Negli ultimi anni le protesi robotiche hanno compiuto passi da gigante, ma una delle sfide più grandi è sempre stata quella di farle “dialogare” davvero con il corpo umano. Un nuovo algoritmo cambia prospettiva: invece di ottimizzare solo il movimento della protesi, tiene conto anche di come il resto del corpo reagisce, con l’obiettivo di riportare il passo il più vicino possibile a una camminata naturale. Per chi ha subito un’amputazione, questo significa non solo camminare meglio, ma ridurre il rischio di problemi secondari come dolori a schiena, anche e tronco.

Il lavoro, sviluppato dal gruppo di ricerca guidato dalla professoressa Helen Huang, mostra come sia possibile personalizzare in modo fine il comportamento di una ginocchio robotico tramite un algoritmo che “impara” dalle preferenze e dal movimento effettivo dell’utente. Invece di imporre un modello standard, il sistema osserva la persona mentre cammina e adatta il controllo in tempo quasi reale, cercando il punto di equilibrio tra comfort, stabilità e naturalezza.

Protesi e algoritmi di rinforzo inverso: cosa significa nella pratica

Al centro di questa innovazione c’è la combinazione tra apprendimento per rinforzo (reinforcement learning) e apprendimento per rinforzo inverso (inverse reinforcement learning). In parole semplici, l’algoritmo non si limita a ottimizzare la protesi per un obiettivo “rigido” deciso dai progettisti, ma prova a dedurre quali siano gli obiettivi impliciti dell’utente osservando il suo modo di muoversi. Se, ad esempio, una persona preferisce un’andatura con maggiore flessione dell’anca o un passo più lungo, il sistema impara queste preferenze adattando di conseguenza il comportamento del ginocchio robotico.

In un precedente progetto, lo stesso gruppo aveva già dimostrato che un algoritmo di reinforcement learning era in grado di “tarare” automaticamente una protesi di ginocchio in pochi minuti, riducendo la necessità di lunghe sedute di tuning in clinica. Il nuovo lavoro, descritto nell’ articolo della North Carolina State University dedicato alle protesi robotiche modificate , fa un passo ulteriore: integra anche lo stato del corpo umano nel processo di ottimizzazione, introducendo il concetto di “simbiosi” uomo-robot.

Come l’algoritmo interpreta il movimento dell’utente

Dal punto di vista tecnico, il sistema utilizza sensori montati sulla protesi per monitorare in tempo reale gli angoli e le velocità del ginocchio artificiale. In parallelo, altri sensori indossabili registrano il movimento dell’anca e, se necessario, del tronco. L’algoritmo valuta come questi segmenti si muovono insieme e modifica i parametri di controllo del ginocchio per favorire un pattern di camminata più simmetrico e naturale.

Questo approccio a “doppio livello” consente di co-adattare protesi e corpo. Non è più l’utente a doversi sforzare di seguire la meccanica imposta dal dispositivo, ma è il dispositivo che viene regolato per sostenere il modo in cui la persona vorrebbe camminare, compatibilmente con sicurezza e stabilità.

Protesi robotiche e postura: benefici oltre il ginocchio

Uno degli aspetti più interessanti messi in luce dai primi test è il potenziale impatto sui disturbi posturali. Dopo un’amputazione, molte persone sviluppano compensi: inclinano il tronco, ruotano il bacino, sovraccaricano l’arto sano. Nel lungo periodo, questi adattamenti possono tradursi in dolori cronici a schiena e anche. Il nuovo algoritmo, favorendo un’andatura più equilibrata, potrebbe contribuire a ridurre questi carichi anomali.

Nei test preliminari, i ricercatori hanno osservato che gli utenti tendevano ad aumentare il range di movimento dell’anca e a coinvolgere di più il tronco durante il passo. In pratica, il camminare diventava meno “rigido” e più simile a quello di una persona senza amputazione, con una distribuzione più armonica dei movimenti lungo tutta la catena cinetica.

Un test su cinque partecipanti, tra amputati e non

Per valutare il nuovo algoritmo, il team ha arruolato cinque partecipanti: due persone con amputazione sopra il ginocchio e tre soggetti senza amputazione, che hanno usato la protesi robotica in condizioni controllate. Ogni volontario ha eseguito una serie di compiti di cammino in due modalità diverse: con il software di controllo “tradizionale” e con il nuovo approccio basato su bilevel optimization e inverse reinforcement learning.

I risultati hanno mostrato che, nella maggior parte dei casi, la modalità avanzata portava a passi più lunghi e a un maggior tempo di appoggio sull’arto protesico, segni di maggiore fiducia nel dispositivo e miglior equilibrio. Questi cambiamenti non riguardavano solo la protesi, ma anche il modo in cui il resto del corpo si organizzava durante la camminata.

Protesi intelligenti in clinica: opportunità e ostacoli

L’adozione di algoritmi così sofisticati in protesi destinate all’uso quotidiano apre scenari molto promettenti ma porta anche sfide concrete. Da un lato, la possibilità di personalizzare il controllo in pochi minuti riduce il carico di lavoro sui clinici e aumenta la probabilità che l’utente si senta realmente a suo agio con il dispositivo. Dall’altro, è necessario che questi sistemi risultino affidabili, sicuri e facilmente gestibili anche al di fuori dei laboratori di ricerca.

Il gruppo di Helen Huang sta già collaborando con ortopedici, fisiatri e aziende produttrici per capire come integrare questi algoritmi nei flussi di lavoro esistenti. La speranza è che, in futuro, il tecnico ortopedico possa disporre di strumenti software che suggeriscano automaticamente settaggi ottimali in base ai dati raccolti durante poche decine di passi sul tapis roulant o nel corridoio del centro riabilitativo.

Dalla simulazione al cammino quotidiano

Molte delle tecniche su cui si basa questo algoritmo sono state inizialmente sviluppate in simulazioni al computer, utilizzando modelli biomeccanici complessi. Portarle nel mondo reale significa confrontarsi con variabili aggiuntive: superfici irregolari, cambi di velocità, stanchezza, attenzione limitata. I test finora condotti rappresentano un primo passo, ma serviranno studi più lunghi per capire come si comporti il sistema nella vita di tutti i giorni, tra marciapiedi, scale, mezzi pubblici e imprevisti.

Un obiettivo a medio termine è estendere questi principi ad altri tipi di dispositivi: caviglie robotiche, esoscheletri per la riabilitazione, protesi degli arti superiori. L’idea di fondo rimane la stessa: usare l’intelligenza artificiale per trovare un punto di incontro tra ciò che la macchina può fare e ciò che il corpo umano vorrebbe fare, minimizzando gli sforzi compensatori e massimizzando comfort e naturalezza del movimento.

Uomo e macchina: verso una simbiosi nel cammino assistito

Questo nuovo algoritmo suggerisce un cambio di paradigma nel design delle protesi robotiche: non più semplici sostituti meccanici di un’articolazione mancante, ma partner dinamici che si adattano all’utente e lo aiutano a recuperare schemi di movimento più sani. Per le persone amputate, significa la possibilità di camminare non solo “nonostante” il dispositivo, ma grazie ad esso, con meno fatica e meno conseguenze sul resto del corpo.

Se i risultati verranno confermati su campioni più ampi e in condizioni di vita reale, la personalizzazione intelligente delle protesi potrebbe diventare uno standard nella progettazione dei dispositivi di nuova generazione, aprendo la strada a un’interazione uomo-macchina sempre più fluida e realmente centrata sulla persona.