Zwei auf einen Streich
Lernende Handprothese besteht Alltagstest
Forscher der Universiät Göttigen haben eine neue Art der Prothesensteuerung entwickelt, die es ihren Anwendern erlaubt, erstmals mehrere Funktionen der Hand gleichzeitig zu nutzen. Im Alttagstest sowie in einer Studie konnte sie bereits überzeugen.
Motorisierte Handprothesen sind mittlerweile Stand der Technik bei der Versorgung von Amputationen an der oberen Extremität. Bislang erlauben sie allerdings nur die Steuerung einer einzelnen Funktion zur gleichen Zeit. So kann die Prothese entweder geöffnet oder gedreht werden, nicht aber beides gleichzeitig, so wie wir es von gesunden Händen gewohnt sind.
Jetzt ist es Forschern der Arbeitsgruppe »Applied Rehabilitation Technology Lab (ART-Lab)« an der Klinik für Unfallchirurgie, Orthopädie und Plastische Chirurgie der Universitätsmedizin Göttingen (UMG) in Kooperation mit Prof. Dario Farina vom Imperial College London gelungen, ein neues Verfahren zu entwickeln und erstmals im Alltag zu testen. Es erlaubt dem Anwender, mehrere Funktionen der Hand (z.B. Öffnen und Drehen) gleichzeitig und unabhängig voneinander zu benutzen.
Bei dem Verfahren werden die schwachen elektrischen Signale der Muskulatur im Armstumpf von acht im Prothesenschaft integrierten Elektroden aufgenommen, verstärkt und an einen ebenfalls im Schaft integrierten Mini-Computer geschickt. Auf diesem interpretiert ein Algorithmus des maschinellen Lernens, der zuvor auf den jeweiligen Patienten trainiert wurde, die Signale. Er kann so aus den acht Signalen die Absicht des Patienten ableiten und entsprechende Steuersignale an die Prothesenmotoren schicken. Der neu entwickelte Prototyp erkennt dabei nicht nur die Art der Funktion, sondern auch die vom Patienten gewünschte Geschwindigkeit der Bewegung und zwar unabhängig für jede der beteiligten Funktionen. So ist es zum Beispiel möglich, die Hand langsam zu drehen und gleichzeitig schnell zu öffnen.
Studie belegt Zuverlässigkeit
»Das neue Verfahren ist ein wichtiger Schritt in die richtige Richtung«, sagt Erstautor Dr. Janne Hahne vom ART-Lab. Es eröffne den Anwendern neue Bewegungsoptionen, die ihnen den Alltag deutlich erleichtern und ein verbessertes Lebensgefühl verschaffen. Bisherige Ansätze mit maschinellem Lernen hatten oft Probleme mit der Zuverlässigkeit. So führt eine Änderung der Armposition, etwa beim Greifen eines Objekts über Kopfhöhe, dazu, dass sich die Signalmuster ändern. Dabei kam es zu Fehlsteuerungen. Auch andere Einflüsse, wie zum Beispiel das Neuanlegen des Schaftes oder sich ändernde Hauteigenschaften, können die Zuverlässigkeit beeinträchtigen. Dies könnte ein häufiges Neutrainieren des Algorithmus erforderlich machen, was die Akzeptanz bei den Nutzern deutlich reduzieren würde.
Die Studie der Göttinger Forscher zeigt die Zuverlässigkeit des Verfahrens an fünf Personen mit Amputation oder angeborener Fehlbildung im Unterarmbereich. Der Einfluss der Armposition war dabei überraschend gering und die Steuerung blieb über mehrere Tage stabil, auch ohne Nachtrainieren des Algorithmus. Im direkten Vergleich war diese Steuerung den konventionellen Verfahren klar überlegen.
Simulatansteuerung im Alltag erprobt
Inzwischen konnte das Göttinger Forscherteam um Prof. Dr. Arndt Schilling, Leiter des ART-Labs, die Alltagstauglichkeit ihrer Steuerung in einer Langzeitstudie, die im Rahmen des Projekts Inopro durchgeführt wurde, an einem Prothesenträger über zwei Monate im normalen Alltag zeigen. Dabei blieb die Steuerung nicht nur stabil, ohne dass ein Nachtrainieren erforderlich wäre. Durch die zunehmende Übung mit der neuen Steuerung verbesserte sich die Performance sogar weiter. (me)
*Ars Electronica / Roibert Bauernhansl Lizenz: CC BY-NC-ND 2.0
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Spart Zeit und Geld
Armprothese aus dem 3D-Drucker
Hand-Exoskelett
Greif-Fähigkeit wiederherstellen
Stromimpulse für das Gehirn
Auf dem Weg zur Prothese der Zukunft
