Многие люди, пережившие инсульт, полагаются на свою более сильную руку при выполнении повседневных задач, от переноски продуктов до расчесывания волос, даже если слабая рука имеет потенциал для выздоровления. Отказ от этой привычки, известной как “выученное неиспользование конечности”, может способствовать дальнейшему выздоровлению.
Определить, насколько активно пациент использует свою слабую руку вне клиники, довольно сложно. При этом наблюдения должны быть скрытыми, чтобы пациент вел себя естественно.
Исследователи из University of Southern California разработали новую роботизированную систему для сбора точных данных о том, как люди, восстанавливающиеся после инсульта, машинально используют свои руки. Метод описан в статье “A metric for characterizing the arm nonuse workspace in poststroke individuals using a robot arm”, опубликованной в журнале Science Robotics.
Используя роботизированный манипулятор для отслеживания трехмерной пространственной информации и методы машинного обучения для обработки полученных данных, метод позволяет получить метрику "неиспользования конечности", которая может помочь врачам точно оценить прогресс в реабилитации пациента. Социально-ассистирующий робот (SAR) дает указания и подбадривает пациента на протяжении всей процедуры.
"В конечном счете, мы пытаемся оценить, насколько результаты физиотерапии переносятся в реальную жизнь", - говорит Натан Деннлер, ведущий автор статьи и докторант факультета компьютерных наук.
"Эта работа объединяет количественные данные о работе пользователя, собранные с помощью роботизированной руки, и одновременно мотивирует пользователя на репрезентативную работу благодаря социальному роботу, - говорит Майя Матари, соавтор исследования. - Эта новая комбинация может послужить более точным и мотивирующим процессом для оценки состояния пациента, перенесшего инсульт".
Для исследования были набраны 14 участников, у которых до инсульта преобладала правая рука. Участникам было необходимо вытянуть руку и коснуться устройства с сенсорными датчиками, который зафиксирован в захвате манипулятора.
SAR описывал механику работы системы и обеспечивал положительную обратную связь, а манипулятор перемещала устройство в различные целевые точки перед участником (всего 100 точек). Испытание начинается, когда загорается кнопка, и SAR дает команду участнику двигаться.
В первой фазе участникам было предложено дотянуться до кнопки той рукой, которой удобно, что отражает повседневное использование. На втором этапе участникам давали указание использовать только руку, пораженную инсультом, что отражает работу в физиотерапии или других клинических условиях.
Используя машинное обучение, команда проанализировала три измерения для определения метрики “неиспользования конечности”: вероятность использования руки, время дотягивания и успешное дотягивание. Заметная разница в показателях между фазами свидетельствует о неиспользовании пораженной руки.
"Участники имеют ограничение по времени, чтобы дотянуться до кнопки, поэтому, даже зная, что их тестируют, они все равно должны реагировать быстро, - говорит Деннлер. - Таким образом, мы измеряем интуитивную реакцию на включение света - какой рукой вы воспользуетесь в тот момент?"
У людей, перенесших хронический инсульт, исследователи наблюдали высокую вариабельность в выборе руки и времени достижения целей в рабочей области. Метод оказался надежным при повторных занятиях, а участники оценили его как простой в использовании. Все участники сочли взаимодействие безопасным и простым.
Исследователи обнаружили различия в использовании руки у разных участников, что может быть использовано медицинскими работниками для более точного отслеживания восстановления пациента после инсульта.
"Например, один из участников, у которого в результате инсульта больше пострадала правая сторона, меньше использовал правую руку в тех областях, которые находились выше на правой стороне, но при этом сохранял высокую вероятность использования правой руки для работы в более низких областях на той же стороне, - говорит Деннлер. - Другой участник демонстрировал более симметричное использование, но при этом компенсировал использование своей менее пострадавшей стороны несколько чаще для более высоких точек, расположенных близко к средней линии".
По мнению участников, система может быть усовершенствована за счет персонализации, которую команда надеется изучить в будущих исследованиях, а также за счет включения других поведенческих данных, таких как выражение лица и различные типы заданий.
Комментарии
(0) Добавить комментарий