“Esiste fare o non fare. Non esiste provare” diceva il maestro Yoda nel “L’impero colpisce ancora”, capitolo della celebre saga di Star Wars, per spronare un giovane Luke Skywalker in difficoltà. Che sia stato questo il pensiero e “la Forza” che ha accompagnato Minuro Shinohara, Mason Bretan e Gil Weinberg nell’ideazione e realizzazione del loro progetto ?
Gil Weiberg, professore alla Georgia’s School of Music e direttore fondatore del Georgia Tech Center for Music Technology (GTCMT), è a capo di un gruppo di musicisti robotici e svolge, in collaborazione con altri due professori associati Minuro Shinohara e Mason Bretan, il ruolo di ricercatore sullo sviluppo della creatività artificiale e dell’espressione musicale per robot e persone dotate di sistemi di supporto. L’ispirazione e di conseguenza il nome del progetto, “Skywalker Hand”, derivano da un episodio in particolare della saga cinematografica, ossia lo scontro che avviene tra Darth Fener e Luke, dove a quest’ultimo viene tagliato di netto l’avambraccio, causando nella porzione di arto rimasta illesa, il distacco delle pareti muscolari rimanenti dall’epidermide. In seguito nel film (uscito nelle sale nel 1980) si assiste all’installazione di una protesi che risulta essere tecnologicamente più avanzata rispetto anche a quelle ad oggi esistenti, ma alla quale questo sistema cerca di rifarsi:
La tipologia di lesione che riporta Luke nella realtà è una problematica concreta, alla quale tutt’oggi la realizzazione di sistemi di controllo protesici non ha trovato una soluzione definitiva. Il distacco tra tessuto muscolare e la relativa sede (nella porzione di arto rimasta), influiscono molto sul grado di accuratezza nel movimento della protesi stessa a causa della minor reperibilità degli impulsi elettromiografici per l’adeguato controllo del supporto. Attualmente i più tecnologicamente avanzati sistemi presenti sul mercato, rilevano i suddetti impulsi in due modi correlati allo stato nel quale si viene a trovare la parte interessata dall’amputazione:
- attraverso sensori microelettronici, perlopiù utilizzati nei casi nei quali i tendini e conseguentemente il muscolo stesso, sono ancora attaccati all’estremità rimanente dopo il decorso post-operatorio dell’amputazione
- attraverso sensori dotati di una porzione adibita all’inserzione sottocutanea (solitamente un ago), utilizzati nei casi dove il reperimento del segnale elettrico sia collocato più in profondità nell’epidermide, rispetto al caso precedente
In entrambi i casi sopracitati, il sistema adibito al controllo della protesi è sempre soggetto a “disturbi” (di natura elettrica) dovuti alla propagazione di impulsi di altri neuroni motori presenti nelle vicinanze dell’area sottoposta al rilevamento; essi interferiscono con la ricezione del segnale non compromettendo in maniera particolarmente incisiva il controllo del movimento della stessa. Al contrario nel caso del completo distacco muscolo-epidermide, il segnale diventa così complesso da captare a tal punto da comprometterne il corretto movimento in maniera consistente.
Con la “Skywalker Hand”, Gil Weinberg e il suo team sono stati in grado di trovare un metodo alternativo e al contempo innovativo, per garantire alla persona affetta da questo tipo di amputazione di avere la certezza e accuratezza totale che il movimento impartito venga eseguito alla perfezione. Questo grazie all’utilizzo di una tecnica diagnostica di rilevamento dell’impulso diversa rispetto ad ogni altro sistema certificato. Scopriamo insieme in cosa consiste.
Un cambio di prospettiva
Come già accennato precedentemente Gil Weinberg e il suo team conducono un progetto di ricerca riguardo l’espressione musicale per persone dotate di sistemi protesici. Nella seconda metà di dicembre del 2017, hanno condotto dei test sui sensori di quest’ultimi. A tale sperimentazione ha partecipato Jason, un ragazzo amputato dal 2012 al braccio destro, musicista e avente lo stesso tipo di lesione sopracitata. Il gruppo di ricercatori ha affrontato il problema della non completa efficienza nella risposta da parte della protesi. Come già menzionato precedentemente, ciò era dovuto all’inadeguatezza dei sensori in quanto fortemente disturbati dal “rumore” prodotto dai neuroni prossimali all’area di rilevazione del segnale; il contenuto informativo che riuscivano a captare tramite EMG (Elettromiografia) era di bassa qualità e di conseguenza la codifica e trasduzione dell’impulso non rispondeva ai parametri di moto corretti della protesi stessa. Entrambe le tipologie di trasduttori sopracitate non erano sufficienti per la corretta elaborazione del segnale tramite il sistema diagnostico usato.
Quindi hanno pensato in quale altro modo avrebbero potuto ottenere una ricezione completa e corretta. Occorreva uno strumento in grado di rendere visibile direttamente l’impulso senza dover ricorrere all’uso di sensori: un ecografo. In questo modo gli è stato possibile accantonare del tutto la necessità della rilevazione a livello strettamente fisico, grazie all’uso di ultrasuoni implementati ad un sistema basato sull’uso del deep learning, particolare branca del machine learning. Quest’ultimo termine si riferisce a tutte quelle Intelligenze Artificiali (AI) aventi lo scopo di creare algoritmi in grado di effettuare analisi statistiche su certe tipologie di input di dati forniti dall’uomo, e di cui il deep learning ne costituisce appunto un particolare esempio. Esso si implementa su un particolare modello di AI definito “rete neurale” o CNN (rete neurale convoluzionale), in quanto il suo comportamento approssima il meccanismo di apprendimento del cervello umano, ossia la classificazione delle informazioni ricevute e la tipologia di elaborazione predittiva a priori, si basano su un processo iterativo e autonomo. L’integrazione dell’ecografia (in sostituzione all’EMG) con questo sistema di elaborazione citato è risultato vincente, come spiegato dallo stesso Gil:
Le caratteristiche tecniche
Analizzando il principio di funzionamento della “Skywalker Hand” ci si accorge che si basa fondamentalmente sulla capacità delle reti neurali di prendere delle decisioni in tutta autonomia, basandosi sugli input del sistema (in questo caso gli impulsi derivanti dai muscoli) comprendendo anche le variabili d’errore. Questi sistemi di elaborazione essendo in grado di migliorarsi col passare delle iterazioni che processano (il tutto senza l’intervento umano) risultano essere quasi del tutto imprescindibili nell’applicazioni di tipo protesico, dove è presente una vasta varietà e differenziazione di caratteristiche motorie da elaborare attraverso la distinzione dei vari input. In ingresso ad una rete neurale solitamente si trova un vettore numerico, che può rappresentare svariate tipologie di dati: pixel, segnali audio, segnali video. In questo caso sono stati proprio quest’ultimi ad essere mandati in ingresso tramite l’ecografo connesso a monte della rete. La particolarità delle reti neurali risiede nel fatto che le funzionalità del sistema vengono gestite tramite la correlazione con altri vettori numerici noti come “pesi”. Questi ultimi definiscono come gli input della rete devono essere combinati e ricombinanti per produrre un risultato quanto più affidabile possibile e che definisca la scelta corretta della risposta da elaborare.
Nel caso della “Skywalker Hand” i “pesi” scelti sui quali effettuare il training della rete sono stati proprio gli impulsi elettrofisiologici del braccio di Jason tramite il “deep learning”. Questo termine fa riferimento al processo computazionale attraverso il quale dapprima vengono assegnati dei vettori di riferimento randomici, per poi essere aggiustati e ricalibrati man mano che la macchina letteralmente “apprende”, da cui il termine “machine learning”. Tutto ciò avviene iterativamente, fino a che la rete non riesce a differenziare e saper distinguere in maniera autonoma, in base al contenuto informativo elaborato nelle iterazioni precedenti, cosa andare a processare.
Un’ulteriore innovazione che apporta questo sistema al mondo delle protesi, risiede nel suo fattore di scalabilità che risulta essere elevato. Infatti, durante il test effettuato , Gil e il suo team hanno constatato, analizzando le mappe anatomiche degli arti superiori di Jason e confrontando i relativi risultati ecografici con altri casi di amputazione, che la componente ondulatoria dell’impulso muscolare (P300) per ogni tipologia di movimento, da individuo a individuo, non presentava delle differenze sostanziali; quindi i segnali video inviati dall’ecografo alla rete neurale risultavano simili anche tra persone diverse a causa della natura comune del segnale bioelettrico.
Ciò ha portato ad un enorme vantaggio: la fase di training della rete neurale della “Skywalker Hand” nelle future applicazioni, non dovrà essere ricalibrata per ogni persona; non dovranno essere quindi ogni volta assunti nuovi vettori di riferimento da parte della rete. Nel caso però si presentino differenze nel contenuto informativo che riceve in input, rispetto alla conoscenza acquisita a priori, si richiederebbe comunque un tempo di “apprendimento” ma inferiore rispetto a qualsiasi altra tecnologia basata su questa tipologia di elaborazione dati.
Questo modello di sistema protesico è stato progettato per un’applicazione a livello artistico-musicale, ma Gil e i suoi collaboratori hanno assicurato che potrebbe entrare sul mercato nel breve periodo, compiendo così un ulteriore passo avanti nel mondo delle protesi artificiali. Oggi il futuro non sembra più “una galassia lontana lontana”.
Ingegneri biomedici… che “la Forza” sia con voi, sempre!
