gms | German Medical Science

Motivation: Die Physiotherapie ist eine der wichtigsten Rehabilitationsmethoden [1]. Vor allem Schlaganfallpatienten profitieren von einer physiotherapeutischen Behandlung [2]. In Deutschland kommt es jährlich zu etwa 270.000 Schlaganfällen, die u.a. halbseitige Lähmungen zur Folge haben [3]. In Folge dessen ist die Handmotorik häufig eingeschränkt und die Muskulatur geschwächt. Diese kann durch Therapieeinheiten wiederaufgebaut und gezielt trainiert werden [4].

Hierfür existieren mehrere klassische Unterarmtherapien. Eine etablierte Trainingsmethode ist der Knautschball, welcher die Unterarmmuskulatur durch regelmäßiges Zusammendrücken stimuliert und funktional trainiert [5]. Hierbei geht jedoch die Trainingsmotivation bei vielen Patienten nach kurzer Zeit verloren [6]. Im Fokus der vorliegenden Arbeit steht die Entwicklung einer Alternative hierzu auf Basis der Elektromyographie (EMG).

Verschiedene Studien haben gezeigt, dass EMG-Biofeedback zu einem positiven Trainingseffekt beitragen kann [7], [8]. In diesem Zusammenhang sind EMG-Armbänder geeignet. Mit Hilfe dieser werden Muskelkontraktionen im Unterarm eines Patienten gemessen. Ziel ist es, diese durch eine Smartphone-App in eine Tonfolge umzusetzen und dadurch ein akustisches Feedback zu erzeugen.

Material und Methoden: Für die Erfassung der Muskelkontraktionen wurde das Myo Gesture Control Armband genutzt [9]. Dieses ermöglicht es, Muskelpotentiale der Unterarm- und Fingermuskulatur mittels einer 9-achsigen Messeinheit zu erkennen und zur weiteren Verarbeitung zur Verfügung zu stellen. Außerdem liefert es relative Position und Ausrichtung des Unterarms im Raum. Ebenso unterstützt das EMG-Armband die Interpretation und Auswertung von Gesten [10]. Mit Hilfe eines AD-Wandlers werden die erfassten elektrischen Signale in ein digitales Signal übersetzt, welchem eine Geste zugeordnet wird.

Diesen Gesten werden einzelne Töne zugewiesen. Hierdurch wird die Möglichkeit geschaffen, dass Patienten einfache Tonfolgen oder Musikstücke üben. Somit kann die Therapie von geschwächten Muskelpartien gezielt gefördert werden. Die erzeugten Töne werden über ein Smartphone oder Tablet ausgegeben.

Ergebnisse: Das Konzept der vorliegenden Arbeit ermöglicht die Umwandlung von Gesten in musikalische Tonfolgen für Patienten mit Muskeldefiziten. Hierfür wurde eine prototypische Umsetzung auf Basis einer Android-App realisiert. Die Anwendung ermöglicht unter Verwendung des Myo Gesture Control Armbands das gezielte Training des rechten oder linken Unterarms.

Über eine Bluetooth-Schnittstelle werden die am Unterarm erfassten Rohdaten an eine Smartphone-Applikation übertragen und ausgewertet. Ein besonderes Augenmerk liegt dabei auf der zeitnahen Wiedergabe der erzeugten Töne, sodass Anwender/innen der App die Akustik nicht als asynchron empfinden (d.h. t < 100 ms).

Patienten steht ein Trainingsprogramm in unterschiedlichen Schwierigkeitsstufen zur Verfügung, bei welchem sie vorgegebene Tonfolgen nachspielen können. Dabei werden die auszuführenden Bewegungen angezeigt. Zusätzlich besteht die Möglichkeit, eigene Musik aufzunehmen und zu speichern.

Diskussion: Der Prototyp bietet vorgegebene Hand- und Fingergesten. Dies erleichtert die Nutzung der Anwendung. Eine Erweiterung könnte darin bestehen, dass Nutzer Gesten selbst definieren können. Dies hätte den Vorteil, dass die Anwendung individuell in den Therapieverlauf des Patienten integrierbar wäre.

Ebenfalls müsste mit Hilfe von Probanden evaluiert werden, welchen Komplexitätsgrad die Musik maximal aufweisen sollte, sodass die Motivation und der erhoffte Trainingseffekt sichergestellt werden können.

Eine Nutzung des vorgestellten Konzepts wäre darüber hinaus auch für Patienten nach einer Handamputation denkbar, da deren Unterarmmuskulatur meist noch intakt ist. Dadurch könnte die Wartezeit bis zu einer möglichen Prothese überbrückt und die Muskulatur dabei aktiv trainiert werden [11].

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.