Mejorando la rehabilitación con entrenamiento de marcha asistido por robots

El entrenamiento de marcha asistido por robots es una técnica que se usa en rehabilitación para ayudar a la gente a mejorar su capacidad de caminar. Se cree que este método es más consistente que los métodos tradicionales. La idea es que el robot da la cantidad justa de ayuda según lo que cada persona necesita. Al entender cómo una persona responde a esta ayuda, podemos descubrir la mejor manera de asistirla.

Para determinar el nivel ideal de apoyo para cada persona, debemos considerar las diferencias entre individuos y equilibrar el número de pruebas con lo bien que podemos predecir sus respuestas. Para abordar estos desafíos, se creó un nuevo método que involucra directamente a los humanos en el proceso. Este enfoque se ha probado con varios métodos para hacerlo funcionar mejor, y estudios previos han mostrado que usar información adicional sobre cómo la ayuda del robot interactúa con los movimientos de la persona puede hacer que el entrenamiento sea más efectivo y reducir el número de pruebas necesarias.

A pesar de los avances, los métodos anteriores que utilizaron este enfoque de humano en el ciclo no consideraron completamente cómo una persona se adapta a la asistencia del robot durante el entrenamiento. Los modelos existentes asumían que la respuesta de una persona se mantendría igual al recibir el mismo nivel de ayuda, lo que limita su aplicación en rehabilitación. Por lo tanto, es esencial crear modelos que tengan en cuenta cómo las personas se ajustan al entrenamiento usando robots.

#Modelos de Adaptación Motora

Los modelos de adaptación motora explican cómo nuestro cerebro cambia la forma en que controla el movimiento en respuesta a diferentes condiciones. Por ejemplo, cuando enfrentamos nuevos desafíos, nuestro cerebro refina su comprensión de cómo movernos a través de modelos de aprendizaje basado en errores. En estos modelos, el cerebro hace ajustes comparando lo que se pretendía con lo que realmente sucede.

Un modelo comúnmente usado se llama modelo de aprendizaje basado en errores de dos estados, que se enfoca principalmente en los movimientos de los brazos. Este modelo muestra cómo las personas a menudo utilizan sus experiencias previas para informar sus movimientos actuales. Sin embargo, aunque este modelo puede describir el proceso de adaptación durante el entrenamiento, no tiene en cuenta los cambios en las respuestas después del entrenamiento, que son vitales para la rehabilitación, especialmente después de lesiones neurológicas. Además, los modelos anteriores no se han probado a fondo en movimientos de marcha.

En nuestra investigación, analizamos la relación entre la ayuda proporcionada a las articulaciones de la cadera y la rodilla durante el entrenamiento de marcha y los resultados medidos durante el proceso. Desarrollamos un modelo de aprendizaje dependiente del uso modificado al agregar una forma de actualizar los estados de referencia a un modelo existente para que también pudiera describir los efectos persistentes después del entrenamiento. Varios modelos de adaptación motora, incluyendo el de estado único, aprendizaje dependiente del uso, dos estados rápido y lento, y nuestro modelo de aprendizaje dependiente del uso modificado, fueron comparados según qué tan bien se ajustaban a las respuestas de los participantes durante y después del entrenamiento de marcha.

#Recopilación y Procesamiento de Datos

En un estudio previo, dieciséis participantes sanos caminaron en una caminadora mientras recibían diferentes patrones de ayuda en sus articulaciones de cadera y rodilla. Se crearon ocho patrones únicos basados en diferentes tiempos y cantidades de ayuda proporcionada. Cada participante experimentó el mismo patrón de ayuda por un total de 200 zancadas. Antes de empezar con la ayuda, caminaron sin ayuda durante 100 zancadas y continuaron caminando sin ayuda durante 100 zancadas después de la intervención.

Se tomaron dos medidas principales durante esta investigación: el ángulo al que se extiende la cadera cuando el suelo empuja hacia abajo, y el impulso que ayuda a impulsarlos hacia adelante.

Las respuestas de cada persona fueron analizadas por separado para cada condición de medición. Las diferencias en las respuestas que ocurrieron durante el experimento se abordaron mediante un método llamado interpolación lineal. Para minimizar el ruido en las mediciones, se promediaron las respuestas de cada zancada con las dos respuestas anteriores y las dos siguientes para tres fases diferentes: línea base, intervención de ayuda y efectos posteriores. Las respuestas recopiladas de las últimas 20 zancadas de la fase inicial se utilizaron para establecer una línea base para comparación.

#Modelando el Aprendizaje Dependiente del Uso en Respuesta

Utilizamos cinco modelos de adaptación motora para explicar cómo respondieron los participantes a la asistencia de torque. Para capturar los cambios graduales en las respuestas de los participantes durante y poco después del entrenamiento, elegimos el modelo de aprendizaje dependiente del uso. Sin embargo, dado que el modelo original no podía tener en cuenta los efectos persistentes, modificamos el modelo para incorporar una forma de actualizar los estados de referencia. Además, también probamos los modelos estándar de adaptación motora.

#Diversos Modelos Explicados

1. Modelo de Estado Único
   Este modelo explica cómo los movimientos planificados están influenciados por los movimientos anteriores y errores experimentados. Usa una forma simple de mostrar cómo funcionan estas influencias.

2. Modelo de Dos Estados Rápido y Lento
   Este modelo divide los movimientos planificados en dos partes: una reacción rápida y una más lenta. La parte rápida se ajusta rápidamente a nuevas condiciones, mientras que la parte lenta retiene retroalimentación de errores pasados, llevando a efectos persistentes incluso después del entrenamiento.

3. Modelo de Dos Estados
   Esta es una versión general del modelo de dos estados rápido y lento, que proporciona un marco más completo para entender la adaptación motora.

4. Modelo de Aprendizaje Dependiente del Uso
   Este modelo se enfoca en cómo las experiencias previas moldean las respuestas actuales. Captura cómo la respuesta humana durante perturbaciones está influenciada por experiencias pasadas.

5. Modelo de Aprendizaje Dependiente del Uso Modificado
   Este modelo es una evolución del modelo de aprendizaje dependiente del uso e incluye la capacidad de describir efectos posteriores del entrenamiento, haciéndolo más adecuado para la rehabilitación.

#Ajuste de Modelos a las Respuestas

Utilizamos estos cinco modelos para analizar los datos recopilados de los participantes durante el estudio. Dado que los participantes necesitaban tiempo para adaptarse a la caminadora, nos enfocamos en las respuestas medidas después de las primeras 80 zancadas para nuestro análisis. Cada modelo se ajustó a estas respuestas para encontrar los mejores coeficientes que minimizaran la diferencia entre las predicciones del modelo y los datos medidos reales.

Los modelos se repitieron varias veces con diferentes valores iniciales para evitar caer en mínimos locales durante el ajuste. Los mejores valores ajustados para cada modelo se compararon usando métodos estadísticos para evaluar qué tan bien cada modelo describía las respuestas de los participantes.

#Análisis Estadístico

Los resultados de cada modelo de adaptación motora se analizaron para verificar la normalidad. Si los resultados estaban distribuidos normalmente, se realizaron pruebas t de muestras apareadas. Si no, se utilizó una prueba de rango con signo de Wilcoxon. Dado que se hicieron múltiples comparaciones, ajustamos la tasa de descubrimiento falso para asegurar resultados confiables.

Al analizar las respuestas promedio del grupo, no encontramos diferencias significativas entre muchos modelos de adaptación motora. Sin embargo, para las respuestas a nivel individual, los modelos de dos estados y el modelo modificado dependiente del uso tuvieron un desempeño consistente mejor que los demás.

#Discusión y Conclusiones

Esta investigación examina la efectividad de cinco modelos diferentes de adaptación motora para entender las respuestas promediadas del grupo e individuales durante el entrenamiento de marcha asistido por robots. Basado en la calidad del ajuste de los modelos, se encontró que el modelo de aprendizaje dependiente del uso modificado fue el más efectivo para describir los resultados grupales. Para las respuestas individuales, tanto el modelo modificado como el modelo de dos estados funcionaron bien, particularmente en la medición de la extensión de la cadera.

Los hallazgos sugieren que, aunque las respuestas promediadas del grupo pueden no mostrar diferencias significativas entre los modelos, un análisis más profundo a nivel individual proporciona conclusiones más claras sobre la adaptabilidad. Las respuestas relacionadas con la extensión de la cadera fueron descritas más efectivamente por los modelos en comparación con las relacionadas con la propulsión.

Los modelos de estado único y el modelo original de aprendizaje dependiente del uso pueden no capturar los efectos persistentes, por lo que la investigación futura debería centrarse en el modelo modificado y el modelo de dos estados al investigar cambios prolongados después del entrenamiento. En general, los resultados enfatizan la necesidad de modelos precisos que puedan tener en cuenta las diferencias individuales y las respuestas durante la terapia de asistencia robótica.