Si has estado al tanto de los últimos avances en robótica sabrás que uno de los principales desafíos durante las últimas décadas ha sido el de desarrollar prótesis confiables, cómodas y funcionales para quienes han perdido alguna de sus extremidades o han nacido sin ellas. Pese a los grandes logros de cierto tipo de robots esta tarea ha demostrado ser de una enorme complejidad. Mucha de las personas que carecen de alguno de sus brazos, por ejemplo, dicen sentirse más cómodos y diestros con la sensibilidad de su muñón, que con la prótesis de turno. Es que recrear la sensibilidad y polivalencia de una mano humana en un sistema mecánico no es para nada simple. La flexibilidad de los músculos y el tacto de los dedos aún están lejos de ser replicados. Aún falta por comprender con precisión qué neuronas se encargan de los movimientos específicos de las articulaciones en nuestra mano, y replicarlo no es nada de fácil.
Pero cada vez hay más indicadores de que esta tarea se puede sacar adelante y una de las principales vías para resolverla es, precisamente, la colaboración y comunicación en tiempo real entre la prótesis y el cerebro, inteligencia artificial aliada a la inteligencia orgánica. Esto es precisamente lo que ha logrado el equipo de la Universidad Aalto, liderado por el candidato a doctoral Dennis Yeung. Desarrollaron y pusieron a prueba un nuevo tipo de tecnología que permite una mejor compatibilidad entre una prótesis y la zona amputada.
Este estudio se realizó en colaboración con el HUS (Hospital Universitario de Helsinki) y el Imperial College de Londres. Los resultados del estudio fueron liberados en febrero mediante la revista de publicaciones científicas IEEE.
En general, las personas a las que se les ha amputado el miembro superior pueden controlar la prótesis robótica contrayendo los músculos que les quedan. La conexión en la que una prótesis detecta las señales eléctricas producidas por el músculo se conoce como interfaz mioeléctrica. Las prótesis más avanzadas utilizan algoritmos de aprendizaje automático que ayudan a interpretar estas señales generadas por el usuario.
Sin embargo, estas conexiones suelen ser muy sensibles a factores externos, como el sudor, y se debilitan con el tiempo. Para resolver este problema, la comunidad investigadora ha propuesto varios algoritmos que podrían adaptarse mejor a las circunstancias cambiantes. Hasta ahora, los sistemas existentes requieren ajustes u otras medidas por parte del usuario, lo que suele reducir la efectividad y adaptabilidad del dispositivo, pero Yeung y su equipo desarrollaron un sistema totalmente automatizado que aprende durante el uso normal y se adapta así a las condiciones variables.
"En este sistema, el usuario y el sistema aprenden el uno del otro simultáneamente. Esto tiene ventajas potenciales para mejorar la comodidad y la solidez de las prótesis robóticas", afirma Yeung. Así es, otra demostración de colaboración entre la inteligencia artificial y el cerebro humano para mejorar, en este caso, la experiencia del uso de una prótesis.
Prótesis más fiables
Los resultados de la investigación se probaron en un entorno virtual en el que se compararon con los sistemas existentes en la actualidad. Después de estas exitosas pruebas, el equipo de investigación probó la interfaz de usuario con una prótesis de última generación en el Imperial College de Londres haciendo que un amputado realizara las pruebas de reubicación Clothespin, muy utilizadas por los fisioterapeutas para evaluar la función de las extremidades superiores.
Uno de los grandes obstáculos para los pacientes en genera es que las prótesis adaptativas son bastante caras. Es por esto que incrementar la fiabilidad de los sistemas reduce los riesgos financieros para los individuos y las instituciones sanitarias públicas a la hora de obtener prótesis. La funcionalidad del sistema se ha estudiado con pruebas controladas y estandarizadas, pero las necesidades de los usuarios se pueden determinar mejor con estudios longitudinales cualitativos.
"Para el desarrollo futuro, es muy importante seguir colaborando con los centros sanitarios y los usuarios de las prótesis", afirma Yeung.
En el estudio se llegó a la conclusión de que la UAM –el sistema de miocontrol adaptativo no supervisado, con que funciona la prótesis- ofrece mejoras de robustez comparables a las de las interfaces de miocontrol adaptativo supervisado existentes, a la vez que proporciona ventajas prácticas adicionales para la implantación clínica. Su importancia radica en que “el sistema propuesto incorpora de forma única los principios de control neuromuscular con métodos de aprendizaje en línea no supervisados y presenta un ejemplo de funcionamiento de una interfaz biónica libremente coadaptativa.”
Esta investigación se suma a otras que demuestran cómo los algoritmos de aprendizaje profundo pueden cooperar con prótesis para que éstas tengan un mayor rango de percepción y sean más fáciles de usar para los usuarios. Una de ellas, de la que hablamos en otro artículo, fue publicada en Cyborg and Bionic Systems, en noviembre del 2021, por un equipo de ingeniería eléctrica en la Universidad Tecnológica de Shenyang. Es solo uno de los precedentes. Parece ser que a medida que avance la colaboración entre prótesis e inteligencia artificial veremos mucho más progreso en esta dirección de aprendizaje sinérgico entre el usuario, su cerebro y los algoritmos de la prótesis.
No cabe descartar que, en un futuro cercano, Neuralink, la empresa que desarrolla interfaces cerebro-computador, cofundada por Elon Musk, se una a la labor de manejar este tipo de prótesis permitiendo una comunicación mucho más rápida, precisa y fiable entre las redes neuronales involucradas en los movimientos de las extremidades y la prótesis del usuario. Todo esto se trata de adquirir mayor comprensión sobre el funcionamiento de las redes neuronales que rigen este proceso y en cómo tender un puente informativo, mediante impulsos eléctricos, entre las neuronas y la prótesis, lo que podría lograr el Link, el dispositivo de Neuralink. Lo que parece claro es que el futuro de las personas amputadas parece cada vez con más opciones, gracias a los avances de la ciencia, de recobrar la funcionalidad y destreza que tendrían con una mano natural gracias a prótesis cada vez más eficientes y avanzadas.
