O AVC (acidente vascular cerebral) é uma das principais causas de morte e incapacidade em todo o mundo, afetando 15 milhões de pessoas por ano e deixando 5 milhões com sequelas a longo prazo. Além disso, há uma crescente escassez de fisioterapeutas, o que dificulta o acesso dos pacientes a um atendimento consistente e de alta qualidade. 

Uma nova abordagem desenvolvida por engenheiros mecânicos do MIT combina inteligência artificial de ponta com práticas reais de atendimento humano. 

“Nosso objetivo é ensinar robôs a auxiliar na fisioterapia e terapia ocupacional, não para substituir os terapeutas, mas para ampliar seu alcance”, explica Johannes Lachner, que realizou este trabalho como bolsista de pós-doutorado em Inteligência Artificial do MIT-Novo Nordisk nos Departamentos de Engenharia Mecânica (MechE) e Ciências do Cérebro e Cognitivas do MIT. “Uma inovação fundamental do nosso sistema é que os fisioterapeutas podem treinar seus próprios robôs usando IA, possibilitando um suporte personalizado e escalável, adaptado às necessidades de cada paciente.”

Lachner, agora professor assistente na Universidade Purdue, e Noah Geiger, trainee do Programa de Gerentes Juniores (área de IA/TI) da Robert Bosch GmbH e ex-aluno visitante do MIT, desenvolveram um sistema robótico de terapia que aprende com fisioterapeutas para oferecer suporte adaptativo a pacientes que sofreram AVC. Combinando modelos de difusão baseados em transformadores com feedback de força em tempo real, o robô de dois braços ajusta a assistência com segurança, de acordo com as capacidades de cada paciente.

O sistema utiliza tecnologia de IA semelhante à do ChatGPT para gerar imagens, mas, em vez disso, aprende como um robô deve se comportar para melhor auxiliar um paciente durante a fisioterapia. O robô então auxilia o paciente com base no que aprendeu, fornecendo a quantidade exata de assistência física para manter o paciente motivado e engajado.

“Enquanto a maioria dos modelos de IA generativa em robótica se concentra no movimento, o nosso está entre os primeiros a aprender interação física, ou seja, como responder ao toque, à força e à resistência”, diz Geiger. “A novidade do nosso modelo de IA generativa é a sua capacidade de aprender interação física dinâmica além do planejamento de movimento.”

Por meio de um protótipo inicial testado com participantes saudáveis, os pesquisadores treinaram um modelo generativo de IA usando experimentos de telemanipulação física no mundo real. Os participantes realizaram movimentos comuns de reabilitação, como levantar o braço e alcançar objetos fora do plano, variando intencionalmente seu nível de esforço. 

“Isso permitiu que o modelo aprendesse como a assistência robótica deveria se adaptar à participação ativa do paciente”, explica Lachner. “Paralelamente, operadores humanos guiaram o robô por meio de tarefas de manipulação com alto nível de contato, utilizando telemanipulação, criando um 'parkour físico de movimento'. Juntos, esses conjuntos de dados complementares permitiram que o modelo aprendesse e generalizasse estratégias eficazes de interação física.”

Desde então, a pesquisa ultrapassou os limites do laboratório. Em um estudo clínico em andamento no Pfennigparade, um centro de reabilitação ambulatorial em Munique, Alemanha, fisioterapeutas e terapeutas ocupacionais que usam luvas com sensores de força estão sendo filmados enquanto atendem pacientes. Os dados coletados estão sendo usados para treinar um novo modelo generativo de IA que captura o estilo de interação física único de cada terapeuta. 

“Experimentos robóticos iniciais já demonstraram a viabilidade dessa abordagem”, relata Lachner. “A próxima fase do projeto visa desenvolver modelos específicos para cada terapeuta e avaliá-los em um estudo clínico de longo prazo com os mesmos pacientes que receberam terapia manual anteriormente.”

Este trabalho baseia-se em pesquisas anteriores do Laboratório Newman de Biomecânica e Reabilitação Humana, sob a direção de Neville Hogan, professor titular da Cátedra Sun Jae de Engenharia Mecânica no MIT. "O trabalho anterior se limitava a alcançar objetos em um plano", explica Hogan. "Este novo trabalho abrange um conjunto de ações muito mais amplo e funcional."

O sistema pode atender a uma ampla gama de necessidades de fisioterapia. Exemplos importantes incluem pacientes que sofreram AVC e apresentam comprometimento dos membros superiores, pacientes pós-cirúrgicos que buscam recuperar a amplitude de movimento e idosos que precisam manter a força e a mobilidade dos braços e ombros — mas, segundo Lachner, outras aplicações futuras são possíveis. 

“Olhando para o futuro, nossa abordagem pode ir muito além da fisioterapia”, diz ele. “Ela tem o potencial de ensinar robôs a interagir fisicamente com o mundo, por exemplo, em ambientes industriais ou espaços de trabalho colaborativos. Ao combinar o controle baseado em princípios físicos com inteligência artificial, estamos possibilitando uma nova geração de robôs fisicamente inteligentes, estáveis e seguros.”  

O artigo da equipe, intitulado " Aprendizado de Impedância Baseado em Difusão para Tarefas de Manipulação com Muitos Contatos " , já está disponível na revista IEEE Transactions on Robotics . 

Esta pesquisa foi possível graças ao financiamento do Programa de Bolsas de Pós-Doutorado em Inteligência Artificial MIT-Novo Nordisk e ao apoio da KUKA Robotics, Alemanha. Mais informações sobre o projeto podem ser encontradas no site do projeto .