Kinetische Ontologie menschlicher Bewegung: ein semantisches Terminologiemodell zur symbolischen Darstellung physiologischer Bewegung

Warum die Abbildung von Bewegung wichtig ist

Jeder Schritt, jede Dehnung und jeder Schwimmzug wird durch ein koordiniertes Zusammenspiel von Muskeln, Knochen und Nerven angetrieben. Dennoch erfassen die meisten Gesundheitssysteme nur, dass man „trainiert“ hat—nicht, welche Körperteile sich bewegt haben, wie sie zusammenarbeiteten oder wie sich das auf Krankheitsrisiken auswirken könnte. Dieses Papier stellt ein neues digitales Vokabular vor, die Kinetic Human Movement Ontology (KHMO), das entwickelt wurde, um menschliche Bewegung präzise und computerlesbar zu beschreiben. Indem Bewegung in strukturierte Daten überführt wird, will KHMO Forschenden helfen, besser zu verstehen, wie bestimmte Aktivitäten vor chronischen Erkrankungen wie Krebs schützen, und die Flut von Informationen aus Wearables, Kameras und klinischen Studien zu ordnen.

Von einfachen Schritten zu komplexer Gesundheit

Menschliche Bewegung steht im Zentrum der Gesundheit. Wenn Sie gehen, eine Last heben oder durch das Wasser gleiten, arbeitet das muskuloskelettale System—Knochen, Muskeln, Bänder und Gelenke—als hoch abgestimmte Maschine. Untersuchungen haben gezeigt, dass regelmäßige körperliche Aktivität das Risiko vieler Krebsarten senkt, Körperfett reduziert und Hormone sowie Signalmoleküle verändert, die mit Tumorwachstum in Verbindung stehen. Sowohl aerobe Übungen wie zügiges Gehen oder Schwimmen als auch muskelstärkende Aktivitäten wie Krafttraining tragen zu besserer Überlebensrate und geringerem Krebsrisiko bei. Doch während wir wissen, dass „mehr von der richtigen Bewegung“ vorteilhaft ist, war es deutlich schwieriger, genau zu beschreiben, welche Bewegungen, welche Körperteile und welche Muster den größten Einfluss haben.

Eine gemeinsame Sprache für Bewegung aufbauen

Um dies anzugehen, entwickelten die Autorinnen und Autoren KHMO, ein formales Modell zur Beschreibung der Bewegungsweise des menschlichen Körpers. Sie begannen mit einer einfachen Idee, entlehnt aus Animation und Film: Jede Bewegung lässt sich in eine Abfolge von Frames zerlegen, die jeweils eine Haltung zu einem bestimmten Zeitpunkt erfassen. In KHMO beginnt eine grundlegende Bewegung mit einer Haltung und endet mit einer anderen, wobei spezifische anatomische Teile—etwa bestimmte Muskeln oder Knochen—daran beteiligt sind, diesen Übergang zu ermöglichen. Das Modell verknüpft geplante Aktivitäten (wie „ein Schwimmzug“ oder „eine Tai-Chi-Form“) mit den kleineren Bewegungen und Haltungen, aus denen sie bestehen, und mit den zugrunde liegenden Körperteilen und physiologischen Bewegungsabläufen, die sie ermöglichen.

Anatomie, Bewegung und Daten verbinden

KHMO erfindet anatomische Begriffe nicht neu; vielmehr verwebt es etablierte biomedizinische Vokabulare zu einer einheitlichen, auf Bewegung fokussierten Struktur. Es nutzt Begriffe aus bekannten Ontologieprojekten, die bereits Körperteile, Verhaltensweisen und Experimente definieren. Mit Werkzeugen zur Ontologiebearbeitung und Termextraktion verband das Team menschliche Haltungen, Bewegungen von Körperteilen und anatomische Entitäten wie bestimmte Muskeln zu einer integrierten Wissensbasis. Sie erweiterten diese Ressource anhand von realen Beispielen, einschließlich Tai Chi und Schwimmen, die reichhaltige Ganzkörperkoordination aufweisen und für die Gesundheit als vorteilhaft gelten. Dabei fügten sie mehr als 1.600 Begriffe für Muskeln und über 700 Datensätze zu aquatischen Bewegungsabläufen hinzu, was eine sehr feinkörnige Abbildung zwischen einer Zugphase und den sie antreibenden Muskeln ermöglicht.

Qualitätstests und praktische Anwendung

Um sicherzustellen, dass KHMO nicht nur umfangreich, sondern auch verlässlich ist, bewerteten die Autorinnen und Autoren es anhand eines semiotischen Rahmens, der misst, wie gut eine Ontologie strukturiert ist (Syntax), wie klar und konsistent ihre Begriffe sind (Semantik) und wie umfassend sie ihr Fachgebiet abdeckt (Pragmatik). KHMO erzielte höhere Werte als der Durchschnitt mehrerer bestehender Ontologien zu Bewegung und körperlicher Aktivität, insbesondere in der Domänenabdeckung. Automatisierte Reasoning-Tools fanden keine logischen Widersprüche in seinen Definitionen und Beziehungen. Das Team demonstrierte außerdem, wie Forschende KHMO abfragen können, um praktische Fragen zu beantworten: Welche physiologischen Bewegungen treten bei einer bestimmten Bewegung auf? Welche anatomischen Teile sind beteiligt? Wie koordinieren bestimmte Muskeln mit bestimmten Bewegungen? Zusätzlich entwickelten sie Software, die tabellenbasierte Bewegungsbeschreibungen in maschinenlesbare Wissensgraphen konvertiert, die mit KHMO verknüpft sind, und die auch Bilder von Haltungen den entsprechenden Stellungen zuordnen kann.

Zukünftige Wege für eine klügere Bewegungswissenschaft

KHMO wird als Grundlage für künftige Werkzeuge präsentiert, die reichhaltige Bewegungsbeschreibungen mit Gesundheitsergebnissen verknüpfen können. Da es öffentlich verfügbar ist und mit weithin genutzten biomedizinischen Ontologien ausgerichtet wurde, können andere Forschende es in der Sportwissenschaft, Rehabilitation, Robotik und Krebsprävention wiederverwenden und erweitern. Während Motion-Capture-Systeme, Wearables und Pose-Schätzungsalgorithmen immer detailliertere Spuren unserer Bewegungen erzeugen, bietet KHMO einen Weg, diese Spuren in eine gemeinsame Sprache zu übersetzen. Einfach gesagt ist es ein strukturiertes Wörterbuch, das Computern hilft, die Haltung-für-Haltung-Erzählung menschlicher Bewegung zu „verstehen“ und damit das Studium zu erleichtern, welche spezifischen Bewegungen, Muskeln und Muster die lebenslange Gesundheit am besten unterstützen.

Zitation: Amith, M., Ha, V., Nguyen, E. et al. Kinetic Human Movement Ontology: a semantic terminology model to symbolically represent physiological movement. Sci Data 13, 696 (2026). https://doi.org/10.1038/s41597-026-06984-z

Schlüsselwörter: menschliche Bewegung, Bewegung und Krebs, biomedizinische Ontologie, Wissensgraph, Wearable-Sensordaten