GUÍA de industrias

IA en prótesis y miembros biónicos

La IA en prótesis significa utilizar el aprendizaje automático para decodificar señales eléctricas de los músculos restantes del usuario en movimientos de la mano y la muñeca, y utilizar controladores controlados por sensores para ajustar rodillas y tobillos artificiales a cada paso.

Escuche esta guíaNarrado por IA · ~3 min

En esta pagina4 minutos de lectura
  1. Descripción general
  2. Buceo profundo
  3. Implementación en el mundo real
  4. El futuro de la IA en prótesis y miembros biónicos
  5. Poniéndolo en práctica
  6. Sigue explorando
  7. Preguntas frecuentes

Descripción general

Es importante porque un control más intuitivo puede hacer que una prótesis se sienta menos como una herramienta y más como una extremidad. Los dispositivos actuales todavía enfrentan señales poco confiables, poco sentido del tacto, alto costo y abandono frecuente.

Buceo profundo

La mayoría de los brazos biónicos son mioeléctricos. Los electrodos en la piel dentro del encaje captan pequeñas señales eléctricas, llamadas electromiografía o EMG, producidas cuando el usuario contrae los músculos del muñón. Durante décadas el control fue directo: un músculo abría la mano, otro la cerraba y el usuario cambiaba entre las funciones de la mano y la muñeca con una co-contracción o un botón. Esto funciona pero es lento y agotador. El reconocimiento de patrones cambió eso. En lugar de leer un músculo a la vez, un clasificador lee varios electrodos juntos y aprende qué patrón general corresponde a cerrar la mano, rotar la muñeca o descansar. Coapt llevó esto a las armas comerciales a principios de la década de 2010. La cirugía también ayuda. La reinervación muscular dirigida, desarrollada por Todd Kuiken y sus colegas en Chicago, redirige los nervios que alguna vez sirvieron al brazo faltante hacia los músculos restantes, creando nuevos sitios de señal. Las manos de agarre múltiple, como Psyonic Ability Hand y el brazo DEKA LUKE, ofrecen muchos patrones de agarre. En el caso de las piernas, la inteligencia se encuentra principalmente en el controlador. Las rodillas con microprocesador, como la C-Leg de Ottobock, introducida a finales de los años 1990, miden el ángulo de la rodilla y la carga muchas veces por segundo y ajustan la resistencia para que la rodilla se mantenga estable en pendientes, escaleras y tropezones. Las rodillas y los tobillos motorizados añaden motores. En 2024, un equipo del MIT dirigido por Hugh Herr informó en Nature Medicine que las personas que tenían una técnica quirúrgica llamada interfaz mioneural agonista-antagonista caminaban más rápido y de forma más natural con un tobillo biónico bajo su propio control neuronal. Los límites son reales. La EMG cambia con el sudor, la fatiga, el desplazamiento de los electrodos y la posición del brazo, por lo que la precisión del laboratorio a menudo disminuye en casa. La mayoría de los dispositivos dan poca o ninguna sensación de tacto, son pesados ​​y caros, y muchos usuarios abandonan las prótesis de miembros superiores. Un error común es creer que los miembros biónicos leen los pensamientos directamente. La mayoría lee los músculos, no el cerebro.

Implementación en el mundo real

Una persona con una amputación por debajo del codo entrena un sistema de reconocimiento de patrones realizando cada agarre varias veces, después de lo cual el brazo reconoce sus patrones musculares para cerrar la mano, abrir la mano y rotar la muñeca.

Después de una cirugía de reinervación muscular dirigida, los nervios que alguna vez controlaron la mano se redirigen a los músculos del pecho o de la parte superior del brazo, lo que le da a la prótesis sitios de señal más distintos.

Una rodilla con microprocesador detecta que el usuario ha tropezado a medio paso y rápidamente aumenta la resistencia para que la rodilla no se doble.

La mano biónica de un usuario funciona bien en la clínica, pero interpreta mal los agarres en casa en un día caluroso porque el sudor y una cavidad cambiante cambian las señales musculares, por lo que la recalibran.

El futuro de la IA en prótesis y miembros biónicos

Las direcciones de investigación incluyen electrodos implantados que registran señales más limpias, osteointegración que ancla la prótesis directamente al hueso y retroalimentación sensorial a través de estimulación nerviosa para que los usuarios puedan sentir la fuerza de agarre. Los enfoques quirúrgicos como la interfaz mioneural agonista-antagonista sugieren que combinar la cirugía con un mejor control puede mejorar la marcha, aunque hasta ahora los estudios involucran a un pequeño número de participantes. Un impacto más amplio depende del costo, la cobertura del seguro, la durabilidad y la calidad del ajuste, que a menudo son más importantes para los usuarios que los patrones de agarre adicionales. Espere mejoras graduales en confiabilidad y adaptación en lugar de un salto repentino a extremidades que coincidan completamente con las naturales.

Poniéndolo en práctica

Por qué es importante

  • Contexto y normas. El contexto de la industria determina si las ideas de IA sobreviven al contacto con la realidad.
  • control de calidad. Las restricciones de dominio influyen en las tasas de error aceptables y en los modelos de supervisión.
  • Construir opciones. Las implementaciones exitosas alinean la capacidad técnica con los flujos de trabajo de primera línea.

cuidado con

  • Los requisitos reglamentarios pueden invalidar prototipos que de otro modo serían sólidos.
  • Los datos históricos pueden codificar sesgos que perjudican a comunidades específicas.
  • Los sistemas heredados pueden crear cuellos de botella en la integración y costos ocultos.

Próximos pasos

  1. Involucrar a expertos en el campo desde la formulación del problema hasta la evaluación.
  2. Diseñar pistas de auditoría y documentación antes del lanzamiento.
  3. Valide anticipadamente las obligaciones de cumplimiento y seguridad.
  4. Implementación en fases con criterios claros de parada y reversión.

Sigue explorando

Boletín gratuito

Recibe el resumen diario de IA

Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.

Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.

Ponte a prueba

Take the AI in Prosthetics and Bionic Limbs quiz

Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.

Empezar el cuestionario

Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación

Preguntas frecuentes

¿Qué es la IA en prótesis y miembros biónicos?

La IA en prótesis significa utilizar el aprendizaje automático para decodificar señales eléctricas de los músculos restantes del usuario en movimientos de la mano y la muñeca, y utilizar controladores controlados por sensores para ajustar rodillas y tobillos artificiales a cada paso. Es importante porque un control más intuitivo puede hacer que una prótesis se sienta menos como una herramienta y más como una extremidad. Los dispositivos actuales todavía enfrentan señales poco confiables, poco sentido del tacto, alto costo y abandono frecuente.

¿Qué señal leen la mayoría de los brazos biónicos para decidir cómo moverse?

Las prótesis mioeléctricas utilizan electrodos en el encaje para leer las señales EMG producidas cuando los músculos residuales se contraen.

¿En qué se diferencia el reconocimiento de patrones del control directo anterior?

El control directo asigna músculos individuales a acciones individuales, mientras que el reconocimiento de patrones aprende patrones multicanal que corresponden a movimientos específicos.

¿Qué hace la reinervación muscular dirigida?

TMR redirige los nervios a otros músculos, creando sitios de señal EMG nuevos y distintos para el control.

¿Qué ajusta una rodilla con microprocesador como la C-Leg mientras el usuario camina?

Mide el ángulo de la rodilla y la carga muchas veces por segundo y cambia la resistencia para que la rodilla se mantenga estable.

¿Por qué una mano biónica que trabajaba en la clínica podría malinterpretar los agarres en casa?

Estos factores cambian las características de la señal que aprendió el clasificador, lo que reduce la precisión en la vida diaria.