Basato su algoritmi, il sistema si è dimostrato utile per l’allenamento degli arti inferiori. Future ricerche sono richieste per ampliare la gamma d’azione e valutarne l’efficacia anche in clinica.
Tra i vantaggi offerti dalla riabilitazione robot-assistita vi è anche il poter calibrare al meglio l’intensità e la sfida di un esercizio riabilitativo alle capacità e possibilità del paziente, momento per momento.
Per essere efficace, infatti, la riabilitazione deve proporre al singolo paziente esercizi sempre più sfidanti, senza eccedere perché questi non si svilisca e perda interesse al percorso stesso, prendendo anche in considerazione un supporto da parte del robot per eseguire le parti più faticose.
Per facilitare un uso apropriato del robot riabilitativo in tutte le sue potenzialità, un team di ricerca cinese ha ideato un algoritmo di che, partendo dai segnali elettromiografici di superficie del paziente, fornisce istruzioni al robot rispetto alla difficoltà e intensità da proporgli. Momento per momento. In altre parole, l’algoritmo consente alla sessione riabilitativa di adeguarsi costantemente alle possibilità ed esigenze del paziente.
Questa non è la prima volta che vengono ideati algoritmi per gestire un robot riabilitativo, ma è altrettanto vero che molti dei robot presenti sul mercato, al momento consentono allo specialista di settare l’iter riabilitativo prima della sessione, senza poter intervenire successivamente.
Ciò può, in qualche modo, inficiare l’esito dell’iter stesso. Inoltre, in un mondo in cui le richieste riabilitative aumentano costantemente, sia per cause motorie che neurologiche, e contemporaneamente viviamo carenza di professionisti, avere a disposizione strumenti più autonomi consentirebbe di gestire un maggior numero di pazienti.
Gli step del lavoro
Al momento questo metodo innovativo di controllo del lavoro del robot riabilitativo è stato sperimentato per lo più in laboratorio.
Il primo passo è stato sviluppare un algoritmo capace di modificare la traiettoria riabilitativa durante la sessione in base alle performance biologiche dell’utente, tenendo conto della necessità di offrire movimenti continui e fluidi e di assicurare una buona compliance.
Una volta ottenuto l’algoritmo, il team si è concentrato sulla corretta strategia di controllo “assistiva secondo necessità” del robot, ottenuta con un altro algoritmo che utilizza il feedback ricevuto per regolare la capacità assistiva della macchina alle capacità del paziente, offrendo il minor supporto possibile, così da stimolarne la partecipazione e allenarne la funzionalità residua dell’arto allenato, senza richiedere uno sforzo eccessivo.
I due algoritmi sono stati infine inseriti in una struttura organizzativa che ottimizza il circuito uomo-macchina-esercizio. Il tutto è stato quindi validato utilizzando un robot per la riabilitazione degli arti inferiori.
Il processo di validazione
Gli autori hanno validato la propria struttura di controllo del robot selezionato su 3 soggetti sani volontari, ai quali è stato chiesto di eseguire una serie di esercizi sul robot riabilitativo.
Il primo step è stato far sentire al robot la forza di ogni partecipante, così che questi potesse adeguare la traiettoria dell’allenamento alle capacità do ognuno.
Ogni soggetto si è sottoposto a tre esperimenti, mentre l’analisi successiva dei dati raccolti mostra l’efficacia del sistema nell’adeguare la difficoltà del training alle possibilità reali del soggetto.
Gli autori stanno già pensando ai successivi sviluppi di questa ricerca, partendo dall’esigenza di indagare più capacità umane, così da migliorare le strategie di controllo del sistema.
Inoltre, gli autori pensano di implementare la risposta a diverse tipologie di training, così da poter assistenere pazienti con vari tipi e gradi di disabilità. Sarà poi necessario allestire degli studi clinici veri e propri, per valutare l’efficacia del sistema su pazienti con disabilità e non su soggetti sani.
(Lo studio: Xu J, Huang K, Zhang T, Cao K, Ji A, Xu L, Li Y. A rehabilitation robot control framework with adaptation of training tasks and robotic assistance. Front Bioeng Biotechnol. 2023 Oct 2;11:1244550. doi: 10.3389/fbioe.2023.1244550. PMID: 37849981; PMCID: PMC10577441)