Deep Learning zur Behandlung chronischer Rückenschmerzen
Um zu untersuchen, wie sich chronische Schmerzen auf den Körper verschiedener Betroffener auswirken, haben Forschende mit Unterstützung des EU-finanzierten Projekts BODYinTRANSIT eine Deep-Learning-Methode erarbeitet, mit der die biometrischen Daten von Menschen mit chronischen Krankheiten analysiert werden können. Ihre Forschung wurde im „IEEE Journal of Selected Topics in Signal Processing“ veröffentlicht. Laut einer Pressemitteilung, die auf der Website des BODYinTRANSIT-Projektträgers Universität Carlos III in Madrid veröffentlicht wurde, gingen die Forschenden von der Annahme aus, dass die biometrischen Daten von Menschen mit chronischen Rückenschmerzen sich von denen gesunder Personen unterscheiden. Diese Abweichungen sind auf Körperbewegungen oder Laufmuster zurückzuführen, die zur Vermeidung weiterer Schmerzen oder Verletzungen übernommen werden.
Wo herkömmliche Methoden versagen
Aktuell ist es aufgrund des Mangels an relevanten Daten, der Besonderheiten der einzelnen Schmerzarten und der Komplexität der Messung biometrischer Variablen schwierig, die biometrischen Unterschiede zwischen Menschen mit und ohne Schmerzen genau zu bestimmen. „Menschen mit chronischen Schmerzen ändern häufig Bewegungsmuster, um weitere Schmerzen oder Verletzungen zu vermeiden. Durch diese Anpassungen ist es schwierig, physiologische Veränderungen mit herkömmlichen Methoden zur biometrischen Analyse zu erfassen. Daher haben wir dieses System entwickelt“, erklärt der Erstautor der Studie, Dr. Mohammad Mahdi Dehshibi von der Universität Carlos III, in der Pressemitteilung. Bei der neuen Methode kommt eine Art des Deep Learning zum Einsatz, nämlich wenig verbundene rekurrente neuronale Netze in Kombination mit geschlossenen wiederkehrenden Einheiten. Dies ist eine Art neuronale Netzeinheit, mit der sequentielle Daten modelliert werden. Mit dieser Methode konnten die Forschenden Veränderungen des Körperverhaltens aufgrund von Schmerzen im Laufe der Zeit messen. Die Klassifizierung des Schmerzniveaus und des schmerzbedingten Verhaltens mit dieser Methode fiel präziser aus als mit modernsten Ansätzen. Die neue Methode der Forschenden wurde mit der EmoPain-Datenbank getestet, in der Daten zu Schmerzniveau und schmerzbedingtem Verhalten gesammelt werden. „Durch diese Studie wurde auch klar, dass eine Referenzdatenbank zur Analyse der Beziehung zwischen chronischen Schmerzen und Biometrie notwendig ist. Anhand dieser Datenbank könnten Anwendungen in Bereichen wie Sicherheit und Gesundheitsversorgung entwickelt werden“, so Dr. Dehshibi. Der Erstautor erklärt weiter, dass die Methode für eine bessere Messung und Behandlung chronischer Schmerzen bei Menschen mit Erkrankungen wie Fibromyalgie, Arthritis und neuropathischen Schmerzen eingesetzt werden könnte. „Mit ihr können schmerzbedingte Verhaltensweisen kontrolliert und Behandlungen auf einzelne Betroffene angepasst werden. Darüber hinaus könnte sie sich bei der Überwachung von Schmerzreaktionen nach Operationen als nützlich erweisen.“ Die Mitautorin und Assistenzprofessorin Ana Tajadura-Jiménez erklärt, inwiefern diese Arbeit für andere medizinische Verfahren relevant ist: „Neben chronischen Schmerzen konnten auch veränderte Bewegungsmuster und negative Körperwahrnehmungen erkannt werden, u. a. bei Essstörungen, chronischen Herz-Kreislauf-Erkrankungen oder Depressionen. Studien mit diesen Personen und mit der genannten Methode sind äußerst interessant, um medizinische Erkrankungen und ihre Auswirkungen auf die Bewegung besser nachzuvollziehen. Über diese Studien könnten wertvolle Informationen für die Gestaltung wirksamerer Screening-Methoden und Behandlungen gesammelt und die Lebensqualität der von diesen Krankheiten betroffenen Menschen verbessert werden.“ Die Studie von BODYinTRANSIT (Sensory-driven Body Transformation Experiences On-the-move) könnte auch in Bereichen wie Sport, virtuelle Realität, Robotik, Kunst und Mode Anwendung finden. Das Projekt endet im Jahr 2026. Weitere Informationen: BODYinTRANSIT-Projektwebsite
Schlüsselbegriffe
BODYinTRANSIT, Deep Learning, Schmerz, Rückenschmerzen, unterer Rücken, chronische Erkrankungen, Bewegung