Novi robotski alat koji je razvio tim stručnjaka za kompjuterske nauke i biokineziologiju mogao bi pomoći osobama koje su preživjele moždani udar da preciznije prate napredak u oporavku.
Godišnje više od 15 miliona ljudi širom sveta doživi moždani udar, a tri četvrtine se bori sa problemima kao što su oštećenje ruku i šaka, slabost i paraliza. Uprkos staroj poslovici „Koristi ili izgubi“, za preživele od moždanog udara, ovo se može lakše reći nego uraditi.
Prekidanje ove navike, poznate kao „neupotreba ruke“ ili „naučena neupotreba“, može poboljšati snagu i sprečiti povrede. Ali, teško je odrediti koliko pacijent koristi svoju slabiju ruku van kliničkih okruženja. U klasičnom slučaju paradoksa posmatrača, potrebno je tajno merenje prirodnog ponašanja.
Sada su istraživači USC-a razvili novi robotski sistem dizajniran da prikupi precizne podatke o tome kako osobe koje su preživele moždani udar spontano koriste svoje ruke. Pionirska metoda, opisana u radu objavljenom u časopisu Science Robotics od 15. novembra, koristi robotsku ruku za praćenje 3D prostornih informacija.
Tehnike mašinskog učenja obrađuju podatke, generišući metriku „neupotrebe ruke“, koja bi mogla pomoći kliničarima da precizno procene napredak rehabilitacije pacijenta. Tokom čitavog izazova, socijalno pomoćni robot (SAR) daje uputstva i ohrabruje.
„Na kraju krajeva, pokušavamo da procenimo koliko se nečiji učinak u fizikalnoj terapiji prenosi u stvarni život“, rekao je Nejtan Denler, glavni autor rada i doktorant informatike.
Studija je uključivala kombinovane napore istraživača na Odeljenju za računarske nauke Thomas Lord-a USC-a i Odeljenju za biokineziologiju i fizikalnu terapiju.
„Ovaj rad objedinjuje kvantitativne podatke o performansama korisnika prikupljene pomoću robotske ruke, a istovremeno motiviše korisnika da pruži reprezentativan učinak zahvaljujući robotu koji pomaže društvenoj pomoći“, rekla je Maja Matarić, koautor studije i Chan Soon-Shiong Chair and Distinguished Profesor računarstva, neuronauke i pedijatrije. „Ova nova kombinacija može poslužiti kao tačniji i motivišući proces za procenu pacijenata sa moždanim udarom.“
Dodatni autori su Stefanos Nikolaidis, docent informatike; Amelia Cain, docent kliničke fizikalne terapije, Carolee J. Vinstein, profesor emeritus i vanredni profesor na postdiplomskom programu neuronauka, i studenti informatike Erika De Guzmann i Claudia Chiu.
Za ovu studiju, istraživački tim je regrutovao 14 učesnika, u početku dominantno desnom rukom pre moždanog udara. Učesnik je stavio ruke na početnu poziciju uređaja – 3D štampanu kutiju sa senzorima na dodir. Iznad: volonter prati uputstva koja daje socijalno pomoćni robot (SAR). Video se koristi uz dozvolu.
Socijalno pomoćni robot (SAR) objasnio je mehaniku sistema i pružio pozitivne povratne informacije, dok je robotska ruka pomerala dugme na različite ciljne lokacije ispred učesnika (ukupno 100 lokacija). „Proba za dostizanje“ je počela kada je dugme zasvetlelo, a SAR je učesniku dao znak da se pomeri.
Tokom prve faze, učesnici su bili vođeni da posegnu za dugmetom koristeći svoju prirodno preferiranu ruku, simulirajući svakodnevnu upotrebu. Tokom druge faze, dobili su instrukcije da koriste ruku zahvaćenu moždanim udarom, replicirajući radnje izvedene u fizioterapiji ili drugim kliničkim okruženjima.
Koristeći mašinsko učenje, tim je analizirao tri merenja kako bi odredio metriku za neupotrebu ruke: verovatnoću upotrebe ruke, vreme za dostizanje i uspešan doseg. Otkrivanje primetne razlike u performansama između faza bi sugerisalo neupotrebu zahvaćene ruke.
„Učesnici imaju vremensko ograničenje da dođu do dugmeta, pa iako znaju da se testiraju, ipak moraju brzo da reaguju“, rekao je Denler. „Na ovaj način merimo reakciju creva na uključivanje svetla — koju ruku ćete koristiti na licu mesta?“
Među onima koji su preživeli hronični moždani udar, istraživači su primetili značajnu varijabilnost u izboru ruku i vremenu potrebnom za postizanje ciljeva unutar radnog prostora. Metod je pokazao doslednost u više sesija, a učesnici su ga ocenili kao jednostavnu za korišćenje, zarađujući natprosečne rezultate korisničkog iskustva. Pored toga, svi učesnici su interakciju doživljavali kao bezbednu.
Učesnici su smatrali da bi sistem mogao biti poboljšan personalizacijom, u koju se tim nada da će se baviti u budućim studijama. Ovo uključuje istraživanje integracije drugih podataka o ponašanju kao što su izrazi lica i različiti zadaci. Važno je da su istraživači identifikovali razlike u korišćenju ruku između učesnika, što bi moglo pomoći zdravstvenim radnicima da preciznije prate oporavak pacijenta od moždanog udara.
„Na primer, jedan učesnik čija je desna strana bila više pogođena njihovim moždanim udarom pokazao je manju upotrebu desne ruke, posebno u oblastima višim na desnoj strani, ali je zadržao veliku verovatnoću da koristi desnu ruku za niže oblasti na istoj strani“, reče Denler.
„Drugi učesnik je pokazao simetričniju upotrebu, ali je takođe nešto češće kompenzovao manje pogođenom stranom za tačke na višem vrhu koje su bile blizu srednje linije.“
Kao fizioterapeut, Kejn je rekao da tehnologija rešava mnoga pitanja povezana sa tradicionalnim metodama procene, koje „zahtevaju da pacijent ne zna da se testira i zasnovane su na posmatranju testera što može ostaviti više prostora za greške“.
„Ova vrsta tehnologije mogla bi da pruži bogate, objektivne informacije o upotrebi ruke osobe koja je preživela moždani udar svom rehabilitacionom terapeutu“, rekao je Kejn. „Terapeut bi tada mogao integrisati ove informacije u svoj klinički proces donošenja odluka i bolje prilagoditi svoje intervencije kako bi se pozabavili područjima slabosti pacijenta i nadograđivali područja snage.“
