EO_485

XX Medical MEDICAL 19 - APRILE 2020 segnali EMG grezzi, sebbene ovviamente ben adattati per stimolare i muscoli, non sono adatti al controllo dei motori elettrici (Fig. 1). Presenti nella gamma di fre- quenza da 4 Hz a 500 Hz, i segnali contengono grandi quantità di rumore proveniente da varie sorgenti, tra cui segnali elettrocardiografici (ECG) provenienti dal cuore e sorgenti di rumore esterne come interferenza alla frequenza della rete elettrica locale. È possibile applicare filtri passa-basso, passa-alto e notch per rimuovere i segnali di rumore. I segnali EMG filtra- ti contengono irregolarità che produrrebbero risposte spurie se applicati in modo proporzionale per eccitare il motore elettrico, dando luogo a movimenti incon- trollati dell’arto. Pertanto è necessario un ulteriore condizionamento per iniziare a creare un segnale che possa essere utilizzato per controllare il o i motori nella protesi. Una possibile soluzione è quella di classificare diversi tipi di contrazioni muscolari, per i quali possono essere ricavati segnali di controllo per il motore. Con l’obiettivo di fornire un’ampia varietà di movimenti, e affinché questi sembrino i più naturali possibile, chi li indossa dovrà apprendere i movimenti che una protesi appena indossata può fornire e come comandarli. L’intelligenza artificiale e il futuro Le nuove protesi devono essere messe a punto quando vengono installate per la prima volta su un paziente, per armonizzarsi con i movimenti naturali dell’indivi- duo, come l’andatura, e con la condizione e la relativa forza degli altri muscoli. Questo processo può richiede- re molto tempo attraverso tentativi manuali. Ci si augu- ra che l’intelligenza artificiale possa essere sfruttata per accelerare questo processo. L’apprendimento automa- tico basato su migliaia di esempi potrebbe salvare gran parte di questo processo per tentativi. Mentre questi cambiamenti sono in fase di studio, l’in- terfaccia bio-macchina potrebbe spostarsi ulteriormen- te nel sistema nervoso umano con l’avanzamento delle interfacce cervello-computer (BCI) che sfruttano l’elet- troencefalografia (EEG) per determinare il movimento desiderato dell’utente così come è concepito nel cervel- lo. Uno studio eseguito con amputati degli arti inferio- ri, collocando gli elettrodi sulla superficie del cuoio ca- pelluto, ha concluso che il BCI basato su EEG è fattibile come mezzo di controllo degli arti. In un documento leapfrog pubblicato recentemente, la Food and Drug Administration (FDA) statunitense sta invitando al dia- logo le professioni mediche e i produttori di dispositivi per iniziare a stabilire un quadro giuridico per vari tipi di neuroprotesi controllate da BCI. Accessibilità Mentre l’apprendimento è una possibile barriera allo sviluppo degli arti bionici, un altro è il costo. Tuttavia, con l’avvento di hardware e processi open source come la stampa 3D, che è particolarmente adatta alla produ- zione a basso volume di parti meccaniche e pezzi artico- lati, il costo per produrre arti protesici efficaci potreb- be ridursi in modo significativo. Queste tecnologie stanno ora consentendo alle nuove start-up specializzate nello sviluppo di arti bionici di of- frire prodotti funzionali e convenienti. Un esempio è l’azienda britannica Open Bionics che produce l’Hero Arm (Fig. 2), che ha la forma di un braccio di un supe- reroe dei fumetti e che viene anche fornito con una va- rietà di adesivi di supereroi. L’Hero Arm offre fino a sei diversi modelli di presa con controllo proporzionale, che devono essere appresi, una modalità di blocco per evitare di rilasciare accidentalmente la presa su un og- getto afferrato e un feedback aptico e acustico. L’allog- giamento è stampato singolarmente in 3D in base a una scansione del braccio dell’utilizzatore. Rivolto prevalen- Fig. 1 – I segnali EMG grezzi sono intrinsecamente irregolari e contengono rumore proveniente da varie sorgenti (Fonte: Researchgate.net) Fig. 2 – L’Hero Arm di Open Bionics (Fonte: https://openbionics.com/hero-arm/ )