HoloTeach - ein virtuelles Therapiesystem für personalisierte Rehabilitation nach einem Schlaganfall

Ausgangslage

Nach einem Schlaganfall ist die Wiedererlangung der Rumpfkontrolle zentral für die funktionelle Erholung, wird jedoch bisher nur unzureichend digital unterstützt.

Zielsetzungen

Ziel ist die Entwicklung eines innovativen digitalen Rehabilitationssystems zur Verbesserung der Rumpfkontrolle nach einem Schlaganfall. Das System kombiniert VR-basierte Übungen mit einem sensorgestützten, mobilen Sitz („T-Chair“), der Echtzeitdaten zur Rumpfstabilität erfasst. Diese Daten – etwa Geschwindigkeit, Beschleunigung und Bewegungsumfang – fliessen in adaptive Algorithmen ein, die die Trainingsschwierigkeit individuell anpassen.

Vorgehen

• Instrumented Seat (ZHAW-IMES): Integration und Auswertung der Sensordaten des T-Chair zur dynamischen Anpassung der Übungsintensität. Iterative Tests mit Patient:innen und Therapeut:innen gewährleisten Praxistauglichkeit.
• Adaptive Difficulty Algorithms (UZH): Entwicklung von Algorithmen, die Daten aus VR und Sitzsensoren kombinieren, um Übungen in Echtzeit zu steuern. Sprach- und Symbolsteuerung ermöglichen selbstständige Nutzung.
• Motor Learning & klinische Umsetzung: Neuro- und Rehabilitationswissenschaftler:innen (UZH, Cereneo) übertragen Prinzipien des motorischen Lernens in Therapieprotokolle für subakute und chronische Phasen.
• Usability & Co-Design: Nutzerzentrierte Entwicklung mit Patient:innen und Therapeut:innen. In mehreren Testphasen wird das System hinsichtlich Benutzerfreundlichkeit, Akzeptabilität und Motivation optimiert.
• Bewegungsanalyse (ZHAW-IPT, UZH): Bewegungs- und Muskelaktivitätsanalysen mittels 3D-Motion-Capture und EMG bei gesunden Personen und Schlaganfallpatient:innen zur Bewertung und Weiterentwicklung der Algorithmen.