes ist nicht meine Behauptung. Sie ist publiziert.
In Zusammenarbeit mit der Charité – Universitätsmedizin Berlin haben wir 2021 in Scientific Reports (Nature Portfolio) eine Studie veröffentlicht, die KI-basierte 2D-Smartphone-Ganganalyse gegen den klinischen Goldstandard validiert hat. Die Publikation ist offen zugänglich:
→ Smartphone-basierte Ganganalyse – Scientific Reports / Nature, 2021
Die zentrale Aussage: Die aus einer einzelnen 2D-Aufnahme mittels KI rekonstruierten Gangparameter zeigen eine klinisch belastbare Übereinstimmung mit der instrumentellen 3D-Ganganalyse im Bewegungslabor. Auf dieser Grundlage bauen wir LMotionLab.
Was das praktisch bedeutet: Die Messung, die im Sanitätshaus in der Filiale auf einem iPad in wenigen Minuten möglich ist, hält dem Vergleich mit dem Aufwand eines kompletten Ganglabors stand. Nicht, weil wir das Labor "wegoptimiert" haben. Sondern weil eine andere Technologie das Labor an dieser spezifischen Stelle nicht mehr braucht.
Gonarthrose ist eine Volkskrankheit. In Deutschland leben mehrere Millionen Menschen mit symptomatischer Kniegelenksarthrose. Ein erheblicher Anteil profitiert von konservativer Versorgung mit einer entlastenden Knieorthese – vor, parallel zu oder anstelle einer endoprothetischen Versorgung.
Die operative Hürde war bisher nicht die Indikation, sondern die Messung. Wie dokumentiert ein Sanitätshaus reproduzierbar, objektiv und alltagstauglich, ob die Orthesenversorgung im Gang ankommt? Wie zeigt es Patientinnen und Patienten, dass sich etwas verändert? Wie liefert es dem behandelnden Arzt eine quantitative Grundlage statt subjektiver Befragung?
LMotionLab schließt diese Lücke. Konkret:
Für die Neurologinnen und Neurologen, die uns in Leipzig besucht haben, ist die Anwendungsbreite größer. Gang ist ein neurologischer Marker. Frühe Veränderungen bei Parkinson, Multipler Sklerose oder nach Schlaganfall sind in Gangparametern quantifizierbar, lange bevor sie klinisch eindeutig werden. Gonarthrose ist die erste Indikation, in der wir LMotionLab kommerziell ausrollen. Sie ist nicht die letzte.
Die Frage nach der lateralen Kamera ist keine Schwäche der Branche. Sie ist die richtige Skepsis von Fachkräften, die ihre Patientinnen und Patienten ernst nehmen und nicht jedem Tech-Versprechen folgen wollen. Genau deshalb publizieren wir Daten, kooperieren mit der Charité und legen unser Verfahren peer-reviewter Begutachtung vor.
Worum ich bitte: Bewerten Sie LMotionLab nicht gegen die Logik einer Sensorplattform. Bewerten Sie es gegen die Frage, die für Ihre Versorgung zählt – verändert sich der Gang messbar und reproduzierbar, und können wir das in bessere Versorgung übersetzen?
Die Antwort darauf liegt in den Daten. Und ab dieser Woche im App Store.
LMotionLab ist ab sofort im Apple App Store verfügbar. Für Sanitätshäuser, die LMotionLab in die Gonarthrose-Versorgung integrieren möchten, ist der Einstieg über die Sanitätshaus Aktuell AG oder direkt über LINDERA möglich.
Mehr zur Ganganalyse für die Gonarthrose-Versorgung.