Novo sistema robótico avalia mobilidade após acidente vascular cerebral

Uma nova ferramenta robótica desenvolvida por uma equipa de especialistas em ciência da computação e biocinesiologia poderia ajudar os sobreviventes de AVC a monitorizar com mais precisão o seu progresso de recuperação.

Anualmente, mais de 15 milhões de pessoas em todo o mundo sofrem um acidente vascular cerebral, com três quartos enfrentando problemas como deficiências nos braços e nas mãos, fraqueza e paralisia. Apesar do velho ditado “Use ou perca”, para sobreviventes de AVC, pode ser mais fácil falar do que fazer.

Quebrar esse hábito, conhecido como “não uso do braço” ou “não uso aprendido”, pode melhorar a força e prevenir lesões. Porém, determinar o quanto um paciente utiliza seu braço mais fraco fora dos ambientes clínicos é um desafio. Em um caso clássico de paradoxo do observador, são necessárias medições secretas para o comportamento natural.

Agora, os pesquisadores da USC desenvolveram um novo sistema robótico projetado para coletar dados precisos sobre como os sobreviventes de derrame usam os braços espontaneamente. O método pioneiro, descrito num artigo publicado na edição de 15 de novembro da revista Robótica Científicausa um braço robótico para rastrear informações espaciais 3D.

As técnicas de aprendizado de máquina processam os dados, gerando uma métrica de “não utilização do braço”, que poderia ajudar os médicos a avaliar com precisão o progresso da reabilitação de um paciente. Ao longo do desafio, um robô socialmente assistencial (SAR) fornece instruções e incentivo.

“Em última análise, estamos tentando avaliar o quanto o desempenho de alguém na fisioterapia se transfere para a vida real”, disse Nathan Dennler, autor principal do artigo e estudante de doutorado em ciência da computação.

O estudo envolveu os esforços combinados de pesquisadores do Departamento de Ciência da Computação Thomas Lord da USC e da Divisão de Biocinesiologia e Fisioterapia.

“Este trabalho reúne dados quantitativos de desempenho do usuário coletados usando um braço robótico, ao mesmo tempo que motiva o usuário a fornecer um desempenho representativo graças a um robô socialmente assistencial”, disse Maja Matarić, co-autora do estudo e Chan Soon-Shiong Chair and Distinguished Professor de Ciência da Computação, Neurociências e Pediatria. “Esta nova combinação pode servir como um processo mais preciso e mais motivador para a avaliação de pacientes com AVC”.

Autores adicionais são Stefanos Nikolaidis, professor assistente de ciência da computação; Amelia Cain, professora assistente de fisioterapia clínica, Carolee J. Winstein, professora emérita e professora adjunta do Programa de Pós-Graduação em Neurociências, e as estudantes de ciência da computação Erica De Guzmann e Claudia Chiu.

Espelhando o uso diário

Para este estudo, a equipe de pesquisa recrutou 14 participantes, inicialmente com a mão direita dominante antes do acidente vascular cerebral. O participante colocou as mãos na posição inicial do dispositivo – uma caixa impressa em 3D com sensores de toque.

Um robô de assistência social (SAR) explicou a mecânica do sistema e forneceu feedback positivo, enquanto o braço do robô movia um botão para vários locais-alvo na frente do participante (100 locais no total). O “teste de alcance” começou quando o botão se iluminou e o SAR instruiu o participante a se mover.

Na primeira fase, os participantes foram orientados a alcançar o botão com a mão naturalmente preferida, simulando o uso diário. Durante a segunda fase, eles foram instruídos a usar o braço afetado pelo AVC, replicando ações realizadas em fisioterapia ou outros ambientes clínicos.

Empregando aprendizado de máquina, a equipe analisou três medidas para determinar uma métrica para o não uso do braço: probabilidade de uso do braço, tempo para alcançar e alcance bem-sucedido. A detecção de uma diferença notável no desempenho entre as fases sugeriria a não utilização do braço afetado.

“Os participantes têm um limite de tempo para chegar ao botão, por isso, mesmo sabendo que estão sendo testados, ainda precisam reagir rapidamente”, disse Dennler. “Dessa forma, estamos medindo a reação instintiva ao acender da luz – que mão você usará no local?”

Seguro e fácil de usar

Entre os sobreviventes de AVC crónico, os investigadores observaram uma variabilidade significativa na seleção das mãos e no tempo necessário para atingir as metas no espaço de trabalho. O método demonstrou consistência em diversas sessões e os participantes o classificaram como simples de usar, obtendo pontuações de experiência do usuário acima da média. Além disso, todos os participantes perceberam a interação como segura.

Os participantes sentiram que o sistema poderia ser melhorado através da personalização, algo que a equipe espera aprofundar em estudos futuros. Isso inclui explorar a integração de outros dados comportamentais, como expressões faciais e tarefas diversas. É importante ressaltar que os pesquisadores identificaram diferenças na utilização do braço entre os participantes, o que poderia ajudar os profissionais de saúde a acompanhar com mais precisão a recuperação do AVC de um paciente.

“Por exemplo, um participante cujo lado direito foi mais afetado pelo acidente vascular cerebral exibiu menor uso do braço direito, especificamente nas áreas mais altas do lado direito, mas manteve uma alta probabilidade de usar o braço direito para áreas inferiores do mesmo lado”. disse Dennler.

“Outro participante exibiu um uso mais simétrico, mas também compensou com o lado menos afetado com um pouco mais de frequência os pontos mais altos, próximos à linha média”.

Como fisioterapeuta, Cain disse que a tecnologia aborda muitas questões associadas aos métodos tradicionais de avaliação, que “exigem que o paciente não saiba que está sendo testado e se baseiam na observação do testador, o que pode deixar mais espaço para erros”.

“Este tipo de tecnologia poderia fornecer informações ricas e objetivas sobre o uso do braço de um sobrevivente de derrame ao seu terapeuta de reabilitação”, disse Cain. “O terapeuta poderia então integrar esta informação no seu processo de tomada de decisão clínica e adaptar melhor as suas intervenções para abordar as áreas de fraqueza do paciente e desenvolver as áreas de força”.