Un team di ricerca dell’Università del Nebraska ha ideato, in collaborazione con il centro medico Nebraska-Western Iowa Veterans Affairs di Omaha e con l’Istituto di Scienze Riabilitative e Ingegneria del Madonna Rehabilitation Hospitals, un nuovo modello di intelligenza artificiale che sembrerebbe in grado di prevedere i momenti articolari e i segnali elettromiografici di un soggetto partendo dalle forze di reazione al terreno sviluppate durante il passo.
Il vantaggio di questo strumento sta nella possibilità di alleggerire la gait analysis dai sistemi di motion capture, rendendola così più economica e accessibile. Lo studio è pubblicato su Gait Posture.
Lo sviluppo del modello
Gli autori si sono concentrati su reti neurali artificiali, strumento di calcolo avanzato che consente di estrapolare da una serie di dati complessi un significato o una regolarità.
Punto di partenza sono una serie di dati contenuti in dataset pre-esistenti, relativi sia ai momenti articolari, sia ai segnali elettromiografici relativi a bicipite femorale, grande gluteo, retto del femore, gastrocnemio mediale, soleo e tibiale anteriore.
In particolare, il team ha utilizzato il modello di rete neurale artificiale sviluppato per trovare una relazione tra una serie di dati di forza di reazione al terreno con i dataset già elencati, o meglio, per verificare se si potessero prevedere segnali elettromiografici e momenti articolari partendo dai dati iniziali di forza di reazione al terreno.
La riposta sembrerebbe positiva: il modello ha infatti predetto con alta accuratezza i momenti articolari e i segnali elettromiografici relativi a diversi tipi di attività di passo, compresa la camminata e la corsa.
Il significato più importante dello studio è l’aver dimostrato che le reti neurali artificiali possono offrire insight per la comprensione della locomozione umana.
Possibili applicazioni pratiche
Se il sistema proposto verrà validato anche in altri studi, si potrebbe pensare di utilizzarlo per lo sviluppo di device indossabili, così da spostare la gait analysis dal laboratorio, dove ora è per lo più relegata, alla vita reale.
Ciò porterebbe a una maggiore conoscenza della dinamica del passo del singolo paziente, favorendo così la progettazione di percorsi riabilitativi personalizzati e di tecnologie assistive più efficaci.
Non solo, nel tempo potrebbero esserci ricadute anche nella realizzazione di protesi ed esoscheletri. Anche la ricerca godrebbe della possibilità di avere dati di gait analysis in aperto, nella vita di tutti i giorni.
Studio: Mohammadzadeh Gonabadi A, Fallahtafti F, Pipinos II, Myers SA. Predicting lower body joint moments and electromyography signals using ground reaction forces during walking and running: An artificial neural network approach. Gait Posture. 2025 Jan 21;117:323-331. doi: 10.1016/j.gaitpost.2025.01.014. Epub ahead of print. PMID: 39842155.
