News and Media

Sensori stampabili per un approccio orientato al paziente

30 luglio 2021

L'elettromiografia di superficie (sEMG) rappresenta l’approccio classico e non invasivo per indagare l’attività muscolare: due elettrodi collocati sulla pelle misurano la differenza di tensione tra le due posizioni sopra il muscolo da esaminare, permettendo di registrare l’attività muscolare durante qualsiasi attività motoria, come la presa di un oggetto, il movimento degli arti e persino l'andatura.

Ecco perché tale metodica è molto utilizzata nella realizzazione e nel controllo di protesi robotiche come interfaccia muscolo-computer per il controllo dei dispositivi riabilitativi: in questo contesto svolge un ruolo rilevante il riconoscimento di gesti specifici, o gesture recognition, basato sulla sEMG con l'obiettivo di interpretare i gesti umani attraverso algoritmi matematici.

Un team di ricercatori coordinato da Viviana Betti del Dipartimento di Psicologia della Sapienza, in collaborazione con l’azienda romana di ricerca applicata in neuroscienze BrainTrends e l’Università di Padova, ha sviluppato dei sensori a basso costo, di facile utilizzo e velocemente realizzabili grazie alla stampa a getto d’inchiostro, per acquisire e analizzare i segnali sEMG.

Lo studio, condotto presso il laboratorio di Neuroscienze e tecnologie applicate dell’IRCCS Santa Lucia e pubblicato sulla rivista scientifica Scientific Reports, ha visto anche la collaborazione del Consorzio nazionale inter-universitario per le telecomunicazioni di Roma (Cnit) e il Centro nazionale di neurologia e psichiatria giapponese (Ncnp).

I sensori sono stati realizzati con inchiostri a base di nanoparticelle d'argento (AgNP), ampiamente impiegati per la prototipazione rapida di elettrodi sEMG. Rispetto ai nanomateriali emersi e utilizzati negli ultimi anni, come grafene, nanofili d'argento e nanotubi di carbonio, che mostrano significativi limiti quali mancanza di riproducibilità, conduttività limitata, instabilità e costi solitamente elevati, gli inchiostri AgNP commerciali sono molto più stabili e riproducibili, garantendo migliori prestazioni. Inoltre, tali sensori sono progettabili in modo completamente personalizzato, a seconda dell'applicazione e delle esigenze dell’utente finale.

Finora l’impiego dell’elettromiografia di superficie nel campo delle neuroscienze per misurare il segnale elettromiografico durante scenari di vita quotidiana, è stato limitato a causa di complesse procedure di fabbricazione, materiali costosi e la necessità di una notevole preparazione degli operatori. Questa ricerca propone invece un completo cambio di paradigma nella prototipazione e nella produzione di sensori sEMG stampabili: introduce una tecnologia di fabbricazione print and play ultrarapida, economica e sfruttabile da qualsiasi laboratorio, per sistemi di misurazioni elettrofisiologiche personalizzabili, anche senza specifiche competenze. L'idea è di fornire ai clinici una piattaforma di fabbricazione costituita da strumenti di facile impiego. A questo scopo il team di ricerca è stato in grado di ottimizzare ogni fase del processo produttivo, per mantenere bassi i costi, e tutti i materiali necessari sono disponibili in commercio.

“Abbiamo progettato matrici sEMG a 8 canali per misurare l'attività muscolare dell'avambraccio, utilizzando inchiostri innovativi a base di nanoparticelle d’argento per stampare i sensori direttamente incorporati in ogni matrice, con una stampante commerciale a getto d'inchiostro – dichiara Viviana Betti della Sapienza – abbiamo poi acquisito i dati sEMG multicanale dai 12 partecipanti, mentre eseguivano ripetutamente dodici movimenti standard delle dita, sei estensioni e sei flessioni”.

I sensori sono risultati in grado di registrare valori significativamente simili tra le differenti ripetizioni di uno stesso gesto, per ciascun partecipante, e una differenza abbastanza ampia tra i diversi movimenti.

Confrontati vari modelli predittivi, è emerso un buon livello di accuratezza complessiva della classificazione nel riconoscimento di specifici gesti delle dita della mano (93-95%), sia per la flessione che per l’estensione.

“Infine – continua Betti – utilizzando simulazioni FEM, (metodo a elementi finiti) si potrebbero ottenere anche ulteriori personalizzazioni dell’acquisizione sEMG, per adattarla a diversi scopi: rendendola, ad esempio, meno invadente nel monitoraggio continuo nella vita quotidiana, o con una configurazione più densa per test clinici molto fini, durante l'allenamento motorio”.

A differenza di numerose altre interfacce uomo-macchina che, come ampiamente dimostrato, hanno una buona trasduzione del segnale e classificazioni appropriate e accurate, la trasduzione del segnale EMG resta invece un punto critico, in particolare per quelle applicazioni che richiedano geometrie di elettrodi personalizzate e che si adattino a esigenze specifiche del paziente.

Questo lavoro contribuisce agli sforzi della ricerca sullo sviluppo di strumenti nuovi e a basso costo, che permettano di evolvere verso applicazioni indossabili, scalabili e personalizzabili. Il fine ultimo del lavoro è aiutare pazienti e operatori sanitari a migliorare la pratica clinica e la fase di riabilitazione da malattie o lesioni neuromotorie, con un approccio al paziente sempre più personalizzato.

Riferimenti:

Inkjet-printed fully customizable and low-cost electrodes matrix for gesture recognition- Giulio Rosati, Giulia Cisotto, Daniele Sili, Luca Compagnucci, Chiara De Giorgi, Enea Francesco Pavone, Alessandro Paccagnella, Viviana Betti. Scientific Reports 2021 DOI: https://doi.org/10.1038/s41598-021-94526-5