Bärbar optomyografi möjliggör kontinuerlig neuroprotesstyrning

Att förvandla muskelsignaler till sömlös kontroll

Föreställ dig att styra en datormarkör eller ett tv-spel enbart med diskreta rörelser i handleden, utan mus, joystick eller ens fingrar. För personer som förlorat en hand eller har svårt med finmotorik skulle ett sådant verktyg kunna återställa vardagsförmågor som att peka, klicka och spela. Denna studie presenterar ett nytt slags handledsband som ”läser” muskler med ljus istället för trådar, vilket öppnar för mer stabil, bekväm och precis styrning av datorer och proteser.

Varför dagens muskelstyrda enheter brister

Dagens muskelbaserade kontroller förlitar sig mest på ytelektromyografi, som använder elektroder på huden för att plocka upp svaga elektriska signaler när muskler kontraherar. Dessa system har möjliggjort robotproteshänder och handsfri datorkontroll, men de har allvarliga nackdelar. Signalerna är svaga och lätt förorenade av elektriskt brus och sensorernas rörelse. Intilliggande muskler kan störa varandra och djupare muskler är svåra att avläsa. För många amputerade känns systemen ansträngande, opålitliga och tröttande, vilket bidrar till att avancerade proteser ofta överges.

Att läsa muskler med ljus istället för trådar

Forskarna undersökte ett alternativ kallat optomyografi, som använder närinfrarött ljus för att spåra hur muskler förändras när blodvolym och vävnadsegenskaper skiftar vid kontraktion. Ett flexibelt handledsband innehåller lysdioder som skickar ofarligt ljus in i underarmen och små detektorer som känner av det spridda ljuset som återvänder under huden. Eftersom biologisk vävnad är relativt genomskinlig i detta våglängdsområde tenderar signalerna att vara renare och mindre känsliga för elektriska störningar än traditionella elektrodmätningar. Teamets handledsband spelar in 50 kanaler runt handleden och skickar dem till en dator i realtid.

Att lära ett handledsband att bete sig som en mus

För att omvandla råa ljussignaler till styrning tränade författarna ett kompakt neuralt nätverk—i praktiken ett litet, effektivt mönsterigenkänningsprogram. Deltagarna bar handledsbandet och utförde en ”center-out”-uppgift: en punkt dök upp i mitten av skärmen och hoppade sedan till en av 12 positioner arrangerade som timmarna på en klocka. För varje riktning använde försökspersonerna en konsekvent handleds- eller handgest, plus två extra gester för neutral hållning och en knytnävsknipas för att efterlikna klick. Nätverket lärde sig att översätta varje ögonblicksbild av handledsbandets data till två värden som beskrev rörelseriktning och ett tredje värde som speglade sannolikheten för ett "klick." Avgörande var att det producerade utdata för varje nytt prov, vilket möjliggjorde kontinuerlig, mjuk markörrörelse istället för hackiga, stegvisa hopp.

Lära sig peka, klicka och till och med spela Tetris

Åtta unga vuxna utan rörelsenedsättningar och en person som saknade alla fingrar på båda händerna testade systemet. Efter en kort kalibrering och några minuters träning använde de gester för att flytta en markör från skärmens mitt till slumpmässigt placerade mål och sedan ”fånga” dem med ett knytnävsklik. Över flera sessioner förbättrade sig de flesta deltagare i mått som hur nära deras markör följde en ideal rak bana, hur snabbt de nådde målen och hur mycket extra rörelse de gjorde nära målet. Prestationsförbättringarna var mest påtagliga under första halvan av sessionerna, med viss nedgång senare, sannolikt på grund av trötthet eller att handledsbandet förskjutits. I ett separat test använde en fullt fungerande deltagare och den amputerade samma styrning för att spela rundor av Tetris, och lyckades placera och rotera fallande block enbart med handleds- och handrörelser.

Hur denna nya metod står sig

Teamet jämförde sina resultat med standardiserade prestationsmodeller och tidigare arbete med elektrod-baserade system. Med hjälp av en välkänd ram kallad Fitts lag, som relaterar uppgiftslätthet till rörelsetid, visade de att många deltagare—inklusive den amputerade—nått prestationsnivåer liknande de som ses med elektriska muskelsensorer. Deras genomströmning (hur effektivt de kunde utföra pekuppgifter) och ban-effektivitet (hur raka deras rörelser var) närmade sig etablerade teknologier, trots den mer krävande kontinuerliga kontrollen och den extra utmaningen att producera klickgester. Forskarnas slutsats är att en kombination av ljusbaserade och elektriska mätningar i framtida enheter kan förbättra noggrannhet och robusthet ytterligare.

Vad detta kan betyda i vardagen

För en lekman är slutsatsen att detta ljusbaserade handledsband kan förvandla naturliga handleds- och underarmsrörelser till flytande, realtidsstyrning av en datormarkör och enkla spel, även för någon som saknar en hand. Även om studien bara omfattade en amputerad och en liten grupp friska volontärer visar den att optomyografi kan ge kontinuerlig, intuitiv kontroll som matchar nuvarande elektriska metoder samtidigt som vissa av deras svagheter undviks. Med vidare arbete kring komfort, sensorns placering och långsiktig stabilitet skulle sådana system så småningom kunna driva mer responsiva proteshänder, rehabiliteringsverktyg och bärbara kontroller som känns mindre som medicinsk utrustning och mer som vardagliga accessoarer.

Citering: 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

Nyckelord: bärbara neuroproteser, muskel-datorgränssnitt, optisk muskelsensorik, gesterbaserad styrning, protesrehabilitering