KI-unterstützte Videoanalyse des Trendelenburg-Tests: eine Machbarkeitsstudie

Beobachten, wie wir auf einem Bein stehen

Viele Hüft- und Knieprobleme zeigen sich in einfachen Alltagsbewegungen, wie dem Auf-dem-Einbein-Stehen, um eine Socke anzuziehen. Ärzte nutzen häufig eine schnelle Bettenranduntersuchung, den Trendelenburg-Test, um zu beurteilen, wie gut die Muskeln rund um die Hüfte arbeiten. Dieser Test wird jedoch meist visuell beurteilt, wodurch subtile Auffälligkeiten übersehen werden können. Die vorliegende Studie untersucht, ob gewöhnliche Smartphone-Videos, kombiniert mit künstlicher Intelligenz (KI), diesen einfachen Test in eine objektive, zahlenbasierte Messung verwandeln können, die Diagnose und Rehabilitation verbessern könnte.

Ein einfacher Test mit verborgener Komplexität

Beim Trendelenburg-Test steht die Person auf einem Bein und hebt das andere Bein, ähnlich einem Zeitlupen-Marsch. Klassischerweise gilt ein sichtbares Absinken der gehobenen Beckenseite als Hinweis auf Schwäche der Hüftmuskulatur der Standseite. Patienten können jedoch auch kompensieren, indem sie den Oberkörper zur Standseite neigen, was ein Beckensinken verbergen und den Untersucher in die Irre führen kann. Außerdem kann das Verhalten des Knies während dieser Bewegung beeinflussen, wie Kräfte durch das Bein geleitet werden, und damit langfristig die Belastung der Gelenke verändern. All das macht den Test komplexer, als er auf den ersten Blick scheint.

Praxisvideos in messbare Winkel verwandeln

Die Forschenden richteten ein praktisches System ein, das in eine vielbeschäftigte orthopädische Klinik passen könnte. Zwölf Erwachsene mit Hüftbeschwerden nahmen teil: sieben hatten eine Hüfttotalendoprothese und fünf klagten über Hüftschmerzen ohne Kunstgelenk. Jede Person wurde von hinten mit einem einzigen Smartphone auf einem Stativ gefilmt, während sie den Trendelenburg-Test mit jedem Bein ausführte. Eine KI-basierte, markierungsfreie Bewegungs-App identifizierte automatisch wichtige Körperpunkte aus dem Video. Aus diesen Punkten ermittelte das Team drei Messgrößen: wie waagerecht das Becken blieb, wie stark der Rumpf zur Seite neigte und wie sich der Kniewinkel zwischen Zweibeinstand und Einbeinstand veränderte. Der gesamte Ablauf — Aufnahme und Analyse — dauerte median etwa dreieinhalb Minuten pro Patient, und alle Videos waren verwertbar.

Wie Menschen tatsächlich kompensieren

Die Messungen zeigten, dass starke Beckensenkungen tatsächlich selten waren. Quer über die Gruppe blieb das Becken beim Balancieren auf einem Bein meist nahezu waagerecht. Auffallend war stattdessen der Rumpf: Viele Patienten, besonders solche mit Hüftprothese, neigten ihren Oberkörper zur Standseite, eine Strategie, die die Belastung auf geschwächte Hüftmuskeln reduzieren kann. Die Hälfte aller Teilnehmer und fünf von sieben mit Kunsthüften zeigten eine Rumpfneigung oberhalb eines konservativen Schwellenwerts, der in früheren Studien verwendet wurde. Auch Veränderungen am Knie waren häufig: Zwei Drittel der Patienten zeigten in der Frontalebene mindestens eine Verschiebung von drei Grad am Knie, was darauf hindeutet, dass die Art und Weise, wie die Hüfte mit Schwäche umgeht, Kräfte weiter nach distal verlagern kann.

Was die Zahlen Ärzten bieten können

Indem Beckenneigung, Rumpfneigung und Knieausrichtung quantifiziert werden, geht der KI-gestützte Ansatz über die übliche Ja-/Nein-Bewertung des Trendelenburg-Tests hinaus. Statt nur zu sagen, ob der Test positiv oder negativ ist, könnten Kliniker genau dokumentieren, um wie viele Grad der Rumpf neigt oder das Becken kippt, und diese Werte im Verlauf verfolgen, wenn Patienten sich von einer Operation erholen oder eine Reha durchlaufen. Da das System ein gewöhnliches Smartphone und eine handelsübliche App verwendet, könnte es bei ausreichender Genauigkeit weit verbreitet werden. Die Studie prüfte jedoch nicht die Genauigkeit im Vergleich zu anspruchsvollen Laborsystemen und schloss keine gesunden Kontrollpersonen ein; ihre Ergebnisse sind daher eher als Machbarkeitsnachweis zu verstehen denn als Ersatz für Goldstandard‑Methoden.

Von der Machbarkeit in die Praxis

Alltagsnah gesagt zeigt diese Forschung, dass ein kurzes Smartphone-Video subtile Verschiebungen erfassen kann, wie der Körper auf einem Bein balanciert — Informationen, die mit bloßem Auge nur schwer zu quantifizieren sind. Patienten mit Hüftprothesen halten ihr Becken oft durch eine Rumpfneigung und veränderte Knieausrichtung stabil, statt durch ein sichtbares Beckensinken. Mit weiteren Tests in größeren und heterogeneren Gruppen und mit Vergleich zu fortgeschrittenen 3D-Bewegungssystemen könnte dieses einfache Setup zu einer praktikablen Methode werden, um Hüftfunktion zu überwachen und sicherere, effektivere Rehabilitationsmaßnahmen in regulären Kliniken zu unterstützen.

Zitation: O’Sullivan, K., Doyle, T., Quinn, E. et al. AI-assisted video analysis of the Trendelenburg test: a feasibility study. Sci Rep 16, 7733 (2026). https://doi.org/10.1038/s41598-026-38980-z

Schlüsselwörter: Schwäche der Hüftabduktoren, Trendelenburg-Test, KI-Bewegungsanalyse, Hüfttotalendoprothese, Ganganalyse