Los investigadores han desarrollado una nueva tecnología para decodificar señales neuromusculares para controlar las muñecas y las manos protésicas y motorizadas. El trabajo se basa en modelos informáticos que imitan de cerca el comportamiento de las estructuras naturales en el antebrazo, la muñeca y la mano. La tecnología también podría utilizarse paradesarrollar nuevos dispositivos de interfaz de computadora para aplicaciones como juegos y diseño asistido por computadora CAD.
La tecnología ha funcionado bien en las primeras pruebas, pero aún no ha entrado en ensayos clínicos, lo que hace que esté a años de distancia de la disponibilidad comercial. El trabajo fue dirigido por investigadores en el programa conjunto de ingeniería biomédica de la Universidad Estatal de Carolina del Norte y la Universidad de Carolina del Norteen Chapel Hill.
Las prótesis actuales de última generación se basan en el aprendizaje automático para crear un enfoque de "reconocimiento de patrones" para el control de prótesis. Este enfoque requiere que los usuarios "enseñen" al dispositivo a reconocer patrones específicos de actividad muscular y traducirlos en comandos:- como abrir o cerrar una mano protésica
"El control de reconocimiento de patrones requiere que los pacientes pasen por un largo proceso de entrenamiento de su prótesis", dice He Helen Huang, profesor del programa conjunto de ingeniería biomédica en la Universidad Estatal de Carolina del Norte y la Universidad de Carolina del Norte en Chapel Hill."Este proceso puede ser tedioso y lento".
"Queríamos centrarnos en lo que ya sabemos sobre el cuerpo humano", dice Huang, autor principal de un artículo sobre el trabajo. "Esto no solo es más intuitivo para los usuarios, sino que también es más confiable y práctico.
"Eso se debe a que cada vez que cambia su postura, sus señales neuromusculares para generar el mismo movimiento de mano / muñeca cambian. Por lo tanto, confiar únicamente en el aprendizaje automático significa enseñarle al dispositivo a hacer lo mismo varias veces; una vez para cada postura diferente, una vezpara cuando estás sudado versus cuando no lo estás, y así sucesivamente. Nuestro enfoque pasa por alto la mayor parte de eso "
En cambio, los investigadores desarrollaron un modelo musculoesquelético genérico para el usuario. Los investigadores colocaron sensores de electromiografía en los antebrazos de seis voluntarios sanos, rastreando exactamente qué señales neuromusculares se enviaron cuando realizaron varias acciones con sus muñecas y manos. Estos datosluego se usó para crear el modelo genérico, que tradujo esas señales neuromusculares en comandos que manipulan una prótesis motorizada.
"Cuando alguien pierde una mano, su cerebro se conecta en red como si la mano todavía estuviera allí", dice Huang. "Entonces, si alguien quiere recoger un vaso de agua, el cerebro aún envía esas señales al antebrazo. Nosotrosuse sensores para recoger esas señales y luego transmitir esos datos a una computadora, donde se alimenta a un modelo musculoesquelético virtual. El modelo toma el lugar de los músculos, las articulaciones y los huesos, calculando los movimientos que tendrían lugar si la mano yla muñeca todavía estaba entera. Luego transmite esos datos a la prótesis de muñeca y mano, que realizan los movimientos relevantes de manera coordinada y en tiempo real, más parecidos al movimiento fluido y natural.
"Al incorporar nuestro conocimiento de los procesos biológicos detrás de la generación de movimiento, pudimos producir una nueva interfaz neuronal para prótesis que es genérica para múltiples usuarios, incluido un amputado en este estudio, y es confiable en diferentes posturas de brazo", Huangdice.
Y los investigadores piensan que las aplicaciones potenciales no se limitan a los dispositivos protésicos.
"Esto podría usarse para desarrollar dispositivos de interfaz de computadora para personas sin discapacidad también", dice Huang. "Como dispositivos para juegos o para manipular objetos en programas CAD".
En las pruebas preliminares, tanto los voluntarios sanos como los amputados pudieron usar la interfaz controlada por el modelo para realizar todos los movimientos de mano y muñeca requeridos, a pesar de tener muy poca capacitación.
"Actualmente estamos buscando voluntarios que tengan amputaciones transradiales para ayudarnos a realizar más pruebas del modelo para realizar actividades de la vida diaria", dice Huang. "Queremos obtener comentarios adicionales de los usuarios antes de seguir adelante con los ensayos clínicos".
"Para ser claros, todavía estamos a años de que esto esté disponible comercialmente para uso clínico", enfatiza Huang. "Y es difícil predecir el costo potencial, ya que nuestro trabajo se centra en el software y la mayor parte del costolos amputados estarían en el hardware que realmente ejecuta el programa. Sin embargo, el modelo es compatible con los dispositivos protésicos disponibles ".
Los investigadores también están explorando la idea de incorporar el aprendizaje automático en el modelo musculoesquelético genérico.
"Nuestro modelo hace que el uso de prótesis sea más intuitivo y confiable, pero el aprendizaje automático podría permitir a los usuarios obtener un control más matizado al permitir que el programa conozca las necesidades y preferencias diarias de cada persona y se adapte mejor a un usuario específico a largo plazo", Huangdice.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :