I ricercatori hanno sviluppato una nuova tecnologia per decodificare i segnali neuromuscolari per controllare l'alimentazione, polsi e mani protesici. Il lavoro si basa su modelli al computer che imitano da vicino il comportamento delle strutture naturali nell'avambraccio, polso e mano. La tecnologia potrebbe anche essere utilizzata per sviluppare nuovi dispositivi di interfaccia per computer per applicazioni come giochi e progettazione assistita da computer (CAD).

La tecnologia ha funzionato bene nei primi test, ma non è ancora entrata nelle sperimentazioni cliniche, il che la rende ad anni di distanza dalla disponibilità commerciale. Il lavoro è stato condotto da ricercatori del programma congiunto di ingegneria biomedica presso la North Carolina State University e la University of North Carolina a Chapel Hill.

Le attuali protesi all'avanguardia si basano sull'apprendimento automatico per creare un approccio di "riconoscimento del modello" al controllo della protesi. Questo approccio richiede agli utenti di "insegnare" al dispositivo a riconoscere modelli specifici di attività muscolare e a tradurli in comandi, come l'apertura o la chiusura di una mano protesica.

"Il controllo del riconoscimento del modello richiede che i pazienti attraversino un lungo processo di formazione della loro protesi, " dice He (Helen) Huang, un professore nel programma congiunto di ingegneria biomedica presso la North Carolina State University e la University of North Carolina a Chapel Hill. "Questo processo può essere sia noioso che dispendioso in termini di tempo.

"Volevamo concentrarci su ciò che già sappiamo del corpo umano, "dice Huang, che è autore senior di un articolo sull'opera. "Questo non è solo più intuitivo per gli utenti, è anche più affidabile e pratico.

"Questo perché ogni volta che cambi postura, i tuoi segnali neuromuscolari per generare lo stesso cambiamento di movimento della mano/polso. Quindi affidarsi esclusivamente all'apprendimento automatico significa insegnare al dispositivo a fare la stessa cosa più volte; una volta per ogni postura diversa, una volta per quando sei sudato contro quando non lo sei, e così via. Il nostro approccio aggira la maggior parte di questo."

Anziché, i ricercatori hanno sviluppato uno user-generic, modello muscolo-scheletrico. I ricercatori hanno posizionato sensori di elettromiografia sugli avambracci di sei volontari normodotati, tracciando esattamente quali segnali neuromuscolari sono stati inviati quando hanno eseguito varie azioni con i polsi e le mani. Questi dati sono stati poi utilizzati per creare il modello generico, che ha tradotto quei segnali neuromuscolari in comandi che manipolano una protesi motorizzata.

"Quando qualcuno perde una mano, il loro cervello è collegato in rete come se la mano fosse ancora lì, " dice Huang. "Allora, se qualcuno vuole prendere un bicchiere d'acqua, il cervello invia ancora quei segnali all'avambraccio. Usiamo sensori per captare quei segnali e poi trasmettere quei dati a un computer, dove viene immesso in un modello muscoloscheletrico virtuale. Il modello prende il posto dei muscoli, articolazioni e ossa, calcolando i movimenti che avverrebbero se la mano e il polso fossero ancora interi. Quindi trasmette quei dati al polso e alla mano protesici, che eseguono i movimenti rilevanti in modo coordinato e in tempo reale, più simile a un fluido, movimento naturale.

"Incorporando la nostra conoscenza dei processi biologici alla base della generazione del movimento, siamo stati in grado di produrre una nuova interfaccia neurale per protesi generica per più utenti, incluso un amputato in questo studio, ed è affidabile in diverse posizioni del braccio, " dice Huang.

E i ricercatori pensano che le potenziali applicazioni non siano limitate ai dispositivi protesici.

"Questo potrebbe essere usato per sviluppare dispositivi di interfaccia per computer anche per persone abili, " dice Huang. "Come dispositivi per il gioco o per manipolare oggetti nei programmi CAD".

Nelle prove preliminari, sia i volontari normodotati che quelli amputati sono stati in grado di utilizzare l'interfaccia controllata dal modello per eseguire tutti i movimenti richiesti della mano e del polso, nonostante abbiano avuto un addestramento molto limitato.

"Attualmente stiamo cercando volontari che abbiano amputazioni transradiali per aiutarci con ulteriori test del modello per svolgere attività della vita quotidiana, " Huang dice. "Vogliamo ottenere ulteriori feedback dagli utenti prima di procedere con le sperimentazioni cliniche.

"Per essere chiari, siamo ancora lontani anni dall'averlo disponibile in commercio per uso clinico, " sottolinea Huang. "Ed è difficile prevedere il costo potenziale, poiché il nostro lavoro è focalizzato sul software, e la maggior parte del costo per gli amputati sarebbe nell'hardware che esegue effettivamente il programma. Però, il modello è compatibile con i dispositivi protesici disponibili."

I ricercatori stanno anche esplorando l'idea di incorporare l'apprendimento automatico nel modello muscoloscheletrico generico.

"Il nostro modello rende l'uso protesico più intuitivo e affidabile, ma l'apprendimento automatico potrebbe consentire agli utenti di ottenere un controllo più sfumato consentendo al programma di apprendere le esigenze e le preferenze quotidiane di ogni persona e adattarsi meglio a un utente specifico a lungo termine, " dice Huang.

La carta, "Controllo mioelettrico basato su un modello muscoloscheletrico generico:verso un'interfaccia neurale-macchina multiutente, " è pubblicato sulla rivista Transazioni IEEE su sistemi neurali e ingegneria della riabilitazione .