Melhorando a Reabilitação com Treinamento de Marcha Assistido por Robô

O treinamento de marcha assistido por robô é uma técnica usada na reabilitação pra ajudar as pessoas a melhorarem sua habilidade de andar. Dizem que esse método é mais consistente do que os tradicionais. A ideia é que o robô dá a quantidade certa de ajuda, dependendo do que cada pessoa precisa. Ao entender como a pessoa reage a essa ajuda, conseguimos descobrir a melhor forma de assisti-la.

Pra determinar o nível ideal de suporte pra cada pessoa, precisamos considerar as diferenças entre os indivíduos e equilibrar o número de tentativas com a precisão das previsões sobre as respostas. Pra resolver esses desafios, criaram um novo método que envolve as pessoas diretamente no processo. Esse jeito foi testado com várias abordagens pra funcionar melhor, e estudos anteriores mostraram que usar informações extras sobre como a ajuda do robô interage com os movimentos da pessoa pode tornar o treinamento mais eficaz e reduzir o número de tentativas necessárias.

Apesar dos avanços, métodos anteriores que utilizavam essa abordagem de incluir humanos não consideravam totalmente como uma pessoa se adapta à assistência do robô durante o treinamento. Os modelos existentes presumiam que a resposta da pessoa se mantinha a mesma quando recebia o mesmo nível de ajuda, o que limita a aplicação na reabilitação. Por isso, é essencial criar modelos que levem em conta como as pessoas se ajustam ao treinamento com robôs.

#Modelos de Adaptação Motora

Os modelos de adaptação motora explicam como nosso cérebro muda a forma como controla o movimento em resposta a diferentes condições. Por exemplo, quando enfrentamos novos desafios, nosso cérebro refina sua compreensão de como se mover por meio de modelos de aprendizado baseado em erro. Nesses modelos, o cérebro faz ajustes comparando o que era esperado com o que realmente acontece.

Um modelo que é muito usado se chama modelo de aprendizado baseado em erro de dois estados, focado principalmente nos movimentos dos braços. Esse modelo mostra como as pessoas costumam usar experiências anteriores pra guiar seus movimentos atuais. No entanto, apesar de descrever o processo de adaptação durante o treinamento, não leva em conta as mudanças nas respostas depois do treinamento, que é vital pra reabilitação, especialmente após lesões neurológicas. Além disso, os modelos anteriores não foram testados a fundo em movimentos de caminhada.

Na nossa pesquisa, analisamos a relação entre a ajuda dada às articulações do quadril e do joelho durante o treinamento de marcha e os resultados medidos durante o processo. Desenvolvemos um modelo de aprendizado dependente do uso modificado, adicionando uma forma de atualizar estados de referência a um modelo existente pra que também pudesse descrever os efeitos persistentes após o treinamento. Vários modelos de adaptação motora, incluindo os de estado único, aprendizado dependente do uso, dois estados rápido e lento, e o nosso modelo de aprendizado dependente do uso modificado, foram comparados em função de quão bem se ajustaram às respostas dos participantes durante e após o treinamento de marcha.

#Coleta e Processamento de Dados

Num estudo anterior, dezesseis participantes saudáveis caminharam numa esteira enquanto recebiam diferentes padrões de ajuda nas articulações do quadril e do joelho. Oito padrões únicos foram criados com base em diferentes tempos e quantidades de ajuda dadas. Cada participante experimentou o mesmo padrão de ajuda por um total de 200 passos. Antes de começar a ajuda, caminharam sem ajuda por 100 passos e continuaram sem ajuda por mais 100 passos após a intervenção.

Duas medições principais foram feitas durante essa pesquisa: o ângulo em que o quadril se estende quando o chão empurra pra baixo, e o impulso que ajuda a impulsioná-los pra frente.

As respostas de cada pessoa foram analisadas separadamente para cada condição de medição. Diferenças nas respostas que ocorreram durante o experimento foram tratadas por um método chamado interpolação linear. Pra minimizar o ruído nas medições, as respostas em cada passo foram médias com as duas respostas anteriores e as duas seguintes em três fases diferentes: linha de base, intervenção de ajuda e efeitos posteriores. As respostas coletadas dos últimos 20 passos da fase inicial foram usadas pra definir uma linha de base pra comparação.

#Modelagem do Aprendizado Dependente do Uso em Resposta

Usamos cinco modelos de adaptação motora pra explicar como os participantes reagiram à assistência de torque. Pra captar as mudanças graduais nas respostas dos participantes durante e logo após o treinamento, escolhemos o modelo de aprendizado dependente do uso. No entanto, como o modelo original não conseguia levar em conta os efeitos persistentes, modificamos o modelo pra incluir uma forma de atualizar os estados de referência. Além disso, também testamos os modelos padrão de adaptação motora.

#Vários Modelos Explicados

1. Modelo de Estado Único
   Esse modelo explica como movimentos planejados são influenciados por movimentos anteriores e erros vividos. Usa uma forma simples pra mostrar como essas influências funcionam.

2. Modelo de Dois Estados Rápido e Lento
   Esse modelo divide os movimentos planejados em duas partes: uma reação rápida e uma mais lenta. A parte rápida se ajusta rapidamente às novas condições, enquanto a parte lenta retém feedback dos erros passados, levando a efeitos persistentes mesmo após o treinamento.

3. Modelo de Dois Estados
   Essa é uma versão geral do modelo de dois estados rápido e lento, oferecendo uma estrutura mais completa pra entender a adaptação motora.

4. Modelo de Aprendizado Dependente do Uso
   Esse modelo foca em como experiências anteriores moldam as respostas atuais. Captura como a resposta humana durante perturbações é influenciada por experiências passadas.

5. Modelo Modificado de Aprendizado Dependente do Uso
   Esse modelo é uma evolução do modelo de aprendizado dependente do uso e inclui a capacidade de descrever os efeitos posteriores do treinamento, tornando-o mais adequado pra reabilitação.

#Ajuste de Modelos às Respostas

Usamos esses cinco modelos pra analisar os dados coletados dos participantes durante o estudo. Como os participantes precisavam de tempo pra se adaptar à esteira, focamos nas respostas medidas após os primeiros 80 passos pra nossa análise. Cada modelo foi ajustado a essas respostas pra encontrar os melhores coeficientes que minimizassem a diferença entre as previsões do modelo e os dados medidos reais.

Os modelos foram repetidos várias vezes com diferentes valores iniciais pra evitar cair em mínimos locais durante o ajuste. Os melhores valores de ajuste pra cada modelo foram então comparados usando métodos estatísticos pra avaliar quão bem cada modelo descreveu as respostas dos participantes.

#Análise Estatística

Os resultados de cada modelo de adaptação motora foram analisados pra verificar normalidade. Se os resultados eram normalmente distribuídos, testes t pareados foram conduzidos. Se não, um teste de postos sinalizados de Wilcoxon foi usado. Como várias comparações foram feitas, ajustamos a taxa de descoberta falsa pra garantir resultados confiáveis.

Ao analisar as respostas médias do grupo, não encontramos diferenças significativas entre muitos modelos de adaptação motora. No entanto, para as respostas individuais, os modelos de dois estados e o modelo de aprendizado dependente do uso modificado se saíram consistentemente melhor do que os outros.

#Discussão e Conclusões

Essa pesquisa examina a eficácia de cinco modelos diferentes de adaptação motora pra entender as respostas médias do grupo e individuais durante o treinamento de marcha assistido por robô. Com base na qualidade do ajuste dos modelos, o modelo de aprendizado dependente do uso modificado foi considerado o mais eficaz pra descrever os resultados do grupo. Para as respostas individuais, tanto o modelo modificado quanto o modelo de dois estados se saíram bem, especialmente na medição da extensão do quadril.

Os achados sugerem que, enquanto as respostas médias do grupo podem não mostrar diferenças significativas entre os modelos, uma análise mais aprofundada no nível individual leva a conclusões mais claras sobre a adaptabilidade. As respostas relacionadas à extensão do quadril foram descritas de forma mais eficaz pelos modelos em comparação com as relacionadas à propulsão.

Os modelos de estado único e o modelo original de aprendizado dependente podem não capturar os efeitos persistentes, então pesquisas futuras devem focar no modelo modificado e no modelo de dois estados ao investigar mudanças prolongadas após o treinamento. No geral, os resultados ressaltam a necessidade de modelos precisos que possam levar em conta as diferenças e respostas individuais durante a terapia de assistência robótica.