Sneller revalideren dankzij laagdrempelige bewegingsanalyse voor specialisten

Iedere dag zetten we een start-up in de spotlight. Vandaag het Utrechtse Moveshelf. Deze start-up ontwikkelt software die bewegingsanalyses voor iedereen in de zorg beschikbaar maakt. Van fysio tot bewegingswetenschapper. We spreken met Ignazio Aleo, een van de twee oprichters van Moveshelf.

Hoe zijn jullie op het idee gekomen?

“Alles is tegenwoordig digitaal. Boeken, films, muziek en foto’s. Hierin zagen we ook kansen voor menselijke beweging. Bewegingsanalyses worden nu vooral toegepast bij complexe en zware gevallen. Dat komt omdat het digitaliseren en goede data uit markers of videobeelden halen complex is. Ieder systeem heeft weer andere software en het koppelen van verschillende systemen is erg lastig.

Dit zien wij als kans. Waarom kan een fysiotherapeut die iemand begeleidt met een voetbalblessure hier geen gebruik van maken? Of een arts die een oudere helpt na een nieuwe heup? Wij zorgen er met onze software voor dat zorgverleners meer inzicht krijgen in beweging. Hiermee kunnen ze een geschiktere behandeling kiezen en erger voorkomen.”

Waarom is dit nodig?

“De maatschappelijke en economische impact van bijvoorbeeld artrose zijn enorm. Ouderen met versleten gewrichten die een nieuwe knie of heup krijgen moeten lang revalideren en de kosten voor de gezondheidszorg lopen flink op. Maar de technologie die nu wordt gebruikt voor bewegingsanalyses is nog niet heel effectief in een klinische omgeving omdat de data lastig toegankelijk is. Terwijl je wel 3D-camera’s of marker-pakken, die ook worden gebruikt in de filmindustrie voor special effects, ziet in labs die bijvoorbeeld onderzoek doen naar Parkinson. Wij willen ervoor zorgen dat deze technologie ook in een ziekenhuis of bij een fysiotherapeut gebruikt kan worden.”

Hoe doen jullie dat?

“Onze software kan met verschillende systemen, sensoren en apparaten gebruikt worden. We zorgen ervoor dat artsen makkelijker hun werk kunnen doen en ze hun behandeling op een datagedreven manier kunnen uitvoeren. Met machine learning kunnen we op basis van videobeelden bewegingsanalyses maken die je normaal alleen kunt maken met allerlei extra apparatuur en sensoren. We maken bewegingsanalyses toegankelijker, minder complex en tijdrovend.”

Wat is jullie uiteindelijke doel?

“Ervoor zorgen dat bewegingsanalyses veel breder kunnen worden toegepast. Hierdoor kunnen artsen veel meer leren over bewegingen, het zorgt voor meer kennis. Nu focussen we ons vooral op artsen, we werken hiervoor samen met verschillende ziekenhuizen en klinieken. Maar in de toekomst willen we ook kijken hoe we metingen vanuit huis kunnen doen met sporthorloges. Ook dit zal zorgen voor meer kennis over menselijk bewegen.”