Robots zijn veelbelovend voor een groot aantal mensen met neurologische bewegingsstoornissen die de kwaliteit van hun leven ernstig aantasten. Nu hebben onderzoekers kunstmatige-intelligentietechnieken aangeboord om een ​​algoritmisch model te bouwen dat de robots nauwkeuriger zal maken, sneller, en veiliger bij het bestrijden van handtrillingen.

hun voorbeeld, die klaar is voor anderen om in te zetten, verschijnt deze maand in Wetenschappelijke rapporten , een online dagboek van Natuur . Het internationale team rapporteert de meest robuuste technieken tot nu toe om pathologische handtrillingen te karakteriseren die symptomatisch zijn voor de veelvoorkomende en slopende motorische problemen die een groot aantal ouder wordende volwassenen treffen. Bij een miljoen mensen over de hele wereld is de ziekte van Parkinson vastgesteld, slechts een van de neurodegeneratieve ziekten die handtrillingen kunnen veroorzaken.

Hoewel technologie zoals geavanceerde draagbare exoskeletpakken en neurorevalidatierobots mensen kunnen helpen om onwillekeurige bewegingen te compenseren, deze robotassistenten moeten onwillekeurige bewegingen in realtime nauwkeurig voorspellen - een vertraging van slechts 10 of 20 milliseconden kan effectieve compensatie door de machine dwarsbomen en in sommige gevallen zelfs de veiligheid in gevaar brengen.

Voer de grote dataset in die is verzameld in het London (Ontario) Movement Disorders Centre en het baanbrekende machine learning-model van het team, die ze PHTNet noemden, voor "Pathologische handtrillingen met behulp van terugkerende neurale netwerken". Met behulp van kleine sensoren, ze analyseerden de handbewegingen van 81 patiënten van in de zestig en zeventig, vervolgens een nieuwe datagestuurde diepe neurale netwerkmodelleringstechniek toegepast om voorspellende informatie te extraheren die van toepassing is op alle patiënten.

Hun paper beschrijft het kunstmatige intelligentiemodel en de training, en rapporteert een betrouwbaarheidspercentage van 95% over 24, 300 monsters.

"Ons model is al in de gebruiksklare fase, beschikbaar voor neurologen, onderzoekers, en ondersteunende technologie-ontwikkelaars, " zei co-auteur S. Farokh Atashzar, die nu een NYU Tandon-assistent-professor is en die het gebruik van robots in combinatie met kunstmatige intelligentie begon te verkennen tijdens het uitvoeren van doctoraal en postdoctoraal onderzoek in Canada. "Het vereist aanzienlijke rekenkracht, dus we zijn van plan om een ​​low-power, cloud computing-benadering waarmee draagbare robots en exoskeletten bij patiënten thuis kunnen werken. We hopen ook modellen te ontwikkelen die minder rekenkracht nodig hebben en andere biologische factoren aan de input toe te voegen."