
KI-Modell berechnet Ergebnis von Hüft-OPs
Am Karlsruher Institut für Technologie (KIT) haben Forscher ein KI-Modell entwickelt, mit dem sie die Bewegungsabläufe bei Patienten mit Hüftgelenksarthrose untersuchen können. Ziel ist es, vorherzusagen, wie gut die Patienten nach der Operation wieder gehen können, und aus diesen Informationen passgenaue Behandlungsmöglichkeiten abzuleiten.
Das Einsetzen einer Hüfttotalendoprothese gehört zu den häufigsten orthopädischen Eingriffen in Deutschland. Im Jahr 2024 betraf das rund 200.000 Menschen. Grund für die Operation ist in den meisten Fällen die Arthrose des Hüftgelenks, eine Abnutzung der Knorpeloberfläche von Hüftpfanne und Hüftkopf.
Allerdings variieren nach dem Einsetzen des künstlichen Hüftgelenks Beweglichkeit und das Auftreten von Schmerzen bei den betroffenen Patienten. Woran das liegt, erforschen Wissenschaftler an der Klinik für Unfallchirurgie und Orthopädie der Universitätsmedizin Frankfurt am Main und am Institut für Sport und Sportwissenschaft (IfSS) des KIT im Kooperationsprojekt „Verbesserung der operativen Behandlungsergebnisse bei Hüftgelenksarthrose auf der Grundlage biomechanischer und biochemischer Erkenntnisse“. Das Projekt wird von der Deutschen Forschungsgemeinschaft gefördert.
Die KIT-Forscher haben dazu auf Grundlage von Daten der Gangbiomechanik von Personen mit Hüftgelenksarthrose vor und nach der Operation ein KI-Modell entwickelt, um die Bewegungsabläufe zu untersuchen. Die Daten dafür wurden von der Universitätsmedizin Frankfurt zur Verfügung gestellt. Mit Hilfe des Modells ist es möglich vorherzusagen, wie gut die Patienten nach der Operation wieder gehen können. Damit erhalten die behandelnden Ärzte eine Entscheidungshilfe, die sie bei der Behandlung unterstützen kann. Die Analyse der Gangbiomechanik erlaube es auch, die anschließende Rehabilitation individuell auf den Patienten zuzuschneiden.
„Biomechanische Daten, die Bewegungen biologischer Systeme mit Methoden der Mechanik, Anatomie und Physiologie beschreiben, sind hochkomplex“, sagt Dr. Bernd J. Stetter, Leiter der Forschungsgruppe Muskuloskelettale Gesundheit und Technologie am IfSS des KIT und korrespondierender Autor der Studie. „Mit unserem KI-Modell machen wir die Daten für Anwendungen nutzbar. Dies ist ein Schritt hin zur personalisierten Medizin.“
Das Modell ist laut Stetter auf den Einsatz eines künstlichen Hüftgelenks trainiert und ausgerichtet. Aber es sei denkbar, den Ansatz auch auf andere Gelenke und Erkrankungen zu übertragen.
Die Ergebnisse der Forscher sind in Arthritis Research & Therapy nachzulesen.


MLL MVZ 2025
sdecoret-stock.adobe.com
Dr. Anna Katharina Heide, ambidexIP