Verbesserte Lebensqualität Handprothese wird von Algorithmen und 128 Sensoren gesteuert

Anbieter zum Thema

FAULHABER Antriebssysteme

MES Electronic Connect GmbH & Co. KG

IBR Leiterplatten GmbH & Co. KG

Forscher haben eine Methode entwickelt, mit der Patienten eine Handprothese natürlicher im Alltag einsetzen können. KI und Folien mit 128 Sensoren helfen dabei. Voraussetzung ist ein besseres Verständnis der Muskelativitätsmuster.

Aktuelle Handprothesen werden in der Regel mit einer App oder Sensoren am Unterarm gesteuert. Diese Steuerungsmethoden sind jedoch nicht immer intuitiv und natürlich. Ein neues System, das von Forschern der Technischen Universität München (TUM) entwickelt wurde, könnte die Probleme lösen.

Beispielsweise können durch Aktivierung des Beugemuskels (Flexor) im Handgelenk die Finger der künstlichen Hand geschlossen werden, um einen Stift zu greifen. Wird der Streckmuskel (Extensor) im Handgelenk angespannt, lässt die Hand den Stift wieder los. Werden beide Muskeln gleichzeitig angespannt, können einzelne Finger bewegt werden. „Diese Bewegungen muss ein Patient während der Rehabilitation lernen“, sagt Cristina Piazza, Professorin für Medizin- und Rehabilitationsrobotik an der TUM. Ihr Forschungsteam hat nun gezeigt, dass künstliche Intelligenz helfen kann, eine Handprothese intuitiver zu bedienen als bisher. Das Geheimnis liegt im Synergieprinzip und in der Unterstützung durch 128 Sensoren am Unterarm.

Das Gehirn aktiviert eine Gruppe von Muskelzellen

Was ist mit dem Synergieprinzip gemeint? „Aus neurowissenschaftlichen Studien wissen wir, dass bestimmte Muster in Experimenten immer wieder auftreten, sowohl in der Kinematik als auch in der Muskelaktivierung“, sagt Prof. Piazza. Diese Muster geben Hinweise darauf, wie das menschliche Gehirn mit der Komplexität biologischer Systeme umgeht. Das Gehirn aktiviert eine Gruppe von Zellen gleichzeitig.

So ist es auch im Unterarm. Piazza: „Wenn wir mit der Hand einen Gegenstand greifen wollen, zum Beispiel einen Ball, bewegen wir unsere Finger synchron und sie passen sich sofort der Form des Gegenstandes an, sobald er berührt wird.“ Dieses Prinzip nutzen die Forscher, um mit neuen Lernalgorithmen künstliche Hände zu konstruieren und zu steuern.

Für Menschen sind intuitive Bewegungen ganz normal: Aus der Sicht eines Roboters sieht das anders aus. Wenn eine künstliche Hand nach einem Stift greift, führt sie viele Einzelschritte nacheinander aus. Zuerst bestimmt sie, von wo aus sie greifen will. Dann führt sie langsam die Finger zusammen, bevor sie schließlich den Stift greift. Ziel der Forscherinnen und Forscher ist es, daraus eine einzige, fließende Bewegung zu machen. „Mit maschinellem Lernen können wir die Steuerung anpassungsfähiger machen“, sagt Patricia Capsi Morales, Senior Scientist im Team von Prof. Piazza.

Muster aus 128 Kanälen analysieren

Experimente mit dem neuen Ansatz deuten bereits darauf hin, dass herkömmliche Steuerungsmethoden bald durch fortschrittlichere Strategien unterstützt werden könnten. Um zu untersuchen, was auf der Ebene des zentralen Nervensystems geschieht, arbeiten die Forscher mit zwei Sensorfolien: eine für die Innen- und eine für die Außenseite des Unterarms. Jede Folie enthält bis zu 64 Sensoren. Die Sensoren werden an der Haut des Prothesenträgers angebracht. Dabei handelt es sich um sogenannte Elektromyographie-Sensoren (EMG-Sensoren). Sie messen die elektrische Aktivität von Muskeln.

Die Methode schätzt auch ab, welche elektrischen Signale die Motoneuronen im Rückenmark übertragen haben. „Je mehr Sensoren wir verwenden, desto besser können wir Informationen von verschiedenen Muskelgruppen erfassen und herausfinden, welche Muskelaktivierungen für welche Handbewegungen verantwortlich sind“, erläutert Prof. Piazza. Je nachdem, ob ein Mensch eine Faust macht, einen Stift greift oder ein Marmeladenglas öffnen will, ergeben sich laut Forscherin Capsi Morales „charakteristische Merkmale der Muskelsignale“ – eine Voraussetzung für intuitive Bewegungen.

Acht von zehn Personen bevorzugen die intuitive Methode

Die aktuelle Forschung konzentriert sich auf die Bewegung des Handgelenks und der gesamten Hand. Sie zeigt, dass acht von zehn Menschen die intuitive Bewegung von Handgelenk und Hand bevorzugen. Das ist zudem der effizientere Weg. Dennoch: Zwei von zehn Personen lernen, mit der weniger intuitiven Methode umzugehen und werden am Ende sogar präziser.

„Unser Ziel ist es, den Lerneffekt zu untersuchen und die richtige Lösung für jeden Patienten zu finden“, erläutert Capsi Morales. „Dies ist ein Schritt in die richtige Richtung“, sagt Prof. Piazza, die betont, dass jedes System aus individueller Mechanik und Eigenschaften der Hand, speziellem Training mit Patienten, der Interpretation und Analyse sowie maschinellem Lernen besteht.

Fortgeschrittene Steuerung von künstlichen Händen

Es stehen noch einige Herausforderungen bevor: Der Lernalgorithmus, der auf den Informationen der Sensoren basiert, muss jedes Mal neu trainiert werden, wenn die Folie verrutscht oder entfernt wird. Außerdem müssen die Sensoren mit einem Gel präpariert werden, um die notwendige Leitfähigkeit zu gewährleisten. Nur so können die Signale der Muskeln präzise aufgezeichnet werden.

„Wir nutzen Signalverarbeitungstechniken, um das Rauschen herauszufiltern und verwertbare Signale zu erhalten“, sagt Capsi Morales weiter. Jedes Mal, wenn ein neuer Patient die Manschette mit den vielen Sensoren am Unterarm trägt, muss der Algorithmus zunächst die Aktivierungsmuster für jede Bewegungssequenz identifizieren, um später die Absicht des Benutzers zu erkennen und sie in Befehle für die künstliche Hand zu übersetzen.

Referenz

Tse, K. C., Capsi-Morales, P., Castaneda, T. S., Piazza, C., "Exploring Muscle Synergies for Performance Enhancement and Learning in Myoelectric Control Maps." IEEE International Conference on Rehabilitation Robotics 2023.

(ID:49832080)