Entwicklung einer KI-gestützten Bewegungstherapie bei onkologischen Palliativpatienten

Abstract

HintergrundDie wechselnde Symptomlast ist eine große Hürde in der Sporttherapie von onkologischen Palliativpatienten. Die täglich variierende Symptomstärke erschwert die Einstellung einer optimalen Trainingsbelastung und stellt neben der Motivation eine große Barriere für die Teilnahme an bewegungstherapeutischen Interventionen dar. Ein durch Künstliche Intelligenz (KI) gesteuertes Training könnte helfen, die Trainingseinheiten individuell anzupassen und die Autonomie von Palliativpatienten zu erhalten. Methoden Fünf Patienten mit fortgeschrittener unheilbarer Krebsdiagnose haben im Rahmen der Routineversorgung eine supervidierte Bewegungstherapie absolviert. Dabei wurde ein Elektrokardiogramm über einen Polar H10 Brustgurt aufgezeichnet und daraus kardiale und respiratorische Vitalparameter extrahiert. Eine Klassifikation in drei Intensitätsstufen über KI erfolgte anhand von neuronalen Netzen. Ergebnisse Das KI-gesteuerte Training hat eine sehr hohe Klassifikationsgüte (F1-Score: 0,95±0,05) durch die Vereinigung von respiratorischen und kardialen Vitalparametern. Diese Kombination erzielt genauere Klassifikationsergebnisse als die einzelnen Datensätze für kardiale Parameter (0,93±0,06) und respiratorische Parameter (0,72±0,06). Die Berücksichtigung einer Baselinemessung hat eine positive Wirkung auf die Klassifikationsgenauigkeit. Diskussion Diese Studie stellt die erste Untersuchung zum Einsatz von KI zur Klassifizierung von trainingswissenschaftlichen Inhalten bei onkologischen Palliativpatienten dar. Diese vulnerable Patientengruppe kann von einer objektiven Erfassung des Belastungsniveaus anhand von Parametern des kardiovaskulären Systems profitieren. Mit nur fünf Patienten wird die Aussagekraft dieser explorativen Studie über Kreuzvalidierung hergestellt. Zukünftig sollen weitere Parameter wie ein subjektives Empfinden, Alter, Größe und Geschlecht die Klassifikation weiter verbessern. In einem integrierten System ist eine individuelle Trainingssteuerung in Echtzeit möglich.