Para las personas que han sufrido un neurotrauma como un derrame cerebral, las tareas cotidianas pueden ser extremadamente desafiantes debido a la disminución de la coordinación y la fuerza en una o ambas extremidades superiores. Estos problemas han estimulado el desarrollo de dispositivos robóticos para ayudar a mejorar sus capacidades. Sin embargo, la naturaleza rígida de estos dispositivos de asistencia puede ser problemática, especialmente para tareas más complejas como tocar un instrumento musical.
Un guante robótico, el primero de su tipo, está dando una «mano» y brindando esperanza a los pianistas que han sufrido un accidente cerebrovascular incapacitante. Desarrollado por investigadores de la Facultad de Ingeniería y Ciencias de la Computación de Florida Atlantic University, el exoesqueleto de mano robótica suave utiliza inteligencia artificial para mejorar la destreza de la mano.
Combinando sensores táctiles flexibles, actuadores suaves e IA, este guante robótico es el primero en «sentir» la diferencia entre las versiones correctas e incorrectas de la misma canción y en combinar estas características en un exoesqueleto de una sola mano.
«Tocar el piano requiere movimientos complejos y altamente calificados, y las tareas de reaprendizaje implican la restauración y el reentrenamiento de movimientos o habilidades específicas», dijo Erik Engeberg, Ph.D., autor principal, profesor en el Departamento de Ingeniería Mecánica y Oceánica de la FAU dentro de la Facultad de Ingeniería y Ciencias de la Computación, y miembro del Centro de Sistemas Complejos y Ciencias del Cerebro de la FAU y del Instituto del Cerebro Stiles-Nicholson de la FAU. «Nuestro guante robótico está compuesto por sensores y materiales suaves y flexibles que brindan apoyo y asistencia a las personas para que vuelvan a aprender y recuperar sus habilidades motoras».
Los investigadores integraron conjuntos de sensores especiales en cada punta de los dedos del guante robótico. A diferencia de los exoesqueletos anteriores, esta nueva tecnología proporciona una fuerza y una guía precisas para recuperar los movimientos finos de los dedos necesarios para tocar el piano. Al monitorear y responder a los movimientos de los usuarios, el guante robótico ofrece retroalimentación y ajustes en tiempo real, lo que facilita que comprendan las técnicas de movimiento correctas.
Para demostrar las capacidades del guante robótico, los investigadores lo programaron para sentir la diferencia entre las versiones correctas e incorrectas de la conocida melodía «Mary Had a Little Lamb», tocada en el piano. Para introducir variaciones en la interpretación, crearon un grupo de 12 tipos diferentes de errores que podían ocurrir al principio o al final de una nota, o debido a errores de tiempo prematuros o retrasados, y que persistían durante 0,1, 0,2 o 0,3. segundos. Diez variaciones de canciones diferentes consistieron en tres grupos de tres variaciones cada uno, más la canción correcta tocada sin errores.
Para clasificar las variaciones de la canción, se entrenaron los algoritmos Random Forest (RF), K-Nearest Neighbor (KNN) y Artificial Neural Network (ANN) con datos de los sensores táctiles en las yemas de los dedos. Sentir las diferencias entre las versiones correctas e incorrectas de la canción se hizo con el guante robótico de forma independiente y mientras lo usaba una persona. Se comparó la precisión de estos algoritmos para clasificar las variaciones de canciones correctas e incorrectas con y sin el sujeto humano.
Resultados del estudio, publicados en la revista Fronteras en robótica e IA, demostró que el algoritmo ANN tenía la precisión de clasificación más alta del 97,13 % con el sujeto humano y del 94,60 % sin el sujeto humano. El algoritmo determinó con éxito el porcentaje de error de una determinada canción, así como también identificó las pulsaciones de teclas que estaban fuera de tiempo. Estos hallazgos resaltan el potencial del guante robótico inteligente para ayudar a las personas discapacitadas a volver a aprender tareas diestras como tocar instrumentos musicales.
Los investigadores diseñaron el guante robótico utilizando stents de ácido polivinílico impresos en 3D y fundición de hidrogel para integrar cinco actuadores en un solo dispositivo portátil que se adapta a la mano del usuario. El proceso de fabricación es nuevo y el factor de forma se puede personalizar según la anatomía única de pacientes individuales con el uso de tecnología de escaneo 3D o tomografías computarizadas.
«Nuestro diseño es significativamente más simple que la mayoría de los diseños, ya que todos los actuadores y sensores se combinan en un solo proceso de moldeo», dijo Engeberg. «Es importante destacar que, aunque la aplicación de este estudio fue para reproducir una canción, el enfoque podría aplicarse a innumerables tareas de la vida diaria y el dispositivo podría facilitar programas de rehabilitación intrincados personalizados para cada paciente».
Los médicos podrían usar los datos para desarrollar planes de acción personalizados para identificar las debilidades del paciente, que pueden presentarse como secciones de la canción que se reproducen erróneamente de manera constante y se pueden usar para determinar qué funciones motoras requieren mejoras. A medida que los pacientes progresan, el equipo de rehabilitación podría prescribir canciones más desafiantes en una progresión similar a un juego para proporcionar un camino personalizable hacia la mejora.
«La tecnología desarrollada por el profesor Engeberg y el equipo de investigación es realmente un cambio de juego para las personas con trastornos neuromusculares y funcionalidad reducida de las extremidades», dijo Stella Batalama, Ph.D., decana de la Facultad de Ingeniería y Ciencias de la Computación de la FAU. «Aunque se han utilizado otros actuadores robóticos suaves para tocar el piano, nuestro guante robótico es el único que ha demostrado la capacidad de ‘sentir’ la diferencia entre las versiones correctas e incorrectas de la misma canción».
Los coautores del estudio son Maohua Lin, primer autor y Ph.D. alumno; Rudy Paul, estudiante de posgrado; y Moaed Abd, Ph.D., recién graduado; todos de la Facultad de Ingeniería y Ciencias de la Computación de la FAU; James Jones, Universidad Estatal de Boise; Darryl Dieujuste, asistente de investigación graduado de la Facultad de Ingeniería y Ciencias de la Computación de la FAU; y Harvey Chim, MD, profesor de la División de Cirugía Plástica y Reconstructiva de la Universidad de Florida.
Esta investigación fue apoyada por el Instituto Nacional de Imágenes Biomédicas y Bioingeniería de los Institutos Nacionales de Salud (NIH), el Instituto Nacional del Envejecimiento de los NIH y la Fundación Nacional de Ciencias. Esta investigación fue financiada en parte por una subvención inicial de la Facultad de Ingeniería y Ciencias de la Computación de la FAU y el Instituto de Ingeniería de Sistemas de Red Integrada y Detección de la FAU (I-SENSE).
