Носимая оптомиография обеспечивает непрерывное нейропротезное управление

Преобразование мышечных сигналов в бесшовное управление

Представьте, что вы управляете курсором на компьютере или в видеоигре только с помощью тонких движений запястья, без мыши, джойстика или даже пальцев. Для людей, лишившихся руки или испытывающих трудности с тонкой моторикой, такой инструмент мог бы вернуть повседневные умения — указывать, кликать и играть. В этом исследовании представлен новый тип браслета для запястья, который «считывает» мышцы светом вместо проводов, что открывает путь к более стабильному, комфортному и точному управлению компьютерами и протезами.

Почему существующие устройства для мышечного управления недотягивают

Современные контроллеры, основанные на мышцах, в основном используют поверхностную электромиографию (ЭМГ) — электроды на коже, фиксирующие слабые электрические сигналы при сокращении мышц. Эти системы позволили создать роботизированные протезы кистей и беспальцевое управление компьютером, но они имеют серьёзные недостатки. Сигналы слабые и легко загрязняются электрическим шумом и движением датчиков. Соседние мышцы мешают друг другу, а сигналы от глубоких мышц трудно считывать. Для многих ампутантов такие системы кажутся утомительными, ненадёжными и требующими усилий, что приводит к отказу от сложных протезов в целом.

Чтение мышц светом вместо проводов

Исследователи изучили альтернативу под названием оптомиография — метод, использующий ближний инфракрасный свет для отслеживания изменений мышц по сдвигам объёма крови и свойств тканей при сокращении. Гибкий браслет на запястье содержит светодиоды, испускающие безопасный свет в предплечье, и маленькие детекторы, которые фиксируют рассеянный свет, возвращающейся из-под кожи. Поскольку биологическая ткань относительно прозрачна в этом диапазоне длин волн, сигналы оказываются чище и менее чувствительны к электрическим помехам по сравнению с традиционными электродными измерениями. Браслет команды записывает 50 каналов данных вокруг запястья и отправляет их на компьютер в режиме реального времени.

Обучение браслета действовать как мышь

Чтобы превратить сырые оптические сигналы в управление, авторы обучили компактную нейронную сеть — по сути небольшой эффективный алгоритм распознавания образов. Участники надевали браслет и выполняли задачу «из центра наружу»: точка появлялась в центре экрана, затем прыгала в одну из 12 позиций, расположенных как часы. Для каждого направления люди использовали устойчивый жест запястья или руки, плюс два дополнительных жеста для нейтральной позы и сжатия в кулак, имитирующего клик. Сеть научилась переводить каждый снимок данных браслета в два значения, описывающие направление движения, и третье значение, отражающее вероятность «клика». Важно, что она выдавала результат для каждого нового образца, обеспечивая непрерывное, плавное движение курсора вместо резких пошаговых скачков.

Обучение указывать, кликать и даже играть в Тетрис

Систему протестировали восемь молодых взрослых без нарушений моторики и один человек, потерявший все пальцы на обеих руках. После короткой калибровки и нескольких минут тренировки они управляли курсором жестами, перемещая его из центра экрана к случайным целям и «захватывая» их сжатием кулака для клика. В ходе нескольких сессий большинство участников улучшали показатели: насколько точно курсор следовал идеальной прямой, как быстро они достигали целей и сколько лишних движений совершали возле цели. Наибольший прирост наблюдался в первой половине сессий, с некоторым падением позже, вероятно из-за усталости или смещения браслета. В отдельном тесте один здоровый участник и ампутант использовали то же управление для игры в Тетрис, успешно размещая и поворачивая падающие блоки только движениями запястья и кисти.

Как этот новый подход сопоставим с другими

Команда сравнила свои результаты с классическими моделями производительности и предыдущими работами с электродными системами. Используя хорошо известную модель — закон Фиттса, связывающий сложность задачи со временем перемещения, — они показали, что многие участники, включая ампутанта, достигли уровней производительности, близких к тем, что наблюдаются при использовании электрических мышечных сенсоров. Их пропускная способность (насколько эффективно выполнялись задачи наведения) и эффективность пути (насколько прямыми были движения) приближались к показателям устоявшихся технологий, несмотря на более требовательное непрерывное управление и дополнительную задачу выполнения кликов. Исследователи утверждают, что сочетание оптических и электрических измерений в будущих устройствах может ещё больше повысить точность и надёжность.

Что это может значить для повседневной жизни

Для неспециалиста главное: этот браслет на основе света может превращать естественные движения запястья и предплечья в плавное управление курсором в реальном времени и простыми играми, даже для человека без кисти. Хотя в исследовании участвовал лишь один ампутант и небольшая группа здоровых добровольцев, оно демонстрирует, что оптомиография способна обеспечить непрерывное, интуитивное управление, сопоставимое с нынешними электрическими подходами, при этом избегая некоторых их слабых сторон. При дальнейшем развитии комфорта, размещения датчиков и долгосрочной стабильности такие системы потенциально смогут управлять более отзывчивыми протезами кисти, инструментами реабилитации и носимыми контроллерами, которые будут восприниматься скорее как повседневные аксессуары, чем как медицинские устройства.

Цитирование: 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

Ключевые слова: носимые нейропротезы, интерфейс «мышца‑компьютер», оптическое считывание мышц, управление жестами, реабилитация при протезировании