Neuroprótesis con AI y control humano para crear los movimientos de la mano
Un equipo de científicos de la École Polytechnique Fédérale de Lausanne (EPFL) en Suiza ha combinado el control humano y la robótica de IA para mejorar los movimientos de las prótesis, una primicia mundial para este método de prótesis neurales.
¿Qué es la neuroprótesis?
El término formal es prótesis neuronales. Estos tipos de prótesis estimulan el sistema nervioso de una persona a través de la estimulación eléctrica para compensar las deficiencias que se interponen en el camino de las habilidades motoras generales. Estos pueden incluir cognición, audición, visión, comunicación o habilidades sensoriales.
Los diferentes tipos de neuroprótesis incluyen interfaces cerebro-ordenador (BCI), estimulación cerebral profunda, estimuladores de la médula espinal (SCS), implantes de control de la vejiga y marcapasos cardíacos.
Este nuevo descubrimiento es un gran salto adelante en el mundo de las prótesis. Sólo en los Estados Unidos, aproximadamente dos millones de estadounidenses son amputados, con alrededor de 185.000 amputaciones realizadas cada año.
Según un informe del National Limb Loss Information Center, la mayoría de las amputaciones son causadas por enfermedades vasculares. La enfermedad representa el 82% de las amputaciones.
Si el estudio de neuroprótesis puede moverse lo más cerca posible de una extremidad humana normal, cambiaría la forma en que viven muchos amputados, haciendo su vida mucho más fácil.
El equipo de la EPFL y su equipo de neuroprotesis
Actualmente, existen prótesis comerciales, también conocidas como prótesis myoeléctricas, que pueden moverse gracias a los vínculos con los movimientos musculares del usuario. Sin embargo, la destreza de una mano protésica no se acerca en nada a la de una mano humana intacta.
Los investigadores de la EPFL escribieron: «Aunque intuitivo, el sistema proporciona poca destreza. La gente abandona las prótesis mioeléctricas en tasas altas, en parte porque sienten que el nivel de control es insuficiente para merecer el precio y la complejidad de estos dispositivos». Así que tomaron el asunto en sus propias manos.
El equipo de investigación combinó la neuroingeniería, la robótica y la inteligencia artificial para semiautomatizar una parte del comando motor para un «control compartido».
Luego, el equipo perfeccionó el diseño de los algoritmos de software. Esto incluía un hardware robótico consistente en un Allegro Hand montado en un robot KUKA IIWA 7, un sistema de cámara OptiTrack y sensores de presión TEKSCAN.
Luego, el equipo creó un perceptrón multicapa (MLP) para aprender a leer la intención del usuario.
Katie Zhuang, primera autora del estudio y del Laboratorio de Ingeniería Neural Traslacional de la EPFL, dijo:
«Para un amputado, en realidad es muy difícil contraer los músculos de muchas, muchas maneras diferentes para controlar todas las formas en que se mueven nuestros dedos».
Zhuang continuó:
«Lo que hacemos es poner estos sensores en el muñón que les queda, y luego registrarlos e intentar interpretar cuáles son las señales de movimiento. Debido a que estas señales pueden ser un poco ruidosas, lo que necesitamos es este algoritmo de aprendizaje de la máquina que extrae la actividad significativa de esos músculos y los interpreta en movimientos. Y estos movimientos son los que controlan cada dedo de las manos robóticas».
Más info Psychologytoday