El nuevo sistema controla de manera confiable los movimientos protésicos de la mano sin depender de las señales biológicas

La pérdida de una extremidad después de una lesión, accidente o enfermedad puede reducir en gran medida la calidad de vida, lo que dificulta que las personas participen en actividades diarias. Sin embargo, los avances tecnológicos recientes han abierto nuevas posibilidades emocionantes para el desarrollo de extremidades protésicas más cómodas, inteligentes e intuitivas, lo que podría permitir a los usuarios completar fácilmente una gama más amplia de tareas.

Muchas prótesis inteligentes desarrolladas en la última década se operan a través de señales mioeléctricas, señales eléctricas que se originan en los músculos que son recogidos por sensores unidos a la piel de un usuario. Si bien algunos de estos sistemas han demostrado ser muy efectivos, requieren que los usuarios produzcan conscientemente las señales musculares específicas para realizar los movimientos deseados, que pueden ser exigentes física y mentalmente.

Investigadores de la Universidad Memorial de Terranova en Canadá desarrollaron recientemente un nuevo método automatizado para controlar los movimientos de las manos protésicas que no dependen de las señales mioeléctricas u otras señales biológicas. Su sistema de control propuesto, descrito en un artículo publicado en el servidor de preimpresión arxivse basa en un modelo basado en el aprendizaje automático capacitado en imágenes de video de manos protésicas que completan tareas específicas, que pueden planificar de forma autónoma y ejecutar los movimientos necesarios para abordar una tarea determinada.

“La idea de este documento provino de nuestro deseo de hacer que las manos protésicas sean más fáciles de usar”, dijo Xianta Jiang, autora senior del periódico, a Tech Xplore. “Los sistemas tradicionales dependen de las señales musculares, que pueden ser difíciles de controlar y agitar para los usuarios. Queríamos explorar si un sistema autónomo, como un robot que puede ‘ver’ y ‘sentir’ el mundo, podría hacerse cargo de algún de ese esfuerzo”.

El objetivo principal del reciente estudio de Jiang y sus colegas era crear una mano protésica que pudiera procesar de forma autónoma su entorno circundante y realizar tareas de agarre, lo que requiere esfuerzos mínimos de la uso del usuario. En lugar de planificar movimientos basados ​​en señales biológicas o en comandos enviados por un usuario, el sistema de control creado por los investigadores se basa en los datos recopilados por una pequeña cámara montada en una muñeca protésica, así como sensores que detectan tanto el tacto como el movimiento.

“Estas entradas se combinan utilizando inteligencia artificial (IA), específicamente una técnica de aprendizaje llamada Imitation Learning”, explicó Kaijie Shi, primer autor del artículo. “El modelo AI aprende de demostraciones pasadas: observar básicamente cómo los objetos deben recogerse, retener y liberarse. La mano luego usa este conocimiento para tomar decisiones en tiempo real. Lo único es que el sistema no depende de las señales musculares; funciona ‘entendiendo’ el objeto y la tarea, lo que lo hace más natural e intuitivo para el usuario”.

Para probar su sistema de control recientemente desarrollado, los investigadores lo desplegaron en una mano protésica real y realizaron una serie de experimentos en un entorno del mundo real. Descubrieron que incluso cuando fueron entrenados en solo unos pocos videos que muestran a la misma persona que maneja un conjunto limitado de objetos, su sistema permitió que la mano protésica agarre con éxito los artículos deseados, con una alta tasa de éxito.

“Nuestro sistema realizó tareas de agarre y liberación de forma autónoma con más del 95% de éxito”, dijo Jiang. “Este es un paso importante para hacer manos protésicas que funcionan de manera automática y confiable en entornos cotidianos. Prácticamente, esto significa que los usuarios protésicos futuros podrían beneficiarse de un dispositivo que les ayuda a completar tareas comunes, como recoger una taza o abrir una puerta, sin necesidad de pensar constantemente sobre cada movimiento”.

Los investigadores planean continuar mejorando el enfoque basado en el aprendizaje de imitación que desarrollaron y lo evalúan en una gama más amplia de experimentos, también involucrando a las personas que se beneficiarían de sistemas protésicos más avanzados. En el futuro, esperan que su sistema contribuya al avance de las manos protésicas disponibles comercialmente, reduciendo el esfuerzo requerido para operarlas.

“Luego, queremos probar el sistema con usuarios protésicos reales y recopilar comentarios de ellos”, agregó Jiang. “También planeamos mejorar la capacidad del sistema para adaptarse a diferentes entornos y tareas más complejas, como manejar objetos suaves o de forma extraña. Otro objetivo es explorar cómo esta tecnología puede usarse en otros dispositivos de asistencia, como los exoesqueletos para la recuperación del accidente cerebrovascular”.

Escrito para usted por nuestro autor Ingrid Fadelli, editado por Lisa Lock, y verificado y revisado por Robert Egan; este artículo es el resultado de un trabajo humano cuidadoso. Confiamos en lectores como usted para mantener vivo el periodismo científico independiente. Si este informe le importa, considere una donación (especialmente mensualmente). Obtendrás un sin publicidad cuenta como agradecimiento.

© 2025 Science X Network