Robotar lovar ett stort antal människor med neurologiska rörelsestörningar som allvarligt påverkar deras livskvalitet. Nu har forskare utnyttjat artificiell intelligens för att bygga en algoritmisk modell som kommer att göra robotarna mer exakta, snabbare, och säkrare när du bekämpar handskakningar.

Deras modell, som är redo för andra att distribuera, visas denna månad i Vetenskapliga rapporter , en online-tidskrift av Natur . Det internationella teamet rapporterar de mest robusta teknikerna hittills för att karakterisera patologiska handskakningar som är symptomatisk för vanliga och försvagande motoriska problem som drabbar ett stort antal åldrande vuxna. En miljon människor över hela världen har diagnostiserats med Parkinsons sjukdom, bara en av de neurodegenerativa sjukdomar som kan orsaka handskakningar.

Medan teknologi som sofistikerade bärbara exoskelettdräkter och neurorehabiliterande robotar kan hjälpa människor att kompensera för vissa ofrivilliga rörelser, dessa robotassistenter behöver exakt förutsäga ofrivilliga rörelser i realtid – en fördröjning på bara 10 eller 20 millisekunder kan förhindra effektiv kompensation från maskinen och i vissa fall äventyra säkerheten.

Gå in i den stora datamängden som samlats in vid London (Ontario) Movement Disorders Center och teamets banbrytande maskininlärningsmodell, som de döpte till PHTNet, för "Patologiska handskakningar med återkommande neurala nätverk". Med hjälp av små sensorer, de analyserade handrörelserna hos 81 patienter i 60- och 70-årsåldern, tillämpade sedan en ny datadriven teknik för modellering av djupa neurala nätverk för att extrahera prediktiv information som är tillämplig på alla patienter.

Deras papper beskriver den artificiella intelligensmodellen och utbildningen, och rapporterar en 95 % konfidensgrad över 24, 300 prover.

"Vår modell är redan klar att användas, tillgänglig för neurologer, forskare, och hjälpmedelsutvecklare, " sa medförfattaren S. Farokh Atashzar, som nu är biträdande professor i Tandon vid NYU och som började utforska användningen av robotar i kombination med artificiell intelligens samtidigt som han genomförde doktors- och postdoktoral forskning i Kanada. "Det kräver betydande beräkningskraft, så vi planerar att utveckla en lågeffekt, molnberäkningsmetod som gör det möjligt för bärbara robotar och exoskelett att fungera i patienternas hem. Vi hoppas också kunna utveckla modeller som kräver mindre beräkningskraft och lägga till andra biologiska faktorer till indata."