Handprothese reagiert ohne Verzögerung

Neue Nerven-Muskel-Interfaces ermöglichen mit Maschinenlern-Algorithmen echte Gedankensteuerung.

Lesezeit: 1 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen

(Bild: Evan Dougherty | University of Michigan Engineering)

Von

Seit gut zehn Jahren arbeiten Forscher an gedankengesteuerten Arm- und Handprothesen. Theoretisch könnten Menschen solche Kunstgliedmaßen wie ihre echte Hand benutzen und damit ihre Lebensqualität dramatisch verbessern. Doch bislang konnten Forscher motorische Nervensignale für die Steuerung des bionischen Gliedmaßes nicht in voller Stärke und Stabilität nutzen. Zwar sind die Signale, die eine Gehirn-Maschinen-Schnittstelle direkt am motorischen Kortex ableitet, ausreichend stark. Allerdings ist für das Implantieren eine invasive und kostspielige Operation nötig. Die Signale der peripheren Nerven wiederum, die sich vom Gehirn und dem Rückenmark aus auffächern, sind zu schwach, um sie in Echtzeit in ausreichend feine Bewegungen der Prothese zu übersetzen.

Forscher von der University of Michigan ist es mit Kooperationspartnern gelungen, das zweite Problem zu lösen. Wie sie im Fachjournal "Science Translational Medicine" schreiben, erhielten vier Probanden eine so gute feinmotorische Kontrolle über ihre Prothese, dass sie mit ihr kleine Bauklötzchen und Getränkedosen aufheben sowie Papier-Stein-Schere spielen konnten.

Um das zu erreichen, durchtrennten die Ärzte zunächst einen oder mehrere periphere Armnerven der Probanden und nähten einige der darin gebündelt verlaufende Nervenbahnen an eingesetzten Muskeltransplantaten fest. Nach drei Monaten Erholung für das Gewebe, in das in dieser Zeit auch neue Blutgefäße zur Versorgung einwachsen, entstand so ein neues biologische Nerven-Muskel-Interface, das offenbar als Signalverstärker fungiert. Denn die Nervensignale lösten Muskelkontraktionen aus, deren mit Nadelelektroden abgeleitete elektrische Aktivität (Elektromyogramm, EMG) zum ersten Mal im Millivolt-Bereich, und damit viel stärker als bei bisherigen Studien war.

Die Signale waren stark genug, um damit Maschinenlern-Algorithmen – dieselbe Sorte, die bei Schnittstellen zwischen Gehirn und Computern zum Einsatz kommen – darauf zu trainieren, die Signale in Echtzeit in Bewegungen für eine Prothese umzuwandeln. "Als wir [das System] zum ersten Mal einschalteten, funktionierte es sofort", erzählt Paul Cederna, Professor für Biomechanik an der Universität von Michigan, der die Studie mitgeleitet hat. "Es gab keine Verzögerung zwischen Denken und Bewegung."

Die Probanden konnten mit ihren Handprothese jeden einzelnen Finger bewegen und mit ihrem Daumen kreisen. Der Erfolg war unabhängig davon, wie lange sie schon ihre Hand oder den ganzen Arm verloren hatten. Ihre EMG-Signale wurden einige Minuten lang aufgezeichnet, um die Algorithmen auf ihre individuellen Signale zu kalibrieren. Danach funktionierte jedes Implantat, ohne dass es während der 300 Testtage neu kalibriert werden musste, so Biomedizintechnikerin Cynthia Chestek von der University of Michigan, die zweite Leiterin der Studie.

Nach dieser ersten "Proof of Concept"-Studie sind weitere Tests erforderlich, um die Ergebnisse zu bestätigen. Derzeit rekrutieren die Forscher weitere Amputierte für eine laufende klinische Studie, die von DARPA und den National Institutes of Health finanziert wird.

(vsz)