Un guante robótico suave podría ayudar a los pacientes con accidente cerebrovascular a volver a aprender a tocar música

El ictus es la principal causa de discapacidad en adultos en la UE y afecta a alrededor de 1,1 millones de personas cada año. Después de un accidente cerebrovascular, los pacientes a menudo necesitan rehabilitación para volver a aprender a caminar, hablar o realizar actividades diarias. Los estudios han demostrado que, además de la fisioterapia y la terapia ocupacional, la musicoterapia puede ayudar a los pacientes con accidente cerebrovascular a recuperar el lenguaje y las funciones motoras.

Pero para las personas formadas en música que han sufrido un derrame cerebral, tocar música en sí misma puede ser una habilidad que debe volver a aprenderse. Ahora investiga en Límites en robótica e inteligencia artificial mostró cómo la nueva robótica blanda podría ayudar a los pacientes en recuperación a volver a aprender a tocar música y otras habilidades que requieren destreza y coordinación.

“Aquí mostramos que nuestro guante de exoesqueleto inteligente con sensores táctiles integrados, actuadores suaves e inteligencia artificial puede ayudar de manera efectiva a volver a aprender tareas manuales después de un neurotrauma”, dijo el autor principal, el Dr. Maohua Lin, profesor asistente en el Departamento de Ingeniería Mecánica y Oceánica en la Universidad de Florida, Atlántico.

Para quién se ajusta el guante: “Mano inteligente” a pedido

Lin y sus colegas diseñaron y probaron un “exoesqueleto de mano inteligente” con la forma de un guante robótico impreso en 3D flexible y de múltiples capas que pesa solo 191 g para la anatomía de cada usuario.

Los actuadores neumáticos suaves en las yemas de los dedos generan movimiento y ejercen fuerza, imitando así los movimientos naturales y finamente ajustados de la mano. Cada punta de los dedos también contiene una serie de 16 sensores flexibles o “taxels” que le dan a la mano del usuario la sensación táctil al interactuar con objetos o superficies. La producción del guante es simple porque todos los actuadores y sensores se colocan en un proceso de moldeo.

“Mientras usan el guante, los usuarios tienen un control significativo sobre el movimiento de cada dedo”, dijo el autor principal, el Dr. Erik Engeberg, profesor del Departamento de Ingeniería Mecánica y Oceánica de la Universidad Atlántica de Florida.

“El guante está diseñado para apoyar y mejorar los movimientos naturales de las manos, permitiéndoles controlar la flexión y extensión de los dedos. El guante guía la mano, brinda apoyo y aumenta la destreza”.

Los autores predicen que los pacientes eventualmente pueden usar un par de estos guantes para ayudar a que ambas manos recuperen de forma independiente la destreza, las habilidades motoras finas y el sentido de la coordinación.

La inteligencia artificial entrenó al guante para ser profesor de música

Los autores utilizaron el aprendizaje automático para enseñar con éxito al guante a “sentir” la diferencia entre tocar la versión correcta e incorrecta de una pieza para principiantes en el piano. Aquí, el guante operaba de forma autónoma, sin intervención humana, con movimientos programados. La canción era “María tenía un corderito”, que requiere cuatro dedos para tocar.

“Descubrimos que el guante podía aprender a distinguir entre la ejecución correcta e incorrecta del piano. Esto significa que puede ser una herramienta valiosa para la rehabilitación personalizada de las personas que quieren volver a aprender a tocar música”, dijo Engeberg.

Ahora que se ha demostrado la prueba del principio, el guante se puede programar para brindarle al usuario información sobre lo que salió bien y lo que estuvo mal en su juego, a través de comentarios táctiles, señales visuales o audibles. Esto le permitiría comprender su desempeño y realizar mejoras.

Lin agregó: “Ajustar el diseño actual a otras tareas de rehabilitación además de reproducir música, como la manipulación de objetos, requeriría personalización. Esto puede facilitarse mediante el escaneo 3D o la tecnología de tomografía computarizada para proporcionar un ajuste y una función personalizados para cada usuario. ”

“Sin embargo, es necesario superar varios desafíos en esta área. Estos incluyen mejorar la precisión y confiabilidad de la detección táctil, aumentar la adaptabilidad y la destreza del diseño del exoesqueleto y refinar los algoritmos de aprendizaje automático para interpretar y responder mejor a la entrada del usuario”.