AI-geassisteerde videoanalyse van de Trendelenburg-test: een haalbaarheidsstudie

Kijken hoe we op één been staan

Veel heup- en knieproblemen vallen op bij eenvoudige dagelijkse handelingen, zoals op één been staan om een sok aan te trekken. Artsen gebruiken vaak een korte bedzijdecontrole, de Trendelenburg-test, om te beoordelen hoe goed de spieren rond de heup functioneren. Deze test wordt echter meestal visueel beoordeeld, waardoor subtiele problemen gemist kunnen worden. Deze studie onderzoekt of gewone smartphonevideo, gecombineerd met kunstmatige intelligentie (AI), die eenvoudige test kan omzetten in een objectieve, cijfermatige meting die diagnose en revalidatie kan verbeteren.

Een eenvoudige test met verborgen complexiteit

Bij de Trendelenburg-test staat een persoon op één been terwijl het andere been wordt opgetild, een beetje als een slow-motion mars. Traditioneel wordt een zichtbaar zakken van de opgetilde zijde van het bekken gezien als een teken dat de heupspieren aan de steunzijde zwak zijn. Patiënten kunnen echter ook compenseren door hun bovenlichaam naar het steunbeen te laten leunen, wat het bekkenzakken kan verbergen en de onderzoeker op het verkeerde been kan zetten. Daarnaast kan wat de knie doet tijdens deze beweging beïnvloeden hoe krachten door het been lopen, met mogelijke gevolgen voor gewrichtsslijtage op de lange termijn. Dit alles maakt de test complexer dan het aanvankelijk lijkt.

Clinicvideo omzetten in meetbare hoeken

De onderzoekers stelden een praktisch systeem samen dat in een drukke orthopedische kliniek zou passen. Twaalf volwassenen met heupproblemen deden mee: zeven hadden een totale heupvervanging ondergaan en vijf hadden heupklachten zonder kunstgewricht. Elke persoon werd van achteren gefilmd met een enkele smartphone op een statief terwijl ze de Trendelenburg-test aan beide benen uitvoerden. Een AI-gebaseerde, markerloze bewegingsapp identificeerde automatisch sleutelpunten van het lichaam uit de video. Met deze punten mat het team drie zaken: hoe vlak het bekken bleef, hoeveel het bovenlichaam naar één kant leunde, en hoe de hoek bij de knie veranderde tussen staan op twee benen en op één been. Het volledige proces—opname en analyse—nam een mediaan van ongeveer drieënhalve minuut per patiënt, en alle video's waren bruikbaar.

Hoe mensen echt compenseren

De metingen lieten zien dat grote bekkenzakkingen in feite zeldzaam waren. Over de groep bleef het bekken dicht bij vlak wanneer mensen op één been balanceren. Wat in plaats daarvan opviel was het bovenlichaam. Veel patiënten, vooral degenen met heupprotheses, leunden hun bovenlichaam naar het steunbeen, een strategie die de werklast op verzwakte heupspieren kan verminderen. De helft van alle deelnemers, en vijf van de zeven met kunstheupen, liet een trunkleuning zien voorbij een conservatieve grenswaarde die in eerder onderzoek werd gebruikt. Veranderingen bij de knie kwamen ook vaak voor: twee derde van de patiënten toonde ten minste een verschuiving van drie graden bij de knie in het frontale vlak, wat suggereert dat de manier waarop de heup omgaat met zwakte krachten verder naar beneden in het been kan herschikken.

Wat de cijfers artsen kunnen bieden

Door bekkenkanteling, trunkleuning en knielijn in cijfers uit te drukken, gaat de AI-geassisteerde benadering verder dan de gebruikelijke ja-of-nee-beoordeling van de Trendelenburg-test. In plaats van simpelweg te zeggen of de test positief of negatief is, kunnen clinici precies vastleggen hoeveel graden het bovenlichaam leunt of het bekken kantelt, en deze waarden in de tijd volgen terwijl patiënten herstellen van een operatie of revalideren. Omdat het systeem een gewone smartphone en een standaard app gebruikt, zou het breed kunnen worden ingevoerd als het nauwkeurig genoeg blijkt. De studie vergeleek de nauwkeurigheid echter niet met hoogwaardige laboratoriumsystemen en includeerde geen gezonde vrijwilligers, dus de resultaten moeten vooral gezien worden als bewijs dat de methode werkbaar is, niet als vervanging van goudstandaardinstrumenten.

Van haalbaarheid naar dagelijkse praktijk

In eenvoudige bewoordingen laat dit onderzoek zien dat een korte smartphonevideo subtiele verschuivingen vast kan leggen in hoe het lichaam op één been balanceert — informatie die met het blote oog moeilijk te kwantificeren is. Patiënten met heupprotheses houden hun bekken vaak vlak door hun bovenlichaam te laten leunen en de stand van hun knie aan te passen, in plaats van het bekken zichtbaar te laten zakken. Met verdere tests in grotere en meer diverse groepen, en met vergelijking met geavanceerde 3D-bewegingssystemen, zou deze eenvoudige opstelling kunnen uitgroeien tot een praktisch middel om heupfunctie te monitoren en veiligere, effectievere revalidatie in gewone klinieken te ondersteunen.

Bronvermelding: 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

Trefwoorden: zwakte van heupabductoren, Trendelenburg-test, AI bewegingsanalyse, totale heupvervanging, loopbeoordeling