Validierung und Evaluation einer Künstlichen Intelligenz für Übungsempfehlungen bei Patient*innen mit muskuloskelettalen Erkrankungen

Abstract

Abstract (Deutsch): Muskuloskelettale Erkrankungen (MSK) zählen weltweit zu den häufigsten Ursachen chronischer Schmerzen und funktioneller Einschränkungen. Digitale Gesundheitsanwendungen mit künstlicher Intelligenz (KI) bieten einen innovativen Ansatz zur individualisierten Bewegungstherapie, sind jedoch bislang unzureichend evidenzbasiert evaluiert. Die vorliegende kumulative Dissertation untersucht die Validität, Sicherheit und Wirksamkeit des KI-basierten Expertensystems medico der medicalmotion App anhand von drei aufeinander aufbauenden empirischen Studien. Studie I zeigte, dass medico Kontraindikationen für eine eigenständige Übungstherapie zuverlässig identifiziert und dabei eine hohe Übereinstimmung mit physiotherapeutischen Bewertungen erzielte (κ~pooled~ = 0,63; Sensitivität, Spezifität, Genauigkeit und F1-Score = 1,0). In Studie II wurden 99,9 % der KI-generierten Übungsempfehlungen bei maximalem Beurteilerkonsens als risikofrei eingestuft, wobei eine erhebliche interindividuelle Variabilität in den physiotherapeutischen Risikobewertungen beobachtet wurde. Studie III ergab nach einer achtwöchigen appbasierten Intervention bei Patient*innen mit Rückenschmerzen eine signifikante Reduktion der Schmerzintensität sowie eine Verbesserung des subjektiven Wohlbefindens. Die Ergebnisse belegen das Potenzial KI-gestützter Systeme als sichere und wirksame Ergänzung in der bewegungstherapeutischen Versorgung von MSK-Patient*innen, verweisen jedoch auf den weiteren Bedarf prospektiver, randomisiert-kontrollierter Studien sowie auf ethische und regulatorische Herausforderungen bei der klinischen Implementierung.

Abstract (English): Musculoskeletal disorders (MSDs) are among the most common causes of chronic pain and functional limitation worldwide. Artificial intelligence (AI)-driven digital health applications offer an innovative approach to individualized exercise therapy, yet robust evidence-based evaluation remains limited. This cumulative dissertation examines the validity, safety, and effectiveness of the AI-based expert system medico, integrated into the medicalmotion app, across three consecutive empirical studies. Study I demonstrated that medico reliably identifies contraindications to independent exercise therapy, showing high agreement with physiotherapists' assessments (κ~pooled~ = 0.63; sensitivity, specificity, accuracy, and F1-score = 1.0). In Study II, 99.9% of AI-generated exercise recommendations were classified as risk-free under maximum rater consensus, while substantial inter-individual variability in physiotherapists' risk ratings was observed. Study III found that an eight-week app-based intervention in patients with spinal pain led to a significant reduction in pain intensity and improvement in subjective well-being. Collectively, the findings support the potential of AI-assisted systems as a safe and effective complement in exercise-based care for patients with MSDs, while highlighting the need for prospective randomized controlled trials and addressing ongoing ethical and regulatory challenges in clinical implementation.