Interfaz cerebro-máquina para control de exoesqueletos robóticos

La interfaz cerebro-máquina registra las señales EEG de la persona mediante electrodos superficiales y procesa dichas señales para detectar patrones cerebrales asociados a la imaginación del movimiento de los miembros superiores o inferiores de la persona o al estado de relax. En función del patrón cerebral detectado por la interfaz cerebro-máquina se manda un comando para controlar el movimiento del exoesqueleto robótico.  A continuación, se muestra una imagen de una interfaz cerebro-máquina desarrollada para controlar la marcha de un exoesqueleto de miembro inferior.

Fundamentalmente la aplicación de este conocimiento sería para su uso en entornos clínicos, con el fin de ser empleado como herramienta de rehabilitación y asistencia de pacientes con limitaciones motoras.

El accidente cerebrovascular y la lesión de la médula espinal son dos de los principales trastornos motores causados por daños en el sistema nervioso humano que conducen a un deterioro físico en la sociedad occidental, pudiendo derivar en una marcha patológica permanente y por tanto en un deterioro de la deambulación independiente. Los avances recientes en tecnologías robóticas han propiciado la aparición de los exoesqueletos robóticos de miembros inferiores como ayuda a la movilidad para individuos con limitaciones motoras [1].

La interacción entre los exoesqueletos robóticos y los usuarios generalmente se implementa a través de una combinación de dispositivos mecánicos y eléctricos. Aunque efectivas, estas interfaces no son lo que los humanos usan naturalmente [2]. Además, la usabilidad y la relevancia clínica de estos sistemas robóticos podrían mejorarse aún más con las interfaces cerebro-máquina [3], abriendo la puerta a emplear estos sistemas en la rehabilitación de pacientes con limitaciones motoras. En este sentido es de destacar que el grupo de investigación posee una gran experiencia en este campo [4-6].

[1 ] J.L. Pons, Wearable robots : biomechatronic exoskeletons. (Wiley, 2008).

[2] Y. David Li, E.T. Hsiao-Wecksler, Gait mode recognition and control for a portable-powered ankle-foot orthosis. in IEEE International Conference on Rehabilitation Robotics 1–8 (IEEE, 2013). doi:10.1109/ICORR.2013.6650373

[3] Y. He, D. Eguren, J. M. Azorín, R. G. Grossman, and T. Phat Luu, “Brain–machine interfaces for controlling lower-limb powered robotic systems Brain-Machine Interfaces for Controlling Lower-Limb Powered Robotic Systems,” J. Neural Eng., vol. 15, no. 2, p. 021004, Apr. 2018.

[4] L. Ferrero, V. Quiles, M. Ortiz, E. Iáñez, J.M. Azorín, 2021, A BMI based on motor imagery and attention for commanding a lower-limb robotic exoskeleton: a case of study, Applied Sciences, 11(9), 4106: 1-14.

[5] M. Ortiz, L. Ferrero, E. Iáñez, J.M. Azorín, J.L. Contreras-Vidal, 2020, Sensory integration in human movement: a new brain-machine interface based on gamma band and attention level for controlling a lower-limb exoskeleton, Frontiers in Bioengineering and Biotechnology, 8:735: 1-16.

[6] M. Marisol Rodríguez-Ugarte, Eduardo Iáñez, Mario Ortiz, Jose M. Azorin, «Improving real-time lower limb motor imagery detection using tDCS and an exoskeleton”, Frontiers in Neuroscience, vol. 12:757, p. 1-12, Oct. 2018.

Se han realizado pruebas de usabilidad con usuarios sanos y con un número limitado de pacientes, y se está trabajando en reducir el número de electrodos empleados en la adquisición de las señales EEG, así como desarrollar métodos que permitan una auto-calibración de los algoritmos de procesamiento de la interfaz cerebro-máquina.

• Hospitales y Centros de Rehabilitación Neurológica.
• Industria de la Robótica Médica y Asistencial.
• Centros de Investigación en Ingeniería Biomédica.
• Desarrollo de Dispositivos de Salud Digital (E-Health).

José María Azorín Poveda – Instituto Universitario de Investigación en Ingeniería