Onderzoekers van de Florida Atlantic University hebben een prothesesysteem ontwikkeld dat zich aanpast aan de unieke spierpatronen van individuele gebruikers. De combinatie van een op maat gemaakte draagbare sensorhuls en een individueel getraind AI-model moet de aansturing van een robotprothese natuurlijker en betrouwbaarder maken.
Het systeem begint met een 3D-scan van de restarm van de gebruiker, waarna een gepersonaliseerde 3D-geprinte huls wordt vervaardigd. In de huls zijn zachte, flexibele magnetische sensoren geïntegreerd die subtiele veranderingen in de vorm en druk van de spieren registreren wanneer de gebruiker hand- en polsbewegingen probeert uit te voeren. Op basis van deze signalen vertaalt een individueel AI-model de bewegingsintentie in realtime naar besturing van een robotische hand.
In een studie met tien deelnemers, onder wie drie personen met een bovenste ledemaatamputatie, wist het systeem negentien verschillende hand- en polsgebaren in realtime te classificeren. De onderzoekers rapporteren dat de prothese tijdens herhaald gebruik consistent en betrouwbaar presteerde. De resultaten zijn gepubliceerd in IEEE Transactions on Neural Systems and Rehabilitation Engineering.
Om de duurzaamheid van het systeem te testen, ondergingen de sensoren meer dan 7.500 mechanische belastingscycli gedurende meerdere uren. Daarbij bleven de gemeten signalen stabiel en nauwkeurig, zonder merkbare achteruitgang in prestaties. Volgens de onderzoekers behielden de sensoren hun nauwkeurigheid, reproduceerbaarheid en reactiesnelheid, eigenschappen die essentieel zijn voor praktische toepassingen van protheses.
Uit het onderzoek blijkt bovendien dat er geen universele sensorconfiguratie bestaat. Sommige deelnemers behaalden de hoogste nauwkeurigheid met achttien sensoren, terwijl anderen betere resultaten bereikten met vierentwintig sensormodules. De optimale configuratie hing samen met de anatomie van de gebruiker, de aard van de amputatie en de resterende spierfunctie. In meerdere gevallen werd een nauwkeurigheid van meer dan 90 procent voor verschillende handgebaren bereikt wanneer de plaatsing van de sensoren specifiek was afgestemd op de restarm.
Hoofdauteur Erik Engeberg stelt dat prothesebesturing niet volgens een standaardbenadering kan worden ontwikkeld, omdat iedere gebruiker een uniek bewegingspatroon heeft. Volgens hem brengt de combinatie van gepersonaliseerde draagbare sensoren en individuele AI-modellen protheses dichter bij een natuurlijke, realtime aansturing op basis van de intentie van de gebruiker.
Het onderzoek leverde daarnaast een gedeelde dataset op met gegevens van zowel amputees als niet-amputees, die beschikbaar wordt gesteld voor verder wetenschappelijk onderzoek.
Volgens schattingen leven in de Verenigde Staten ongeveer 2,1 miljoen mensen met een ledemaatamputatie. Jaarlijks vinden er circa 185.000 amputaties plaats. Wereldwijd gaat het om meer dan 50 miljoen mensen. Vooral amputaties van de bovenste ledematen vormen een uitdaging vanwege de complexiteit van natuurlijke hand- en vingerbewegingen.
