En el campo de la fabricación de equipos de alta gama, las innovaciones en tecnología de prótesis están trayendo nuevas esperanzas a la vida de personas con discapacidades de extremidades. Perder una extremidad debido a lesiones, accidentes o enfermedades reduce en gran medida la calidad de vida, haciendo que la participación en actividades diarias sea difícil. Sin embargo, los avances tecnológicos recientes han abierto nuevos caminos para desarrollar prótesis más cómodas, inteligentes e intuitivas, permitiendo a los usuarios completar más tareas con facilidad.

En la última década, muchas prótesis inteligentes se operan mediante señales electromiográficas, producidas por músculos y recibidas por sensores en la piel del usuario. Aunque algunos sistemas son efectivos, requieren que el usuario emita conscientemente señales musculares específicas para completar acciones, lo que exige mucho del cuerpo y la mente.

Recientemente, investigadores de la Memorial University of Newfoundland en Canadá han logrado un nuevo avance, desarrollando un nuevo método de control de movimiento de prótesis de mano automatizado que no depende de señales electromiográficas u otras señales biológicas. Un resumen del sistema de control relacionado se publicó en un artículo en el servidor de preimpresión arXiv; este sistema se basa en modelos de aprendizaje automático, entrenados con clips de video de la prótesis de mano completando tareas específicas, y puede planificar y ejecutar autónomamente las acciones necesarias para completar tareas específicas.

El autor senior del artículo, profesor Xiantao Jiang, dijo a Tech Xplore que la inspiración para desarrollar este sistema proviene del deseo de hacer que las prótesis de mano sean más fáciles de usar. Los sistemas tradicionales dependen de señales musculares, no solo difíciles de controlar, sino que también fatigan fácilmente al usuario. Querían explorar si un sistema autónomo podría asumir parte del trabajo, como un robot que puede "ver" y "sentir" el mundo.

El objetivo de la investigación del profesor Jiang y sus colegas es fabricar una mano protésica que pueda manejar el entorno circundante de manera autónoma y ejecutar tareas de agarre, permitiendo que el usuario no tenga que esforzarse mucho. El sistema de control no depende de señales biológicas o instrucciones del usuario para planificar acciones, sino en datos recopilados por una pequeña cámara instalada en la muñeca de la prótesis, así como sensores que detectan tacto y movimiento.

El primer autor del artículo, Kaijie Shi, explicó que estos inputs se integran mediante inteligencia artificial (IA), utilizando técnicas de aprendizaje por imitación. El modelo de IA aprende de demostraciones pasadas, observando cómo recoger, sostener y soltar objetos, y luego la mano mecánica utiliza este conocimiento para tomar decisiones en tiempo real. Lo único de este sistema es que no depende de señales musculares, sino que funciona "entendiendo" objetos y tareas, haciendo que la operación del usuario sea más natural e intuitiva.

Para probar el nuevo sistema de control, los investigadores lo desplegaron en una prótesis de mano real y realizaron una serie de experimentos en entornos reales. Los resultados muestran que, incluso entrenado solo con varios videos de la misma persona manejando objetos limitados, el sistema permite que la prótesis de mano agarre exitosamente los artículos requeridos, con una tasa de éxito superior al 95%.

El profesor Jiang dijo que esto representa un paso importante hacia la fabricación de prótesis que funcionen de manera automática y confiable en entornos cotidianos. Esto significa que en el futuro, los usuarios de prótesis se beneficiarán de un dispositivo que pueda completar tareas comunes, como tomar una taza o abrir una puerta, sin necesidad de pensar en cada acción.

Los investigadores planean continuar mejorando el método basado en aprendizaje por imitación, probándolo en experimentos más amplios que abarquen a más individuos que puedan beneficiarse de sistemas de prótesis avanzados. En el futuro, esperan que este sistema impulse el progreso de prótesis de mano comerciales, reduciendo la fuerza necesaria para operar prótesis.

El profesor Jiang también indicó que el siguiente paso es probar el sistema con usuarios reales de prótesis, recopilar retroalimentación para mejorar la adaptabilidad del sistema a diferentes entornos y tareas más complejas, como manejar objetos suaves o de formas inusuales. Además, planean explorar la aplicación de esta tecnología a otros dispositivos asistenciales, como exoesqueletos para rehabilitación post-ictus.