تکنولوژی
کاهش بار: چگونه هوش مصنوعی به آینده اسکلتی بدن کمک میکند
در آخرین قسمت پادکست Lexicon، با دکتر هائو سو، استادیار مهندسی مکانیک و هوافضا در دانشگاه ایالتی کارولینای شمالی و یکی از اعضای دانشکده مهندسی پزشکی مشترک UNC/NCSU، مصاحبهای داشتیم. در این قسمت به بررسی کار دکتر سو در زمینه هوش مصنوعی و اسکلتهای بیرونی و پتانسیل این فناوری در تحول مراقبتهای پزشکی حرکتساز میپردازیم.
در آخرین قسمت از پادکست Lexicon، با دکتر هائو سو، استادیار مهندسی مکانیک و هوافضا در دانشگاه ایالتی کارولینای شمالی و عضو هیئت علمی مشترک دپارتمان مهندسی پزشکی UNC/NCSU صحبت کردیم. به ما بپیوندید تا در مورد کار دکتر سو در زمینه هوش مصنوعی و اسکلتهای بیرونی صحبت کنیم و پتانسیل این فناوری برای انقلاب در مراقبتهای پزشکی حرکتساز را کشف کنیم.
آوردن انسانها و رباتها با اسکلتهای بیرونی
دکتر سو توضیح میدهد: «تحقیقات ما بر روی رباتیک متمرکز بر انسان و هوش مصنوعی است. ما همکاران بالینی از بیمارستانهای توانبخشی پیشرو داریم و با افراد دارای ناتوانی بالینی آزمایشات انجام میدهیم. از طریق این آزمایشها، ما دریافتیم که تنظیم پارامترهای کنترلی زمان زیادی، حدود ۲۰ دقیقه تا نیم ساعت، میبرد.» این زمان به نظر دکتر سو بسیار طولانی است و یکی از انگیزههای اصلی تیم او برای توسعه یک سیستم کارآمدتر است. چالش بزرگ دیگری که دکتر سو توضیح میدهد، قابلیت تطبیق پذیری کنترلرهای اسکلت بیرونی است. وی میگوید: «خبر خوب درباره کنترلر این است که میتواند به فعالیتهای مختلف کمک کند. نکته شگفتانگیز این است که اگر شخصی پیادهروی، دویدن یا پلهپیمایی کند، کنترلر میتواند به چندین فعالیت حرکتی تطبیق یابد.» دکتر سو و تیمش همچنین یک چارچوب شبیهسازی مبتنی بر هوش مصنوعی به نام «یادگیری در شبیهسازی» توسعه دادهاند تا این موانع را برطرف کنند.
یادگیری در شبیهسازی
بهترین قسمت این است که نیازی به انجام هیچ آزمایش انسانی نیست که بسیار زمانبر میباشد. علاوه بر این، میتوان آن را برای طیف وسیعی از فعالیتهای حرکتی مختلف استفاده کرد. این چارچوب سه شبکه عصبی مرتبط را برای شبیهسازی حرکت انسان، هماهنگی عضلات و کنترل اسکلت بیرونی ادغام میکند. یکی از ویژگیهای برجسته چارچوب شبیهسازی دکتر سو، توانایی یادگیری سیاستهای کنترلی است. دکتر سو میگوید: «در شبیهسازی ما، انسان مجازی راه رفتن را یاد میگیرد و ربات میآموزد که چگونه با انسان هماهنگ شود. این دو فرایند یادگیری به طور همزمان انجام میشود.» این شبیهسازی با دستاوردهای واقعی آزمایش شده است، با استفاده از اسکلت بیرونی لگن. دکتر سو توضیح میدهد: «ما فعالیت عضلات انسانی را با استفاده از سنسورهای EMG برای اندازهگیری نحوه کاهش فعالیت عضلانی و صرفهجویی در تلاش انسان تست کردیم. ما کاهش فعالیت عضلانی را هم در شبیهسازی و هم در واقعیت مشاهده کردیم.»
نتایج مثبت بودند. دکتر سو به IE توضیح داد که: «ما دریافتیم که ربات میتواند حدود ۲۴٪ از هزینه متابولیک را در حین راه رفتن کاهش دهد که معادل کاهش حدود ۱۱ کیلوگرم وزن بدن است.» این کاهش چشمگیر هزینه متابولیک نیز در دویدن و پلهپیمایی مشاهده شد، با کاهش ۱۳٪ تا ۱۴٪. دکتر سو توضیح میدهد که این رویکرد تضمین میکند که سیاست کنترلی به اندازه کافی تطبیق پذیر برای افراد مختلف است، که اسکلت بیرونی را به فناوری فراگیرتری تبدیل میکند.
آیندهنگری دکتر سو فراتر از کمک به افراد دارای ناتوانی است. او میگوید: «ما میخواهیم چارچوب شبیهسازی یادگیری خود را با رباتها و افراد مختلف امتحان کنیم.» تیم او در حال حاضر در پروژهای که توسط انستیتوی ملی سلامت حمایت میشود کار میکنند تا اسکلت بیرونی برای کودکان مبتلا به فلج مغزی را مطالعه کنند. دکتر سو و تیمش به توسعه نسل جدیدی از اسکلتهای بیرونی «هوشمند» که حدود ۳۰٪ کوچکتر از نسلهای فعلی هستند، ادامه میدهند.
اسکلتهای بیرونی: نه فقط دستگاههای پزشکی
او توضیح میدهد: «ما با BMW در کارولینای جنوبی همکاری میکنیم تا بیابیم چگونه اسکلتهای بیرونی میتوانند به کارگران کمک کنند، بهویژه در یاری رسانیدن به اندامهای فوقانی.» هدف کاهش چشمگیر آسیبهای عضلانی و افزایش کارایی در وظایفی مثل مونتاژ بالای سر است. دکتر سو میگوید: «سیاست کنترلی شبیهسازی یادگیری ما یک راهحل همهجانبه عالی است و ما همچنین اجزایی برای یادگیری تقویتی بازخورد انسانی داریم.» دکتر سو متعهد است هوش مصنوعی و تکنولوژی اسکلت بیرونی را در زندگی روزمره ادغام کند: «ماموریت ما ساخت رباتهای کمکی برای همه، برای فعالیتهای روزمره است.» این چشمانداز شامل پیشرفت تکنولوژی برای مقرون به صرفهتر و در دسترستر کردن این دستگاهها برای جامعه گستردهتری است. تیم دکتر سو قصد دارد به شکستن مرزهای ممکن ادامه دهد و آینده تکنولوژی اسکلت بیرونی را روشنتر از همیشه کند.