Validation, characterization, and utility of markerless motion capture in a large cohort of pediatric patients with complex gait patterns

Deze studie toont aan dat markerloze bewegingsopname bij kinderen met complexe looppatronen betrouwbaar is voor analyse van bewegingen in het sagittale vlak, maar beperkte nauwkeurigheid vertoont voor transverse en frontale vlakken, met name bij patiënten met een hogere BMI of die een wandelhulpmiddel gebruiken.

De kern

🎥 De "Zonder-Merken" Bewegingscamera: Werkt het voor kinderen met een lastige loopstijl?

Stel je voor dat je een kind wilt analyseren dat moeilijk loopt. Vaak gebruiken artsen hiervoor een heel dure en ingewikkelde camera-installatie. Het kind moet dan volgeplakt worden met kleine, glinsterende reflecterende stipjes (markeringen). Het is als een kind dat vermomd is als een kerstboom: het ziet er raar uit, het kost tijd om te plakken, en het kan oncomfortabel zijn.

De onderzoekers uit dit artikel wilden weten: Kan een slimme camera die geen stipjes nodig heeft, net zo goed werken? Deze nieuwe camera's gebruiken kunstmatige intelligentie (zoals een heel slimme robot die naar video kijkt) om de beweging van het lichaam te "raden" zonder dat er iets op het kind geplakt hoeft te worden.

Ze hebben dit getest bij 202 kinderen met verschillende loopproblemen (zoals hersenverlamming). Ze lieten de kinderen tegelijkertijd lopen met de oude methode (met stipjes) en de nieuwe methode (zonder stipjes) om ze met elkaar te vergelijken.

Hier is wat ze ontdekten, vertaald naar alledaagse termen:

1. De "Voor-en-Achter" Beweging (Sagittale Vlak) 🏃‍♂️

Dit is de beweging die je ziet als je van opzij naar iemand kijkt die loopt: het buigen van knieën, het heffen van de heupen en het afzetten met de voeten.

• Het resultaat: Hier werkt de nieuwe camera uitstekend.
• De analogie: Het is alsof je een auto aan de kant van de weg bekijkt. Je ziet duidelijk of de wielen goed draaien en of de auto recht vooruit rijdt. De nieuwe camera zag bijna precies hetzelfde als de dure camera met stipjes.
• Conclusie: Voor het analyseren of een kind zijn knieën buigt of zijn voeten optilt, is de nieuwe methode al klaar voor gebruik in de kliniek. Het is sneller, goedkoper en prettiger voor het kind.

2. De "Zijwaartse" en "Draaiende" Beweging (Frontaal en Transversaal Vlak) 🔄

Dit is wat er gebeurt als je van voren of van achteren kijkt: wiebelt het kind van links naar rechts? Draait de heup naar binnen of naar buiten?

• Het resultaat: Hier werkt de nieuwe camera nog niet goed genoeg.
• De analogie: Stel je voor dat je probeert te raden hoe een danser draait op een podium, maar je kijkt door een raam waar de gordijnen half dichthangen. De nieuwe camera ziet de grote bewegingen, maar mist de fijne details.
  • Als een kind zijn heupen sterk naar binnen of buiten draait (een veelvoorkomend probleem bij deze kinderen), denkt de nieuwe camera vaak dat het kind gewoon rechtop staat. Het "gladstrijkt" de beweging alsof alles normaal is.
  • De oude camera met stipjes zag deze draaiingen wel heel duidelijk.
• Conclusie: Als een arts moet beslissen of een kind een operatie nodig heeft om zijn heupen recht te zetten, kan hij zich niet blindstaren op de nieuwe camera. Die vertelt dan een te mooi verhaal.

3. Wat maakt het moeilijker? 📏

De onderzoekers ontdekten ook dat de nieuwe camera het lastiger heeft bij bepaalde groepen:

• Gewicht: Bij kinderen met een hoger gewicht (obesitas) was de fout iets groter. Dit komt omdat de camera's het moeilijk hebben om de onderliggende botten te "zien" door de zachte weefsels heen (net als proberen een steen te zien door een dikke deken).
• Hulpmiddelen: Kinderen die met een wandelstok of rollator lopen, gaven ook meer fouten. De camera raakt soms in de war door het extra object dat het kind vasthoudt.

4. De "Loop-Identiteit" 🕵️‍♂️

De onderzoekers keken ook of de nieuwe camera hetzelfde "loopprofiel" kon herkennen als de oude. Ze gebruikten een systeem om te zeggen: "Dit kind loopt als een 'kikker' (knieën gebogen)" of "Dit kind loopt als een 'springer'".

• Het resultaat: De nieuwe camera gaf in ongeveer 67% van de gevallen hetzelfde antwoord als de oude. Dat is redelijk goed, maar niet perfect. Soms dacht hij dat een kind "normaal" liep, terwijl de oude camera zag dat het een specifiek probleem had.

🏁 Het Eindoordeel

Wat betekent dit voor de toekomst?

De nieuwe "zonder-merken" camera is een geweldige tool om snel en comfortabel te kijken of kinderen hun knieën en enkels goed gebruiken. Het is als een snelle, betrouwbare check-up voor de basisbewegingen.

Maar, het is nog geen vervanging voor de dure, traditionele methode als het gaat om complexe draaiingen of zijwaartse wiebelingen. Voor die specifieke, moeilijke gevallen moeten artsen nog even wachten tot de software slimmer is geworden.

Kort samengevat:

• Voor knieën en enkels (voor/achter): ✅ Goedgekeurd! Gebruik het gerust.
• Voor heupen en draaiingen (zijwaarts): ⚠️ Pas op! De nieuwe camera ziet hier nog te weinig details.

De onderzoekers hopen dat de software in de toekomst nog slimmer wordt, zodat de camera ook die draaiingen perfect kan zien, zonder dat kinderen nog hoeven te glimmen met stipjes.

Technische samenvatting

Titel: Validatie, karakterisering en bruikbaarheid van markerloze bewegingsopname bij een grote cohort van pediatrische patiënten met complexe looppatronen

1. Het Probleem

Markerloze bewegingsopname (markerless motion capture) systemen, die gebruikmaken van computerzicht en diep learning-algoritmen, beloven een schaalbaar, niet-invasief en kosteneffectief alternatief voor traditionele marker-gebaseerde systemen. Hoewel deze technologie steeds vaker wordt gebruikt in onderzoek en sport, blijft de klinische bruikbaarheid voor kinderen met complexe loopafwijkingen (zoals bij cerebrale parese) onzeker. Bestaande studies zijn vaak beperkt in steekproefomvang of richten zich op gezonde volwassenen. Het is cruciaal om de nauwkeurigheid van deze systemen te valideren tegen de "gouden standaard" (marker-gebaseerde systemen) in een heterogene pediatrische populatie voordat ze in de klinische praktijk voor chirurgische besluitvorming kunnen worden ingezet.

2. Methodologie

• Cohort: De studie omvatte 202 pediatrische patiënten (gemiddelde leeftijd 12,1 ± 3,9 jaar) met 72 verschillende diagnoses, waarbij cerebrale parese (CP) de meest voorkomende was.
• Datacollectie: Gelijktijdige opname van bewegingsdata werd uitgevoerd in één sessie:
  • Marker-gebaseerd: Een Vicon-systeem met 12 optische camera's en het Shriners Children's Gait Model (SCGM) met reflecterende markers.
  • Markerloos: Een systeem met 8 FLIR-camera's dat video-opnames maakte, verwerkt door Theia3D (Apollo v2024).
• Data Processing: Beide systemen gebruikten identieke Cardan-volgorde voor het berekenen van gewinkelhoeken. De data werd opgeschaald naar 101 datapunten per stap.
• Statistische Analyse:
  • Statistical Parametric Mapping (SPM): Om continue verschillen in de loopcyclus te identificeren.
  • Root Mean Square Error (RMSE): Om de grootte van de fouten te kwantificeren.
  • Effect Sizes (Cohen's d): Om de klinische relevantie van de verschillen te bepalen.
  • Gait Classificatie: Toepassing van het plantarflexor-knee extension index (Rodda & Graham schema) om te testen of beide systemen dezelfde looppatronen (bijv. crouch, equinus) classificeren.
  • Lineaire Mixed Effects Modellen: Om de invloed van BMI, geslacht, leeftijd en gebruik van loophulpmiddelen op de foutmarges te analyseren.

3. Belangrijkste Bijdragen

• Grootste Pediatrische Vergelijking: Dit is een van de grootste studies tot nu toe die markerloze en marker-gebaseerde systemen vergelijkt bij kinderen met complexe loopafwijkingen (n=202).
• Klinische Validatie: In plaats van alleen statistische correlaties, wordt de bruikbaarheid getoetst aan een klinisch geaccepteerd classificatiesysteem voor looppatronen.
• Nuance in Plannen: De studie maakt een duidelijk onderscheid in prestaties tussen het sagittale vlak (voor/achter), het frontale vlak (zijwaarts) en het transversale vlak (rotatie).
• Invloed van Patientfactoren: Het kwantificeert hoe factoren zoals obesitas en het gebruik van loophulpmiddelen de nauwkeurigheid beïnvloeden.

4. Resultaten

• Sagittale Vlak (Voor/achter):
  • Nauwkeurigheid: Goede overeenkomst. De gemiddelde RMSE was < 5° voor knie en enkel, en < 8° voor bekken en heup.
  • Classificatie: Matige overeenkomst in loopclassificatie (κ = 0,60; 67% overeenkomst). De systemen waren het meest eens bij "True Equinus" (83%) en "Jump" (77%), maar minder bij "Typical" of "Recurvatum".
• Frontale en Transversale Vlakken:
  • Nauwkeurigheid: Slechtere prestaties. Transversale fouten (rotatie) overschreden vaak 10° RMSE.
  • Systeembias: Het markerloze systeem onderschatte systematisch de rotatie (heup en knie) en vertoonde een verminderde variabiliteit tussen subjecten. Bij patiënten met extreme interne of externe heuprotatie (20-25°) onderschatte het markerloze systeem deze afwijkingen sterk of toonde het een tegenovergestelde trend.
• Invloed van Covariaten:
  • BMI: Obese patiënten hadden een 38% hogere RMSE dan normaalgewichtige patiënten.
  • Loophulpmiddelen: Gebruik van een wandelstok (voornamelijk achterwaartse wandelstok) verhoogde de fout met ongeveer 21%.
  • Geslacht: Mannen hadden een iets lagere fout (7%) dan vrouwen.
  • Leeftijd: Geen significant effect van leeftijdsgroep.

5. Betekenis en Conclusie

• Klinische Toepassing: Markerloze bewegingsopname is geschikt voor analyses die zich richten op sagittale afwijkingen (bijv. knie- en enkelflexie/extensie), wat waardevol is voor screening en het monitoren van behandeling in de kliniek. Het biedt aanzienlijke efficiency-voordelen en minder last voor de patiënt.
• Beperkingen: De technologie is niet betrouwbaar voor het kwantificeren van rotatie (transversaal vlak) of zijwaartse afwijkingen (frontaal vlak) bij kinderen met complexe looppatronen. De systematische onderschatting van rotatie en het "verlies" van inter-subject variabiliteit maken het ongeschikt voor chirurgische besluitvorming die afhankelijk is van precieze rotatiegegevens.
• Toekomstperspectief: Verdere ontwikkeling van algoritmen is nodig om de variabiliteit in het transversale vlak te verbeteren en om trainingsdatasets uit te breiden met atypische pediatrische looppatronen. Voor nu moet markerloze data in het transversale vlak met grote voorzichtigheid worden geïnterpreteerd.