Científicos de la Universidad de Texas han anunciado nuevos enfoques para mejorar el control de las manos protésicas a través de sistemas de Inteligencia Artificial. Dichos enfoques de aprendizaje, leen y reaccionan a las señales nerviosas transmitidas a través del brazo.
Así, los resultados de la investigación muestran un gran avance en el objetivo de la optimización total de extremo a extremo de las manos protésicas controladas por electromiografía (EMG).
En este sentido, la electromiografía, que es la práctica de rastrear los impulsos eléctricos naturales enviados por el cerebro para controlar los músculos individuales, se ha utilizado en infinidad de ocasiones para operar extremidades, sin embargo, el procedimiento sigue presentando brechas en lo que se refiere al control de las manos protésicas, específicamente en el uso de señales eléctricas generadas naturalmente desde los músculos del paciente.
Los resultados de la investigación muestran un gran avance en el objetivo de la optimización total de extremo a extremo de las manos protésicas controladas por electromiografía
Por todo ello, los investigadores esperan acelerar las respuestas para movimientos más rápidos de las manos.
Para Mohsen Jafarzadeh, investigador principal del estudio, ''el sistema utiliza una red neuronal convolucional, del tipo que generalmente se usa en el reconocimiento de imágenes y el análisis visual. Al aplicar eso a los datos de electromiografía sin procesar tomados de los electrodos en el brazo, pueden omitir los pasos que requieren mucho trabajo para aislar y caracterizar las señales específicas dentro del ruido que generalmente se usan para entrenar algoritmos a mano''.
De esta manera, según ha añadido Mohsen Jafarzadeh, ''eliminar la extracción de características y la descripción de características es un paso importante hacia el paradigma de la optimización de extremo a extremo. Nuestros resultados son un punto de partida sólido para comenzar a diseñar manos protésicas más sofisticadas''