PhysioMio: dataset HD-sEMG bilaterale e longitudinale di 16 gesti della mano da 48 pazienti colpiti da ictus

Perché è importante per la vita dopo un ictus

Dopo un ictus, azioni semplici come abbottonarsi una camicia o tenere una tazza possono diventare sfide quotidiane. Medici e terapisti lavorano per aiutare le persone a recuperare la funzione di mano e braccio, ma spesso devono basarsi su ciò che osservano e su quanto riferito dai pazienti. Il progetto PhysioMio cambia questo approccio fornendo un ampio dataset scientifico aperto che trasforma l’attività muscolare invisibile in informazioni precise e misurabili. Questo può aiutare i ricercatori a creare strumenti di riabilitazione più intelligenti, dispositivi assistivi più reattivi e, in ultima analisi, piani di terapia più personalizzati per i sopravvissuti all’ictus.

Ascoltare i muscoli attraverso la pelle

Ogni movimento volontario inizia con minuscoli segnali elettrici nei muscoli. PhysioMio utilizza una tecnica chiamata elettromiografia di superficie, che funziona come uno stetoscopio molto sensibile per i muscoli posto sulla pelle. Invece di uno o due sensori, il team ha avvolto una fascia con 64 piccoli contatti metallici asciutti intorno all’avambraccio. Questa configurazione ad alta densità cattura una mappa dettagliata di come diversi gruppi muscolari si attivano quando una persona tenta di muovere mano e dita. Poiché i sensori sono posizionati sulla pelle, il metodo è non invasivo e sicuro da ripetere più volte durante il recupero.

Un ampio gruppo di pazienti reali colpiti da ictus

Il dataset proviene da 48 persone che hanno subito un ictus e stavano seguendo un percorso di riabilitazione. I partecipanti variavano per età, corporatura e tempo trascorso dall’ictus, rispecchiando la diversità osservata nelle cliniche reali. Per ogni paziente, i ricercatori hanno registrato fino a 16 gesti di mano e polso, tra cui il riposo, diversi tipi di presa (come pizzicare e tenere una palla) e flessioni del polso in diverse direzioni. È importante che siano stati registrati sia il braccio sano sia quello colpito, e che i pazienti siano stati seguiti in più sessioni durante la degenza riabilitativa. Ciò significa che i dati mostrano non solo quanto il braccio compromesso differisca da quello sano, ma anche come l’attività muscolare possa cambiare nel tempo con il recupero.

Come sono state raccolte le misure

Durante ogni sessione, una fascia flessibile con elettrodi è stata posizionata con cura attorno all’avambraccio in una posizione fissa, disinfettata in precedenza per garantire buon contatto e igiene. I pazienti erano seduti comodamente mentre un operatore formato mostrava ogni gesto e forniva istruzioni chiare. Quando il paziente raggiungeva la migliore posizione possibile per un gesto, un interruttore a pedale segnava l’intervallo di tempo di interesse, così il computer sapeva esattamente quando si era verificato il movimento. Ogni registrazione durava circa 10–15 minuti e includeva tutti i 16 gesti. Successivamente, sono stati ritagliati e salvati i quattro secondi centrali dell’attività muscolare per ogni gesto in un formato di file standard ed efficiente. Oltre ai segnali muscolari, il dataset include informazioni come età, sesso, quale braccio era compromesso e quanti giorni erano trascorsi dall’ictus, permettendo ai ricercatori di collegare i pattern muscolari all’andamento del recupero.

Garantire l’affidabilità dei segnali

Per essere utile, un dataset del genere deve contenere misure pulite e affidabili. Il team ha seguito procedure rigorose prima, durante e dopo ogni registrazione. Hanno verificato la qualità del segnale con contrazioni di prova, ridotto le interferenze elettriche dalla rete e archiviato tutti i dati in modo sicuro e anonimo. In seguito, hanno ispezionato visivamente ogni registrazione e rimosso le sessioni dove molti elettrodi non funzionavano o il segnale era troppo disturbato. Hanno poi applicato controlli matematici per confermare la qualità, come confrontare l’intensità dell’attività muscolare durante il movimento rispetto al riposo e analizzare come i segnali fossero distribuiti e sparpagliati attraverso diverse frequenze. Infine, hanno addestrato un modello computazionale semplice che è stato in grado di distinguere, con alta precisione, se una registrazione provenisse da un braccio sano o compromesso, confermando ulteriormente che il dataset cattura differenze reali e significative nella funzione muscolare.

Cosa apre per le cure future

In termini pratici, il dataset PhysioMio è un registro dettagliato di come muscoli danneggiati e sani si comportano mentre le persone tentano di muovere le mani dopo un ictus. Essendo pubblicamente disponibile e ben documentato, scienziati e ingegneri di tutto il mondo possono usarlo per progettare rilevatori di movimento migliori, robot per la riabilitazione più intelligenti e test più oggettivi della funzione della mano. Nel tempo, tali strumenti potrebbero aiutare i terapisti a individuare precocemente segnali di miglioramento o problemi e a personalizzare gli esercizi per ciascun individuo. Per i sopravvissuti all’ictus, questo potrebbe tradursi in terapie più efficaci, migliore supporto nelle attività quotidiane e un percorso più chiaro dal ricovero ospedaliero al ritorno a una vita indipendente.

Citazione: Ilg, J., Oldemeier, A.C.R., Fieweger, M. et al. PhysioMio: bilateral and longitudinal HD-sEMG dataset of 16 hand gestures from 48 stroke patients. Sci Data 13, 19 (2026). https://doi.org/10.1038/s41597-026-06557-0

Parole chiave: riabilitazione post-ictus, elettromiografia, funzione della mano, recupero neuromuscolare, tecnologie assistive