Analyse der Spontanmotorik im 1. Lebensjahr: Markerlose 3-D-Bewegungserfassung zur Früherkennung von Entwicklungsstörungen

Kinder mit motorischer Entwicklungsstörung profitieren von einer frühen Entwicklungsförderung. Eine frühe Diagnosestellung in der kinderärztlichen Vorsorge (U2–U5) kann durch ein automatisiertes Screening verbessert werden. Bisherige Ansätze einer automatisierten Bewegungsanalyse sind jedoch teuer und aufwendig und nicht in der Breite anwendbar. In diesem Beitrag soll ein neues System zur Videoanalyse, das Kinematic Motion Analysis Tool (KineMAT) vorgestellt werden. Es kann bei Säuglingen angewendet werden und kommt ohne Körpermarker aus. Die Methode wird anhand von 7 Patienten mit unterschiedlichen Diagnosen demonstriert. Mit einer kommerziell erhältlichen Tiefenbildkamera (RGB-D[Red-Green-Blue-Depth]-Kamera) werden 3‑minütige Videosequenzen von sich spontan bewegenden Säuglingen aufgenommen und mit einem virtuellen Säuglingskörpermodell (SMIL[Skinned Multi-infant Linear]-Modell) in Übereinstimmung gebracht. Das so erzeugte virtuelle Abbild erlaubt es, beliebige Messungen in 3‑D mit hoher Präzision durchzuführen. Eine Auswahl möglicher Bewegungsparameter wird mit diagnosespezifischen Bewegungsauffälligkeiten zusammengeführt. Der KineMAT und das SMIL-Modell erlauben eine zuverlässige, dreidimensionale Messung der Spontanaktivität bei Säuglingen mit einer sehr niedrigen Fehlerrate. Basierend auf maschinellen Lernalgorithmen kann der KineMAT trainiert werden, pathologische Spontanmotorik automatisiert zu erkennen. Er ist kostengünstig und einfach anzuwenden und soll als Screeninginstrument für die kinderärztliche Vorsorge weiterentwickelt werden. Children with motor development disorders benefit greatly from early interventions. An early diagnosis in pediatric preventive care (U2–U5) can be improved by automated screening. Current approaches to automated motion analysis, however, are expensive, require lots of technical support, and cannot be used in broad clinical application. Here we present an inexpensive, marker-free video analysis tool (KineMAT) for infants, which digitizes 3‑D movements of the entire body over time allowing automated analysis in the future. Three-minute video sequences of spontaneously moving infants were recorded with a commercially available depth-imaging camera and aligned with a virtual infant body model (SMIL model). The virtual image generated allows any measurements to be carried out in 3‑D with high precision. We demonstrate seven infants with different diagnoses. A selection of possible movement parameters was quantified and aligned with diagnosis-specific movement characteristics. KineMAT and the SMIL model allow reliable, three-dimensional measurements of spontaneous activity in infants with a very low error rate. Based on machine-learning algorithms, KineMAT can be trained to automatically recognize pathological spontaneous motor skills. It is inexpensive and easy to use and can be developed into a screening tool for preventive care for children.