La optomiografia indossabile abilita il controllo neuroprotesico continuo

Trasformare i segnali muscolari in controllo fluido

Immaginate di guidare il cursore di un computer o un videogioco usando soltanto lievi movimenti del polso, senza mouse, joystick o addirittura senza dita. Per chi ha perso una mano o ha difficoltà con il controllo motorio fine, uno strumento del genere potrebbe restituire abilità quotidiane come puntare, cliccare e giocare. Questo studio presenta un nuovo tipo di bracciale che “legge” i muscoli con la luce anziché con i fili, aprendo la strada a un controllo di computer e protesi più stabile, confortevole e preciso.

Perché i dispositivi muscolari attuali non bastano

I controller basati sui muscoli attuali si affidano principalmente all’elettromiografia di superficie, che utilizza elettrodi sulla pelle per rilevare i deboli segnali elettrici generati dalla contrazione muscolare. Questi sistemi hanno reso possibili mani protesiche robotiche e il controllo del computer senza mani, ma presentano svantaggi importanti. I segnali sono deboli e facilmente contaminabili da rumore elettrico e dal movimento dei sensori. Muscoli vicini possono interferire tra loro e i muscoli più profondi sono difficili da leggere. Per molti amputati questi sistemi risultano faticosi, inaffidabili e stancanti, fattori che contribuiscono all’abbandono delle protesi avanzate.

Leggere i muscoli con la luce invece che con i fili

I ricercatori hanno esplorato un’alternativa chiamata optomiografia, che usa luce nel vicino infrarosso per monitorare come i muscoli cambiano quando il volume sanguigno e le proprietà dei tessuti variano durante la contrazione. Un bracciale flessibile contiene diodi emettitori di luce che illuminano l’avambraccio con luce innocua e piccoli rivelatori che captano la luce diffusa che ritorna sotto la pelle. Poiché i tessuti biologici sono relativamente trasparenti in questa banda di lunghezze d’onda, i segnali tendono a essere più puliti e meno sensibili alle interferenze elettriche rispetto alle misure con elettrodi tradizionali. Il bracciale del team registra 50 canali di dati attorno al polso e li invia al computer in tempo reale.

Insegnare a un bracciale a comportarsi come un mouse

Per trasformare i segnali luminosi grezzi in controllo, gli autori hanno addestrato una rete neurale compatta—essenzialmente un piccolo ed efficiente programma di riconoscimento dei modelli. I partecipanti hanno indossato il bracciale e svolto un compito “center-out”: un puntino appariva al centro dello schermo e poi saltava in una delle 12 posizioni disposte come le ore di un orologio. Per ogni direzione, le persone usavano un gesto coerente del polso o della mano, più due gesti aggiuntivi per una postura neutra e per la stretta a pugno per simulare il clic. La rete ha imparato a tradurre ogni istantanea di dati del bracciale in due valori che descrivevano la direzione del movimento e un terzo valore che rifletteva la probabilità di un “clic”. Cruciale è che producesse un output per ogni nuovo campione, permettendo un movimento del cursore continuo e fluido invece di salti a scatti.

Imparare a puntare, cliccare e persino giocare a Tetris

Otto giovani adulti senza disabilità motorie e una persona che aveva perso tutte le dita di entrambe le mani hanno testato il sistema. Dopo una breve calibrazione e pochi minuti di addestramento, hanno usato i gesti per spostare un cursore dal centro dello schermo verso bersagli piazzati casualmente e poi “catturarli” con un clic a pugno. Nelle sessioni successive, la maggior parte dei partecipanti è migliorata in misure come la vicinanza del cursore a un percorso ideale rettilineo, la velocità nel raggiungere i bersagli e la riduzione dei movimenti superflui vicino all’obiettivo. I guadagni di prestazione sono stati più evidenti nella prima metà delle sessioni, con qualche calo in seguito, probabilmente dovuto a fatica o spostamento del bracciale. In un test separato, un partecipante abile e la persona amputata hanno usato lo stesso controllo per giocare a Tetris, posizionando e ruotando con successo i blocchi in caduta usando solo movimenti di polso e mano.

Come si confronta questo nuovo approccio

Il team ha confrontato i propri risultati con modelli di performance standard e lavori precedenti con sistemi a elettrodi. Usando un noto quadro di riferimento chiamato legge di Fitts, che mette in relazione la difficoltà del compito con il tempo di movimento, hanno mostrato che molti partecipanti—compresa la persona amputata—hanno raggiunto livelli di performance simili a quelli osservati con sensori muscolari elettrici. La loro produttività (quanto efficacemente completavano i compiti di puntamento) e l’efficienza del percorso (quanto rettilinei erano i movimenti) si sono avvicinate a quelle delle tecnologie consolidate, nonostante il controllo continuo più esigente e la sfida aggiuntiva di generare gesti di clic. I ricercatori sostengono che combinare misure ottiche ed elettriche in dispositivi futuri potrebbe migliorare ulteriormente accuratezza e robustezza.

Cosa potrebbe significare per la vita quotidiana

Per un lettore non specialistico, il punto principale è che questo bracciale basato sulla luce può trasformare movimenti naturali del polso e dell’avambraccio in un controllo fluido e in tempo reale di un cursore e di giochi semplici, anche per chi ha perso una mano. Sebbene lo studio abbia coinvolto un solo amputato e un piccolo gruppo di volontari sani, dimostra che l’optomiografia può fornire un controllo continuo e intuitivo che si avvicina agli approcci elettrici esistenti evitando in parte i loro punti deboli. Con ulteriori lavori su comfort, posizionamento dei sensori e stabilità a lungo termine, tali sistemi potrebbero alla fine alimentare mani protesiche più reattive, strumenti per la riabilitazione e controller indossabili che somiglino meno a dispositivi medici e più ad accessori di uso quotidiano.

Citazione: Khalikov, R., Soghoyan, G., Sintsov, M. et al. Wearable optomyography enables continuous neuroprosthetic control. Sci Rep 16, 9604 (2026). https://doi.org/10.1038/s41598-025-32646-y

Parole chiave: neuroprotesi indossabili, interfaccia muscolo-computer, sensori ottici muscolari, controllo basato sui gesti, riabilitazione protesica