Nuevo sistema robótico evalúa la movilidad después de un accidente cerebrovascular

Superar la tendencia a subutilizar el brazo afectado, un fenómeno conocido como "no uso del brazo" o "no uso aprendido", es crucial para la rehabilitación, pero evaluar el uso del brazo fuera de los entornos clínicos plantea un desafío importante. La observación del comportamiento natural a menudo requiere métodos de monitorización discretos. Para abordar esta necesidad, los investigadores ahora han diseñado un sistema robótico innovador que recopila datos precisos sobre cómo los supervivientes de un accidente cerebrovascular utilizan espontáneamente sus brazos.

Desarrollado por un equipo de la USC Viterbi en Los Ángeles, California, EUA, este enfoque de vanguardia emplea un brazo robótico para recopilar datos espaciales en 3D sobre los movimientos del brazo. El sistema utiliza algoritmos de aprendizaje automático para analizar estos datos, lo que produce una métrica confiable de "no uso del brazo" que puede ayudar enormemente a los médicos a evaluar el progreso de la rehabilitación. Para que la experiencia sea atractiva y de apoyo, un robot de asistencia social (SAR) ofrece instrucciones y estímulo durante todo el proceso. En su estudio, el equipo de USC Viterbi trabajó con 14 participantes que habían sido de mano derecha dominante antes de sufrir un accidente cerebrovascular. Los participantes comenzaron colocando sus manos sobre una caja impresa en 3D equipada con sensores táctiles, que sirvió como posición inicial del sistema. El SAR presentó la funcionalidad del sistema y proporcionó comentarios positivos. Luego, el brazo robótico movería un botón a varias ubicaciones predeterminadas, iniciando la "prueba de alcance" cuando el botón se iluminaba y se le indicaba al participante que se moviera.

La prueba constaba de dos fases: en la primera, los participantes utilizaban su mano preferida naturalmente, imitando las actividades diarias típicas. En la segunda fase, se les indicó que usaran el brazo afectado por el accidente cerebrovascular, de forma similar a los ejercicios realizados en terapia o en entornos clínicos. El análisis de aprendizaje automático del equipo se centró en tres métricas clave: la probabilidad de uso del brazo, el tiempo necesario para alcanzar el objetivo y la finalización exitosa del alcance. El estudio reveló diferencias significativas en la preferencia de manos y el tiempo necesario para alcanzar los objetivos entre los supervivientes de un accidente cerebrovascular crónico. El método demostró ser confiable durante múltiples sesiones, y los participantes lo encontraron fácil de usar y le dieron una puntuación alta en términos de experiencia de usuario.

Además, todos los participantes consideraron segura la interacción. El equipo recibió comentarios que sugerían que futuras mejoras podrían incluir funciones personalizadas, la integración de datos de comportamiento adicionales y la variación de las tareas. Este método innovador no solo demostró coherencia y experiencias positivas de los usuarios, sino que también destacó las variaciones en el uso del brazo entre los participantes. Estos conocimientos son vitales para que los profesionales de la salud monitoreen con mayor precisión y faciliten la recuperación del accidente cerebrovascular.

"Este trabajo reúne datos cuantitativos sobre el rendimiento del usuario recopilados utilizando un brazo robótico, al tiempo que motiva al usuario a proporcionar un rendimiento representativo gracias a un robot de asistencia social", dijo Maja Matarić, coautora del estudio y presidenta y catedrática distinguida de Informática, Neurociencia y Pediatría de Chan Soon-Shiong. "Esta nueva combinación puede servir como un proceso más preciso y motivador para la evaluación de pacientes con accidente cerebrovascular".

Enlaces relacionados:
USC Viterbi