De nieuwe handprothese interpreteert spiersignalen van hersenactiviteit met machine learning om bewegingen natuurlijker te maken.

Wetenschappers van Imperial College London en de Universiteit van Göttingen hebben machinaal leren gebruikt om de prestaties van prothetische handen te verbeteren.

Na het testen van hun prototype op vijf geamputeerden, ze ontdekten dat nieuwe op machine learning gebaseerde besturing veel beter was in het bieden van natuurlijke, vloeiende bewegingen dan de momenteel beschikbare technologie.

De onderzoekers zeiden dat de bevindingen, die zijn gepubliceerd in Wetenschap Robotica , zou kunnen leiden tot een 'nieuwe generatie prothetische ledematen'.

Professor Dario Farina, senior auteur van het artikel van Imperial's Department of Bioengineering, zei:"Bij het ontwerpen van bionische ledematen, ons belangrijkste doel is om patiënten ze op een natuurlijke manier te laten beheersen alsof ze hun biologische ledematen zijn. Deze nieuwe technologie brengt ons een stap dichter bij het bereiken hiervan."

Machinaal leren

De huidige technologie werkt door de prothetische motoren direct aan te sturen met een paar spiersignalen.

De nieuwe bionische hand, ontwikkeld in samenwerking met Imperial en de Universiteit van Göttingen, maakt gebruik van een mens-machine-interface die de bedoelingen van de patiënt interpreteert en commando's naar het kunstledemaat stuurt.

Het bevat acht elektroden die zwakke elektrische signalen van de stomp van de patiënt opvangen, alvorens ze te versterken en naar een minicomputer te sturen, bevindt zich ook in de prothese.

De minicomputer voert vervolgens het machine learning-algoritme uit om de signalen te interpreteren, voordat u de motoren van de hand opdracht geeft te bewegen zoals de patiënt dat wil.

Patiënten ontdekten dat ze gemakkelijk de pols konden draaien en de hand gelijktijdig of afzonderlijk konden openen. Ze vonden de bewegingen ook veel natuurlijker dan de conventionele bionische ledematen die ze gewend waren.

Naast de soorten functies, patiënten konden ook de snelheid van individuele bewegingen regelen, onafhankelijk van andere bewegingen. Bijvoorbeeld, patiënten konden de hand langzaam draaien maar tegelijkertijd snel openen. De onderzoekers zeggen dat dit een essentieel onderdeel is voor bewegingen die natuurlijk aanvoelen.

Voor gebruik, de patiënt en de bionische hand werden getraind zodat het machine learning-algoritme kon 'leren' hoe ze hun unieke elektronische signalen moesten interpreteren. Professor Farina hoopt de noodzaak hiervan in toekomstige prototypes te elimineren, zonder in te boeten aan personalisatie voor specifieke patiënten.

Professor Farina zei:"De nieuwe bionische hand is niet alleen natuurlijker, maar is ook superieur in termen van functionaliteit bij dagelijkse taken dan wat momenteel beschikbaar is voor patiënten.

"Na deze klinische studie, we hopen dit binnen drie jaar op de markt te hebben voor patiënten."

De onderzoekers werken momenteel aan meer controle over de hand, inclusief de mogelijkheid om individuele vingers te bewegen, en elimineer de noodzaak voor elektroden door signalen draadloos over te dragen in het lichaam van de patiënt.