Gleichzeitige Validierung von OpenCap zur Identifizierung von ACL-Re-Ruptur-Risikofaktoren während eines Drop-Jump-Tests in einer gesunden Kohorte

Warum Sprungforschung für Ihre Knie wichtig ist

Viele Sportler, die das vordere Kreuzband (ACL) im Knie reißen, erleiden trotz sorgfältiger Operation und Rehabilitation eine zweite Verletzung. Ärztinnen und Ärzte wissen, dass subtile Veränderungen in der Art, wie eine Person aus einem Sprung landet, dieses versteckte Risiko offenbaren können, doch die besten Messinstrumente für diese Bewegungen sind teure Laborsysteme mit reflektierenden Markern und Kameras. In dieser Studie wurde untersucht, ob ein neuer, kostengünstiger Smartphone-basierter Ansatz namens OpenCap ähnliche Einsichten liefern kann — und somit hochwertige Bewegungsanalyse aus dem Labor in alltägliche Kliniken und Trainingsräume bringen könnte.

Von Hightech-Laboren zu Handys auf Stativen

Die traditionelle dreidimensionale Bewegungsanalyse verwendet zahlreiche Infrarotkameras und Kraftmessplatten im Boden, um aufzuzeichnen, wie sich der Körper bewegt und wie stark er den Boden trifft. Sie ist sehr genau, verlangt aber Zeit, Geld und technisches Fachwissen, sodass nur wenige spezialisierte Zentren sie anbieten können. Markerlose Systeme versuchen, diese Hürden zu verringern, indem sie normale Videokameras und Algorithmen der künstlichen Intelligenz nutzen, um Körperpositionen ohne aufgeklebte Marker zu verfolgen. OpenCap geht einen Schritt weiter, indem es gewöhnliche Smartphones plus Cloud-Computing verwendet und so eine potenziell erschwingliche Möglichkeit bietet, Bewegungen fast überall zu analysieren.

OpenCap im Test

Die Forschenden rekrutierten 24 gesunde, körperlich aktive Erwachsene, die eine anspruchsvolle Landungsaufgabe ausführten: vom 30 Zentimeter hohen Kasten abspringen und so schnell und kraftvoll wie möglich wieder nach oben springen. Während 240 solcher Drop-Jumps wurden alle Bewegungen gleichzeitig sowohl vom goldenen Standard des markerbasierten Laborsystems als auch vom Smartphone-basierten OpenCap-Setup erfasst. Das Team konzentrierte sich auf Messgrößen, die mit dem Risiko einer ACL-Re-Ruptur in Verbindung gebracht werden: wie das Knie beim Landen nach innen oder außen bewegt, wie stark Knie- und Hüftmuskulatur arbeiten, um die Bewegung zu kontrollieren, und wie viel vertikale Kraft bei der Bodenberührung durch jedes Bein läuft.

Wie nah kamen die Handys heran?

Für die allgemeinen Bewegungsmuster lieferte OpenCap überraschend gute Ergebnisse. Die Form der Kurven über die Zeit — die zeigen, wie sich Gelenke bewegt haben und wie Kräfte anstiegen und abfielen — stimmte bei vielen Variablen eng mit dem Laborsystem überein. Wenn das Team jedoch nach der Größe der Abweichungen schaute, traten wichtige Lücken zutage. Der Winkel des Knies in Seitwärtsrichtung wich im Mittel um mehr als sechs Grad ab, was größer ist als die kleinen Änderungen, die gezeigt haben, dass sie Athleten, die eine zweite ACL-Ruptur erleiden, von denen unterscheiden, die dies nicht tun. Die Kräfte am Knie und die Bodenreaktionskräfte unter den Füßen zeigten ebenfalls Fehler, die über den üblichen Toleranzen für klinische Entscheidungen lagen, und wichtige Unterschiede traten während eines großen Teils der Landungsphase auf. In etwa einem von fünf Durchgängen konnten OpenCaps interne Simulationen nicht einmal brauchbare Kraftschätzungen liefern.

Was das für Sportler und Klinikpersonal bedeutet

Da das Risiko einer ACL-Re-Ruptur von kleinen, aber bedeutsamen Unterschieden zwischen den Gliedmaßen und über die Zeit abhängt, müssen Werkzeuge, die Rückkehr-zum-Sport-Entscheidungen unterstützen, sowohl genau als auch konsistent sein. In dieser Studie erfasste OpenCap zuverlässig die allgemeine Form, wie Menschen sich bewegten und landeten, war jedoch in entscheidenden Kniewinkeln, der Muskelbelastung und den Unterschieden zwischen den Gliedmaßen nicht präzise genug, um ein vollständiges Laborsystem für das individuelle Risikoscreening sicher zu ersetzen. Die Autorinnen und Autoren kommen zu dem Schluss, dass OpenCap derzeit nicht alleinstehend verwendet werden sollte, um zu beurteilen, ob ein Athlet nach einer ACL-Operation bereit ist, zum Sport zurückzukehren.

Eine vielversprechende Perspektive

Auch wenn OpenCap den aktuellen klinischen Standards nicht genügte, sind die Ergebnisse in anderer Hinsicht ermutigend. Die starke Übereinstimmung bei den allgemeinen Bewegungsmustern legt nahe, dass smartphone-basierte Systeme mit besseren Pose-Estimation-Algorithmen und verfeinerten internen Modellen die Lücke eventuell verringern könnten. Gelingt diese Verbesserung, könnte Bewegungsanalyse, die einst ein spezialisiertes Labor erforderte, eines Tages in einer normalen Klinik, einer Trainingseinrichtung oder sogar am Spielfeldrand durchgeführt werden — und so mehr Sportlern helfen, ihre Knie zu schützen, ohne die Hürde teurer High-End-Ausrüstung.

Zitation: Färber, B., Horsak, B. & Paternoster, F.K. Concurrent validation of OpenCap for identifying ACL re-injury risk factors during a drop jump test in a healthy cohort. Sci Rep 16, 9843 (2026). https://doi.org/10.1038/s41598-026-44758-0

Schlüsselwörter: ACL-Re-Ruptur-Risiko, markerlose Bewegungsanalyse, Prävention von Sportunfällen, Sprung-Landungs-Mechanik, Bewegungsanalyse mit dem Smartphone