L’intelligence artificielle rend la préhension des mains prothétiques plus intuitive

Les mains artificielles peuvent être actionnées via une application ou avec des capteurs placés dans les muscles de l’avant-bras. Une nouvelle recherche de l’Université technique de Munich (TUM) montre qu’une meilleure compréhension des schémas d’activité musculaire de l’avant-bras favorise un contrôle plus intuitif et naturel des membres artificiels. Cela nécessite un réseau de 128 capteurs et des techniques basées sur l’IA.

Les développements technologiques des dernières décennies ont déjà conduit à des mains artificielles avancées. Ils peuvent permettre aux personnes amputées qui ont perdu une main suite à un accident ou une maladie de retrouver une certaine mobilité. Certaines de ces prothèses modernes permettent des mouvements indépendants des doigts et une rotation du poignet. Ces mouvements peuvent être sélectionnés via une application pour smartphone ou en utilisant les signaux musculaires de l’avant-bras, généralement détectés par deux capteurs.

Par exemple, l’activation des muscles fléchisseurs du poignet peut être utilisée pour rapprocher les doigts afin de saisir un stylo. Si les muscles extenseurs du poignet sont contractés, les doigts se rouvrent et la main lâche le stylo. La même approche permet de contrôler différents mouvements des doigts sélectionnés avec l’activation simultanée des groupes musculaires fléchisseurs et extenseurs. « Ce sont des mouvements que le patient doit apprendre pendant la rééducation », explique Cristina Piazza, professeur de rééducation et de robotique d’assistance au TUM.

Aujourd’hui, l’équipe de recherche du professeur Piazza a montré que l’intelligence artificielle peut permettre aux patients de contrôler plus intuitivement des prothèses de main avancées en utilisant le « principe de synergie » et à l’aide de 128 capteurs situés sur l’avant-bras. L’ouvrage est publié dans le Conférence internationale 2023 sur la robotique de réadaptation (ICORR).

Le principe de synergie : Le cerveau active un pool de cellules musculaires

Quel est le principe de synergie ? « Il ressort d’études neuroscientifiques que des schémas répétitifs sont observés lors de séances expérimentales, tant au niveau de la cinématique que de l’activation musculaire », explique le professeur Piazza. Ces schémas peuvent être interprétés comme la manière dont le cerveau humain fait face à la complexité du système biologique. Cela signifie que le cerveau active un pool de cellules musculaires, également dans l’avant-bras.

« Lorsque nous utilisons nos mains pour saisir un objet, par exemple une balle, nous bougeons nos doigts de manière synchronisée et nous nous adaptons à la forme de l’objet lors du contact », explique le professeur Piazza. Les chercheurs utilisent désormais ce principe pour concevoir et contrôler des mains artificielles en créant de nouveaux algorithmes d’apprentissage.

Ceci est nécessaire pour un mouvement intuitif : lors du contrôle d’une main artificielle pour saisir un stylo, par exemple, plusieurs étapes ont lieu. Tout d’abord, le patient oriente la main artificielle en fonction de l’emplacement de préhension, rapproche lentement les doigts, puis saisit le stylo. L’objectif est de rendre ces mouvements de plus en plus fluides, de sorte qu’il soit à peine perceptible que de nombreux mouvements séparés constituent un processus global.

« Grâce à l’apprentissage automatique, nous pouvons comprendre les variations entre les sujets et améliorer l’adaptabilité du contrôle au fil du temps et du processus d’apprentissage », conclut Patricia Capsi Morales, scientifique principale de l’équipe du professeur Piazza.

Découverte de modèles à partir de 128 canaux de signal

Les expériences menées avec cette nouvelle approche indiquent déjà que les méthodes de contrôle conventionnelles pourraient bientôt être renforcées par des stratégies plus avancées. Pour étudier ce qui se passe au niveau du système nerveux central, les chercheurs travaillent avec deux films : un pour l’intérieur et un pour l’extérieur de l’avant-bras. Chacun contient jusqu’à 64 capteurs pour détecter l’activation musculaire. La méthode estime également les signaux électriques transmis par les motoneurones spinaux.

« Plus nous utilisons de capteurs, mieux nous pouvons enregistrer les informations des différents groupes musculaires et découvrir quelles activations musculaires sont responsables de quels mouvements de la main », explique le professeur Piazza. Selon le Dr Capsi Morales, selon que l’on a l’intention de serrer le poing, de saisir un stylo ou d’ouvrir un pot de confiture, il en résulte « des caractéristiques caractéristiques des signaux musculaires », une condition préalable aux mouvements intuitifs.

Mouvements du poignet et de la main : huit personnes sur dix préfèrent la méthode intuitive

Les recherches actuelles se concentrent sur le mouvement du poignet et de la main dans son ensemble. Cela montre que la plupart des gens (huit sur dix) préfèrent la manière intuitive de bouger le poignet et la main. C’est aussi la manière la plus efficace. Mais deux sur dix apprennent à manier de manière moins intuitive, devenant finalement encore plus précis. « Notre objectif est d’étudier l’effet d’apprentissage et de trouver la bonne solution pour chaque patient », explique le Dr Capsi Morales.

« C’est un pas dans la bonne direction », déclare le professeur Piazza, qui souligne que chaque système comprend une mécanique et des propriétés individuelles de la main, une formation spéciale avec les patients, une interprétation et une analyse ainsi qu’un apprentissage automatique.

Les défis actuels du contrôle avancé des mains artificielles

Il reste encore quelques défis à relever : l’algorithme d’apprentissage, basé sur les informations des capteurs, doit être recyclé à chaque fois que le film glisse ou est retiré. De plus, les capteurs doivent être préparés avec un gel pour garantir la conductivité nécessaire pour enregistrer avec précision les signaux des muscles.

« Nous utilisons des techniques de traitement du signal pour filtrer le bruit et obtenir des signaux utilisables », explique le Dr Capsi Morales. Chaque fois qu’un nouveau patient porte le brassard doté de nombreux capteurs sur son avant-bras, l’algorithme doit d’abord identifier les modèles d’activation pour chaque séquence de mouvement afin de détecter plus tard l’intention de l’utilisateur et de la traduire en commandes pour la main artificielle.