Ricercatori della North Carolina State University, l'Università della Carolina del Nord e l'Arizona State University hanno sviluppato un sistema intelligente per "sintonizzare" le ginocchia protesiche motorizzate, consentendo ai pazienti di camminare comodamente con il dispositivo protesico in pochi minuti, piuttosto che le ore necessarie se il dispositivo è messo a punto da un medico esperto. Il sistema è il primo a fare affidamento esclusivamente sull'apprendimento per rinforzo per mettere a punto la protesi robotica.

Quando un paziente riceve una protesi di ginocchio robotica, il dispositivo deve essere sintonizzato per adattarsi a quel paziente specifico. Il nuovo sistema di sintonizzazione modifica 12 diversi parametri di controllo, affrontare le dinamiche protesiche, come rigidità articolare, durante l'intero ciclo del passo.

Normalmente, un professionista umano lavora con il paziente per modificare una manciata di parametri. Questo può richiedere ore. Il nuovo sistema si basa su un programma per computer che utilizza l'apprendimento per rinforzo per modificare tutti i 12 parametri. Consente ai pazienti di utilizzare una protesi di ginocchio motorizzata per camminare su una superficie piana in circa 10 minuti.

"Iniziamo dando a un paziente una protesi di ginocchio motorizzata con una serie di parametri selezionati casualmente, "dice Helen Huang, co-autore di un documento sul lavoro e professore presso il Dipartimento congiunto di ingegneria biomedica presso NC State e UNC. "Poi facciamo in modo che il paziente inizi a camminare, in circostanze controllate.

"I dati sul dispositivo e sull'andatura del paziente vengono raccolti tramite una serie di sensori nel dispositivo, " Huang dice. "Un modello al computer adatta i parametri sul dispositivo e confronta l'andatura del paziente con il profilo di una normale deambulazione in tempo reale. Il modello può indicare quali impostazioni dei parametri migliorano le prestazioni e quali le riducono. Utilizzando l'apprendimento per rinforzo, il modello computazionale può identificare rapidamente l'insieme di parametri che consente al paziente di camminare normalmente. Approcci esistenti, affidarsi a medici preparati, può durare mezza giornata."

Mentre il lavoro è attualmente svolto in un ambiente controllato, contesto clinico, un obiettivo sarebbe quello di sviluppare una versione wireless del sistema, che consentirebbe agli utenti di continuare a mettere a punto i parametri della protesi motorizzata quando viene utilizzata in ambienti reali.

"Questo lavoro è stato svolto per scenari in cui un paziente cammina su una superficie piana, ma in linea di principio potremmo anche sviluppare controller di apprendimento per rinforzo per situazioni come salire o scendere le scale, " dice Jennie Si, co-autore dell'articolo e professore di elettricità, ingegneria informatica ed energetica all'ASU.

"Ho lavorato sull'apprendimento per rinforzo dal punto di vista del controllo del sistema dinamico, che tiene conto del rumore del sensore, interferenze dall'ambiente, e la richiesta di sicurezza e stabilità del sistema, " Si dice. "Ho riconosciuto la sfida senza precedenti di imparare a controllare, in tempo reale, un dispositivo protesico che è contemporaneamente influenzato dall'utente umano. Questo è un problema di co-adattamento che non ha una soluzione prontamente disponibile né dai progetti di controllo classici né dall'attuale, robot controllati per l'apprendimento di rinforzo all'avanguardia. Siamo entusiasti di scoprire che il nostro algoritmo di controllo dell'apprendimento per rinforzo ha effettivamente imparato a far funzionare il dispositivo protesico come parte di un corpo umano in un ambiente di applicazioni così entusiasmante".

Huang afferma che i ricercatori sperano di rendere il processo ancora più efficiente. "Per esempio, pensiamo di poter migliorare il processo identificando combinazioni di parametri che hanno più o meno probabilità di successo, e addestrare il modello a concentrarsi prima sulle impostazioni dei parametri più promettenti".

I ricercatori osservano che, mentre questo lavoro è promettente, molte domande devono essere affrontate prima che sia disponibile per un uso diffuso.

"Per esempio, l'obiettivo della messa a punto della protesi in questo studio è soddisfare il movimento normativo del ginocchio nel camminare, " Huang dice. "Non abbiamo preso in considerazione altre prestazioni dell'andatura (come la simmetria dell'andatura) o le preferenze dell'utente. Per un altro esempio, il nostro metodo di tuning può essere utilizzato per mettere a punto il dispositivo al di fuori delle cliniche e dei laboratori per rendere il sistema adattabile nel tempo alle esigenze dell'utente. Però, dobbiamo garantire la sicurezza nell'uso nel mondo reale poiché errori nel controllo potrebbero portare a inciampi e cadute. Sono necessari ulteriori test per dimostrare la sicurezza".

I ricercatori osservano inoltre che, se il sistema si dimostra efficace ed entra in un uso diffuso, probabilmente ridurrebbe i costi per i pazienti limitando la necessità per i pazienti di effettuare visite cliniche per lavorare con i professionisti.

La carta, "Controllo online dell'apprendimento del rinforzo per la personalizzazione di una protesi di ginocchio robotica, " è pubblicato sulla rivista Transazioni IEEE sulla cibernetica .