MA – Optimierung einer Ellenbogen-Orthese unter Berücksichtigung moderner Sensorik

Die Instabilität des Ellenbogens stellt eine häufige Komplikation nach einfacher oder komplexer Ellenbogenluxation dar. Neben der Instabilität treten auch Ellenbogensteifigkeit sowie Bewegungseinschränkungen auf, die durch Ossifikationen, Kontrakturen oder die Hemmung durch Osteosynthesematerial wie Schrauben und Drähte verursacht werden. In den letzten Jahrzehnten hat die Forschung das Verständnis der Anatomie und Biomechanik des Ellenbogens erheblich verbessert. Derzeit erfolgt die Beurteilung der Beweglichkeit und Luxationstendenz des Ellenbogens größtenteils klinisch oder mithilfe eines Bildwandlers. Es mangelt jedoch an objektiven Entscheidungshilfen. Die Technik des 4D-CT, die aus der Herzdiagnostik bekannt ist, könnte entscheidende Informationen liefern, um fundierte Therapieentscheidungen zu treffen. Hierzu wird bereits eine Studie in Zusammenarbeit mit dem Chirurgischen Institut der Universität Erlangen durchgeführt. Aus diesen Forschungsanstrengungen sind mehrere Prototypen von Orthesen entstanden, die in Kadaverstudien zur genaueren Untersuchung von Diagnosen, Eingriffen und der Notwendigkeit operativer Maßnahmen am Ellenbogen eingesetzt werden. Zudem wurde eine solide Datengrundlage über die Inzidenz dieser Verletzungen geschaffen.

Im Rahmen dieser Masterarbeit sollen Möglichkeiten zur Realisierung einer Orthese am lebenden Patienten untersucht und bewertet werden, um die ärztliche Untersuchung zukünftig zu unterstützen. Hierbei werden verschiedene Sensorikoptionen in Betracht gezogen, darunter die Elektromyographie (EMG).

Folgende Fragestellungen könnten dabei von Interesse sein:

• Wie beeinflusst die Sensorplatzierung die Messgenauigkeit?
• Welche Sensorik bietet die beste Echtzeitüberwachung?
• Inwieweit kann die Sensorik zur Schmerzbewertung beitragen?
• Welche Rolle spielen Umgebungsfaktoren bei der Signalqualität?
• Wie kann die Sensorik die Rehabilitation unterstützen?
• Welche Möglichkeiten zur Datenfusion bestehen?
• Wie können maschinelles Lernen und KI zur Datenauswertung beitragen?

Diese und weitere Fragestellungen sollen kritisch analysiert werden, und die vielversprechendste Variante wird, soweit möglich, konstruktiv in die bestehende Apparatur integriert.

Bearbeiter: Helen Schreiner

Betreuer: Markus Meindl, Fabian Forster, Jonas Gehring, Dr.med. Lucas Mangold 

Verantwortlicher: Prof. Dr.-Ing. Martin März