Denne artikkelen er produsert og finansiert av Universitetet i Oslo - les mer.

Kaffe, svette og kulde påvirker håndproteser:  – Ett av problemene er at muskelaktiviteten endrer seg over tid

Forsker vil bruke spill for å få bedre data.

Her viser Ulysse Côté-Allard sensorer på armen som kan kontrollere spillet på datamaskinen.
Publisert

I science fiction kan alle lemmer tilsynelatende erstattes med noe elektrisk og mekanisk som attpåtil er bedre. Slik er foreløpig ikke virkeligheten.

– Ett av problemene er at muskelaktiviteten endrer seg over tid, forklarer forsker Ulysse Teller Masao Côté-Allard ved Universitetet i Oslo.

Han jobber ved Institutt for teknologisystemer og er spesielt opptatt av hvordan teknologi kan brukes til bedre helse.

– Hva elektrodene i en armprotese registrerer, avhenger av armens posisjon, om du er varm eller kald, om du er svett eller om du har drukket kaffe, bare for å nevne noe.

Alt dette påvirker både aktiviteten i muskelen, men også hvordan elektrodene i protesen fanger det opp.

Dagsformen kan påvirke hvordan musklene sender signaler

Når forskerne skal undersøke hvilke muskler som kan styre en armprotese, foregår det omtrent slik:

Én eller flere personer får sensorer festet til armen. Deretter får de se et bilde av en bevegelse de skal gjøre, for eksempel å knytte neven eller bevege hånden mot høyre.

Sensorene måler hvilke muskler som blir aktivert og gir beskjed til protesen. Data fra slike tester viser at de fleste får til å kontrollere protesen.

Det er bare ett problem:

– Ut fra det vi måler på laboratoriet, skulle protesen kunne brukes som en hånd. Slik er det ikke i virkeligheten, sier Côté-Allard.

Han forklarer at én muskel kan være involvert i mange ulike bevegelser. Sensorene fanger ikke opp de samme signalene hvis armen er løftet, selv om bevegelsen i hånden er lik. Selv dagsformen kan påvirke hvordan musklene sender signaler.

– Du kan gjøre testen én dag. En uke senere vil ikke muskelsignalene være de samme, sier Côté-Allard.

Du kan ikke logre med halen uten hale

Derfor vil han bruke maskinlæring (KI) til å se hvilke signaler som er viktige i ulike bevegelser, uavhengig av hvem som gjør dem og dagsform.

Det er også derfor Côté-Allard vil bruke spill som justerer seg etter brukeren underveis.

For å få mer realistiske data har Côté-Allard og Erik Schemes utviklet en annen tilnærming.

– I stedet for å vise personen hva de skal gjøre, slik som tidligere, observerer vi hva de faktisk gjør. På denne måten fanger vi opp hvordan det er naturlig for dem å kontrollere protesen, sier Côté-Allard.

– Tenk om noen ba deg logre med halen. Du skjønner hva de mener, men kroppen din vet ikke hvordan bevegelsen skal gjøres. For en del protesebrukere er «knytt neven» litt sånn. Da må vi snu på det og heller se hva som faller naturlig for dem.

Poenget er ikke spillet i seg selv

På laboratoriet har han derfor utviklet ulike spill. En person får på seg VR-briller og ser gjenstander som skal flyttes med protesearmen. I et annet spill sitter personen i et romskip og skal sikte mot asteroider ved å bevege armen.

Poenget er ikke spillet i seg selv, men det som skjer mens de spiller. Når en person prøver å treffe et mål og ser at protesen ikke gjør som forventet, justerer de seg, prøver på nytt og finner sin egen måte.

Det er denne tilpasningen, mellom person og protese, som er vanskelig å fange opp i en vanlig labtest hvor brukerne blir bedt om å gjenta en bevegelse på kommando.

– Mye av forskjellen mellom hva vi måler og hva som fungerer i hverdagen, ligger nettopp her. Når du bruker protesen i virkeligheten, ser du resultatet av bevegelsen din og justerer den hele tiden. Det er et samspill mellom hjernen, musklene og protesen. Hvis vi trener modellene våre på data hvor det samspillet ikke finnes, blir de aldri helt riktige, sier Côté-Allard.

Det er ikke bare muskelaktivitet som kan måle bevegelser

I tillegg vil forskeren bruke andre typer sensorer for å gjøre protesene enda mer treffsikre på bevegelser. Et gyroskop kan måle hvordan armen beveger seg i rommet.

Optiske pulsmålere kan måle puls, men også fange opp bevegelsesinformasjon gjennom huden.

Ifølge ham er neste steg i proteseutviklingen å legge til flere faktorer i både datainnsamling og mulige bevegelser.

I dag styrer de fleste protesehender et begrenset sett med ferdige definerte bevegelser, som å åpne og lukke hånden eller rotere håndleddet. I fremtiden håper han å legge til mer nyansert kontroll: hvor raskt bevegelsen gjøres, hvor hardt man griper og flere bevegelser samtidig.

– Men jo flere ting modellen skal skille mellom, jo likere ser muskelsignalene ut. Da er det lettere å ta feil, sier han.

Spillet må tilpasses

For at det skal bli mulig å legge til flere bevegelser, må protesen bli flinkere til å fange opp forskjellen mellom de ulike bevegelsene. Dette er vanskelig, forteller Côté-Allard.

– For å skille mellom liknende bevegelser, har vi laget et program som hele tiden vurderer personen og spillet. Vi ønsker å lage et miljø som tilpasser seg personen, sier han.

Og når en person blir flink til noe, må forskerne gjøre det vanskeligere.

På denne måten kan spillet, protesen og personen tilpasse seg hverandre og samtidig finjustere bevegelsene etter hvert.

Bruker protesefunn til å lage produkter for alle

Mye har skjedd innen proteseutvikling de siste årene. Én av årsakene er at flere store tech-selskaper har fattet interesse for systemer som kan styres via muskelkontroll.

Det har ført til mer penger til forskningen, men også andre fordeler:

– For eksempel finnes det bedre datasett. Før var datasettet testet på 20–40 personer. Nå snakker vi om flere hundre, og hos de største aktørene: flere tusen. Det gjør at programmet lettere kan gjenkjenne bevegelser på tvers av ulike personer, sier Côté-Allard.

For eksempel ble selskapet CTRL-labs, som jobbet for å lage systemer som kunne kontrolleres ved muskelaktivitet, kjøpt opp av Meta i 2019.

Samarbeid

Førsteamanuensis Ulysse Teller Masao Côté-Allard ved Universitetet i Oslo har samarbeidet med Erik Scheme ved Unniversitetet i New Brunswick i Canada. Scheme jobber mye med spillbasert datainnsamling.

Powered by Labrador CMS