Bekæmpelse af håndrystelser:Først kommer AI, derefter robotter

Robotter lover et stort antal mennesker med neurologiske bevægelsesforstyrrelser, der i alvorlig grad påvirker deres livskvalitet. Nu har forskere udnyttet kunstig intelligens-teknikker for at bygge en algoritmisk model, der vil gøre robotterne mere nøjagtige, hurtigere, og sikrere, når du kæmper mod håndskælv.

Deres model, som er klar til at andre kan implementere, vises denne måned i Videnskabelige rapporter , en online journal af Natur . Det internationale team rapporterer om de mest robuste teknikker til dato til at karakterisere patologiske håndrystelser, symptomatisk for de almindelige og invaliderende motoriske problemer, der påvirker et stort antal aldrende voksne. En million mennesker over hele verden er blevet diagnosticeret med Parkinsons sygdom, blot en af ​​de neurodegenerative sygdomme, der kan forårsage håndskælv.

Mens teknologi såsom sofistikerede, bærbare eksoskeletdragter og neurorehabiliterende robotter kunne hjælpe folk med at opveje nogle ufrivillige bevægelser, disse robotassistenter skal præcist forudsige ufrivillige bevægelser i realtid - en forsinkelse på kun 10 eller 20 millisekunder kan forhindre effektiv kompensation fra maskinen og i nogle tilfælde endda bringe sikkerheden i fare.

Indtast det store datasæt indsamlet på London (Ontario) Movement Disorders Center og holdets banebrydende maskinlæringsmodel, som de kaldte PHTNet, for "Patologiske håndskælv ved brug af tilbagevendende neurale netværk". Ved hjælp af små sensorer, de analyserede håndbevægelserne hos 81 patienter i 60'erne og 70'erne, anvendte derefter en ny datadrevet dyb neural netværksmodelleringsteknik til at udtrække forudsigelig information, der er relevant for alle patienter.

Deres papir beskriver den kunstige intelligens model og træning, og rapporterer en 95% konfidensrate over 24, 300 prøver.

"Vores model er allerede klar til brug, tilgængelig for neurologer, forskere, og hjælpeteknologiske udviklere, " sagde medforfatter S. Farokh Atashzar, som nu er NYU Tandon-assistentprofessor, og som begyndte at udforske brugen af ​​robotter kombineret med kunstig intelligens, mens han udførte doktor- og post-doktoral forskning i Canada. "Det kræver betydelig regnekraft, så vi planlægger at udvikle en laveffekt, cloud-computing tilgang, der vil gøre det muligt for bærbare robotter og eksoskeletoner at operere i patienters hjem. Vi håber også at udvikle modeller, der kræver mindre regnekraft og tilføje andre biologiske faktorer til inputs."