Hüftgelenksarthrose: KI-Vorhersage des Erfolgs einer Hüft-OP

Forscher am Karlsruher Institut für Technologie (KIT) haben ein KI-Modell entwickelt, um Bewegungsabläufe zu untersuchen – die Analyse der Gangbiomechanik erlaubt zudem eine individuell Anpassung der Rehabilitation

[datensicherheit.de, 24.01.2026] Zur Vorhersage, wie gut Patienten mit Hüftgelenksarthrose nach einer Operation dann wieder gehen können, lässt sich Künstliche Intelligenz (KI) einsetzen: Forscher am Karlsruher Institut für Technologie (KIT) demnach haben ein KI-Modell entwickelt, um Bewegungsabläufe zu untersuchen. Die Analyse der Gangbiomechanik erlaube es auch, die Rehabilitation individuell anzupassen. Für die Zukunft sei es denkbar, den für das Hüftgelenk entwickelten Ansatz auf andere Gelenke zu übertragen. Die Forscher berichten in der Zeitschrift „Arthritis Research & Therapy“ über diese aussichtsreiche Entwicklung.

Von der Universitätsmedizin Frankfurt erhobene und aufbereitete Daten für KI-basierte Analysen zur Verfügung gestellt

Rund 200.000 Menschen hätten 2024 in Deutschland künstliche Hüftgelenke erhalten. Damit gehöre diese Operation zu den häufigsten orthopädischen Eingriffen in deutschen Kliniken. In den meisten Fällen sei diese auf eine Hüftgelenksarthrose, das heißt auf einen Verschleiß der Knorpeloberfläche von Hüftpfanne und Hüftkopf, zurückzuführen. Doch betroffene Patienten reagierten auf den Einsatz einer Hüft-Totalendoprothese unterschiedlich im Kontext von Beweglichkeit und Schmerzfreiheit.

• Diese Unterschiede besser zu verstehen, sei Ziel des von der Deutschen Forschungsgemeinschaft (DFG) geförderten Kooperationsprojekts „Verbesserung der operativen Behandlungsergebnisse bei Hüftgelenksarthrose auf der Grundlage biomechanischer und biochemischer Erkenntnisse“ an der Klinik für Unfallchirurgie und Orthopädie der Universitätsmedizin Frankfurt und am Institut für Sport und Sportwissenschaft (IfSS) des KIT.

Die KIT-Forscher hätten dazu auf Grundlage von Daten der Gangbiomechanik von Personen mit Hüftgelenksarthrose vor und nach der Operation ein KI-Modell entwickelt, um die Bewegungsabläufe zu untersuchen. Die Daten habe die Universitätsmedizin Frankfurt erhoben, aufbereitet und dem KIT für die KI-basierte Analyse zur Verfügung gestellt.

Nutzbarmachung hochkomplexer biomechanischer Daten für KI-Anwendungen

„Biomechanische Daten, die Bewegungen biologischer Systeme mit Methoden der Mechanik, Anatomie und Physiologie beschreiben, sind hochkomplex“, erläutert Dr. Bernd J. Stetter, Leiter der Forschungsgruppe „Muskuloskelettale Gesundheit und Technologie“ am IfSS des KIT und korrespondierender Autor der Studie.

• „Mit unserem KI-Modell machen wir die Daten für Anwendungen nutzbar. Dies ist ein Schritt hin zur personalisierten Medizin.“ Laut Stetter ist dieses Modell auf den Einsatz eines künstlichen Hüftgelenks trainiert und ausgerichtet.

Für die Zukunft sei es denkbar, es auf andere Gelenke und Erkrankungen zu übertragen. So könne ein derartiges KI-Modell als Entscheidungshilfe für Ärzte dienen und den betroffenen Patienten realistische Erwartungen vermitteln. Überdies lasse sich damit die Rehabilitation nach der Operation individuell anpassen.

KI identifizierte verschiedene Muster von Gangveränderungen

Für die Studie sei von den Forschern die Gangbiomechanik von 109 Patienten mit einseitiger Hüftgelenksarthrose vor dem Einsatz einer Hüfttotalendoprothese analysiert worden. 63 Personen aus dieser Gruppe seien nach der Operation dann erneut untersucht worden.

• Zusätzlich hätten 56 gesunde Menschen als Kontrollgruppe gedient. Von allen Teilnehmern seien dreidimensionale Gelenkwinkel und Gelenkbelastungen anhand muskuloskelettaler Modellierung bestimmt worden.

Die KI-basierte Analyse habe ergab, dass Menschen mit Hüftgelenksarthrose sich in drei Gruppen mit verschiedenen Mustern von Gangveränderungen einteilen ließen. Bestimmte biomechanische Gangparameter, wie Winkel und Belastungen im Hüftgelenk, hätten sich als besonders aussagekräftig dafür erwiesen, zu welcher Gruppe eine Person gehörte. Diese drei Gruppen hätten sich zudem in Alter, Größe und Gewicht, Gehgeschwindigkeit sowie Schwere der Arthrose unterschieden.

KI-Modell kann prognostizieren, welcher Patient von einer OP besonders profitieren wird

Auf die Operation hätten die drei Gruppen unterschiedlich reagiert: Bei manchen Patienten habe sich die Gangbiomechanik durch das künstliche Hüftgelenk mehr verbessert, bei anderen weniger.

• Das heißt, manche Personen hätten danach fast normal gehen können – andere zeigten weiterhin klare Abweichungen von der Kontrollgruppe.

„Mit unserem Modell lässt sich voraussagen, wer von der Operation besonders profitieren wird – und wer danach zusätzlich intensive Therapie benötigen wird“, kommentiert Stetter und erläutert abschließend. „Da die Algorithmen erklärbar sind und Transparenz bieten, versprechen wir uns von dem Modell eine hohe Akzeptanz im klinischen Bereich.“

Weitere Informationen zum Thema:

KIT Karlsruher Institut für Technologie
Institut für Sport und Sportwissenschaft / Forschung

KIT Karlsruher Institut für Technologie
Institut für Sport und Sportwissenschaft / Dr. Bernd Stetter – Akademischer Mitarbeiter

SPRINGER NATURE Link, 23.12.205
Arthritis Research & Therapy Article / Volume 27, article number 229, (2025) / Explainable machine learning for orthopedic decision-making: predicting functional outcomes of total hip replacement from gait biomechanics