Longevity of continuous prosthetic finger control using implanted electromyographic signals without recalibration
Questo studio dimostra che i segnali elettromiografici intramuscolari impiantati possono fornire un controllo continuo, stabile e a lungo termine di dita protesiche sia in una scimmia che in un essere umano senza la necessità di ricalibrare il decoder, poiché gli utenti adattano i propri modelli di attivazione muscolare per mantenere le prestazioni per diversi mesi.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Per milioni di persone che hanno perso un braccio, il sogno di una mano robotica che si senta e si muova come la propria è stato a lungo ostacolato da una frustrante realtà: i segnali che dicono alla mano cosa fare sono spesso troppo rumorosi o troppo fugaci per essere affidabili. Le protesi più comuni di oggi utilizzano sensori applicati sulla pelle per ascoltare l'attività muscolare, ma questi sensori possono scivolare, sudare o perdere contatto, costringendo l'utente a fermare costantemente il dispositivo e ricalibrarlo. Questo frequente bisogno di regolazione, unito alla difficoltà di catturare i segnali profondi e complessi necessari per muovere le singole dita, ha impedito alle mani robotiche avanzate di diventare una soluzione pratica per la vita quotidiana. I ricercatori cercano da tempo una connessione più stabile, una che possa bypassare interamente la pelle e ascoltare direttamente i nervi e i muscoli all'interno dell'arto, sperando di trovare un segnale che rimanga abbastanza costante da controllare una mano senza continue manipolazioni.
In un nuovo studio, gli scienziati hanno compiuto un passo significativo verso quell'obiettivo, dimostrando che una mano robotica può essere controllata in modo continuo per mesi senza mai dover essere ricalibrata. La ricerca ha coinvolto due partecipanti molto diversi: un macaco rhesus con un braccio intatto e una donna che aveva perso la mano destra sotto il gomito. Entrambi avevano minuscoli elettrodi impiantati chirurgicamente in profondità nei muscoli del braccio rimanente. Questi elettrodi erano progettati per ascoltare gli impulsi elettrici che i muscoli inviano quando si contraggono, bypassando la pelle per catturare un segnale più chiaro e diretto. Il team ha insegnato sia alla scimmia che alla donna a controllare una mano virtuale su uno schermo, muovendo due gruppi separati di dita — gli indici su un lato, e il medio, l'anulare e il mignolo sull'altro — per colpire bersagli casuali che apparivano sul display.
I ricercatori hanno prima addestrato un programma informatico per tradurre i segnali muscolari in movimenti delle dita. Hanno testato due diversi tipi di programmi informatici: uno che utilizzava un metodo lineare semplice per indovinare il movimento, e un altro che utilizzava un approccio non lineare più complesso, progettato per apprendere schemi nel tempo. Quando la scimmia ha utilizzato il programma lineare semplice, ha colpito i bersagli con un livello di prestazione pari al 63% della sua mano naturale. La partecipante umana, utilizzando lo stesso tipo di programma semplice, ha raggiunto il 56% della prestazione della sua mano naturale. Sebbene il programma più complesso abbia aiutato la scimmia a performare ancora meglio, ha effettivamente peggiorato il controllo dell'essere umano, suggerendo che per una persona senza una mano, un sistema di controllo più semplice e prevedibile potrebbe essere più facile da apprendere e utilizzare.
La parte più sorprendente dello studio è arrivata in seguito. I ricercatori hanno disattivato la possibilità di riaddestrare il programma informatico e hanno chiesto ai partecipanti di continuare a usare esattamente le stesse impostazioni che avevano ricevuto il primo giorno. Hanno osservato quanto bene la scimmia e la donna potessero eseguire il compito durante i mesi successivi. La scimmia ha usato le stesse impostazioni per 148 giorni, e la donna per 283 giorni. Nonostante i segnali muscolari grezzi cambiassero leggermente da un giorno all'altro, nessuno dei due partecipanti ha mostrato un calo significativo nella propria capacità di controllare le dita virtuali. I loro tassi di successo sono rimasti alti e riuscivano ancora a colpire i bersagli con la stessa velocità e precisione che avevano il primo giorno.
Questa stabilità non è derivata dal fatto che i segnali muscolari stessi fossero rimasti perfettamente identici. In effetti, quando i ricercatori hanno esaminato attentamente i dati grezzi, hanno visto che la forza dei segnali muscolari variava significamente da un giorno all'altro. Invece, la stabilità proveniva dagli utenti stessi. Lo studio ha scoperto che sia la scimmia che la donna regolavano inconsciamente il modo in cui attivavano i loro muscoli per adattarsi allo specifico schema che il computer si aspettava. Anche se i segnali cambiavano, gli utenti hanno imparato a modellare la propria attività muscolare per adattarsi alle istruzioni originali, compensando efficacemente le variazioni quotidiane. Ciò suggerisce che il segreto di una mano protesica affidabile potrebbe non risiedere solo nel trovare un segnale perfetto e immutabile, ma piuttosto nel fare affidamento sulla straordinaria capacità del cervello umano di adattare i propri movimenti per lavorare con lo strumento che gli viene dato.
Le scoperte offrono una via promettente per la tecnologia protesica. Impiantando gli elettrodi direttamente nel muscolo, i ricercatori hanno creato una connessione che è rimasta utile per quasi un anno senza una singola ricalibrazione. Sebbene lo studio sia stato condotto in un ambiente controllato con partecipanti che indossavano cavi collegati a un computer, i risultati suggeriscono che la tecnologia potrebbe eventualmente supportare un uso quotidiano e wireless. Il lavoro evidenzia che il corpo umano non è solo una fonte passiva di segnali, ma un partner attivo nel processo di controllo, capace di apprendere e adattarsi per mantenere una connessione costante con una macchina. Questa scoperta avvicina il campo a un futuro in cui le mani robotiche avanzate possano essere affidate per lavorare in modo affidabile, giorno dopo giorno, senza il costante bisogno di regolazione che le ha tormentate per così tanto tempo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.