El deterioro de la función motora es una característica distintiva de las afecciones neurológicas, como la lesión de la médula espinal, los accidentes cerebrovasculares, la enfermedad de Parkinson y la esclerosis múltiple, así como el envejecimiento. La disminución de la movilidad resultante muy a menudo conduce al estigma social y al aumento de las tasas de depresión, lo que tiene un impacto importante en la calidad de vida del paciente, con los consiguientes costos considerables para los servicios sociales y de salud.

1. Robótica de rehabilitación

El objetivo principal de esta línea de investigación es mejorar la calidad de vida de las personas con trastornos del movimiento mediante el desarrollo y la evaluación de tecnologías robóticas de vanguardia, incluidos exoesqueletos, exotrajes y robots de asistencia, e intervenciones capaces de: i) promover la recuperación de funciones motoras perdidas, y/o ii) ayudar a las actividades de la vida diaria. Para lograr nuestro objetivo, adoptamos un enfoque multidisciplinario centrado en los campos de la mecatrónica y el control, impulsado por la investigación en los campos de la neurorrehabilitación, la neurofisiología y la biomecánica. Diseñamos tecnologías e intervenciones basadas en la evidencia científica más reciente combinada con los comentarios recibidos de los usuarios finales, que incluyen pacientes con accidente cerebrovascular, lesión de la médula espinal, esclerosis múltiple y enfermedad de Parkinson, así como usuarios de edad avanzada.
Historia/experiencia del grupo en esta línea: El grupo mantiene una estrecha colaboración con varios hospitales de rehabilitación y asociaciones de pacientes, entre ellos el Hospital Nacional de Lesionados Medulares, Hospital los Madroños, Asociación de Parkinson de Madrid. Además, el grupo tiene experiencia en la transferencia de las investigaciones y tecnologías realizadas a empresas spin-off, como Technaid (https://www.technaid.com/), dando como resultado productos comerciales, como el exoesqueleto de miembro inferior H3.
Proyectos relacionados: Desde 2008, el grupo ha participado y liderado múltiples proyectos de investigación en el campo de la robótica portátil, tanto a nivel nacional como internacional. Algunos ejemplos son: el proyecto RehAnkle, centrado en desarrollar un nuevo robot inteligente para la rehabilitación del tobillo; el proyecto Nimble, centrado en evaluar y mejorar los exoesqueletos actuales para la rehabilitación de la marcha; el proyecto Tailor, centrado en ofrecer tecnologías portátiles asequibles y personalizadas para usuarios con problemas neurológicos; el proyecto SmartWearable, centrado en mejorar la precisión, robustez y seguridad del proceso de rehabilitación asistido por robot de las articulaciones de rodilla y tobillo; o el proyecto BioMot, centrado en mejorar la interacción simbiótica de humanos con robots portátiles.

Publicaciones relevantes:

• Sanchez-Villamañan, M. D. C., Gonzalez-Vargas, J., Torricelli, D., Moreno, J. C., & Pons, J. L. (2019). Compliant lower limb exoskeletons: a comprehensive review on mechanical design principles. Journal of neuroengineering and rehabilitation, 16(1), 1-16.
• Pinto-Fernandez, D., Torricelli, D., del Carmen Sanchez-Villamanan, M., Aller, F., Mombaur, K., Conti, R., … & Pons, J. L. (2020). Performance evaluation of lower limb exoskeletons: a systematic review. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 28(7), 1573-1583.
• Massardi, S., Rodriguez-Cianca, D., Pinto-Fernandez, D., Moreno, J. C., Lancini, M., & Torricelli, D. (2022). Characterization and evaluation of human–exoskeleton interaction dynamics: a review. Sensors, 22(11), 3993.
• Asín-Prieto, G., Mercante, S., Rojas, R., Navas, M., Gomez, D., Toledo, M., … & Moreno, J. C. (2022). Post-stroke rehabilitation of the ankle joint with a low cost monoarticular ankle robotic exoskeleton: Preliminary results. Frontiers in Bioengineering and Biotechnology, 10.
• Bortole, M., Venkatakrishnan, A., Zhu, F., Moreno, J. C., Francisco, G. E., Pons, J. L., & Contreras-Vidal, J. L. (2015). The H2 robotic exoskeleton for gait rehabilitation after stroke: early findings from a clinical study. Journal of neuroengineering and rehabilitation, 12, 1-14.

2. Interfaces neurales

La información neuronal se puede utilizar para impulsar dispositivos protésicos o estimular directamente los nervios/músculos. Estas interfaces neuronales tienen como objetivo restaurar o aumentar las funciones sensoriales y motoras perdidas en los humanos. Esto significa construir una conexión de la tecnología con la biología para replicar y restaurar el ciclo de control sensorio-motor natural humano. Además de eso, se necesitan teorías fisiológicas para explicar, predecir y controlar dicho bucle. Los desafíos actuales en el campo implican decodificar información neuronal deteriorada y actuar en consecuencia para restaurar/ayudar a los movimientos debilitados o parcialmente perdidos utilizando interfaces mínimamente invasivas.
Historia/experiencia del grupo en esta línea: Desde 2018, nuestro equipo se encuentra en una posición única para estudiar y aplicar técnicas de ingeniería neural (como las neuroprótesis) en pacientes con temblor esencial y enfermedad de Parkinson. Hemos realizado decenas de experimentos en colaboración con el Dr. Francisco Grandas (líder de la Unidad de Trastornos del Movimiento del Hospital General Universitario Gregorio Marañón), en el marco de los proyectos EXTEND y AI4HA.
Proyectos relacionados: Nuestro laboratorio también estudia cómo reaccionan los humanos a la fusión personalizada de asistencia eléctrica y robótica y otras señales multisensoriales para la retroalimentación. Desde 2010 mantenemos una cooperación sostenida para explorar dicha fusión de estimulación neuromuscular y espinal con robótica para restaurar la función en pacientes con lesiones medulares bajo la Unidad Asociada ‘Neurorehabilitación, Biomecánica y Función Sensoriomotora’ del Hospital Nacional de Lesionados Medulares del Cajal. Instituto. Con este enfoque, hemos demostrado cómo los enfoques híbridos pueden brindar asistencia personalizada para mejorar los patrones de movimiento en pacientes neurológicos. En esta línea también hemos explorado diversas técnicas para evaluar diferentes niveles de respuesta humana utilizando registros biomecánicos, fisiológicos, cerebrales y valoraciones subjetivas para analizar la usabilidad de nuevas tecnologías neuronales.

Publicaciones relevantes:

• Pascual-Valdunciel, A., González-Sánchez, M., Muceli, S., Adán-Barrientos, B., Escobar-Segura, V., Pérez-Sánchez, J. R., … & Barroso, F. O. (2020). Intramuscular stimulation of muscle afferents attains prolonged tremor reduction in essential tremor patients. IEEE Transactions on Biomedical Engineering, 68(6), 1768-1776.
• Pascual Valdunciel, A., Kurukuti, N. M., Montero Pardo, C., Barroso, F. O., & Pons, J. L. (2022). Modulation of spinal circuits following phase-dependent electrical stimulation of afferent pathways. Journal of Neural Engineering.
• J-del-Ama, A., Comino-Suarez, N., Martinez-Martin, J., Gil-Agudo, Á., Moreno, J. C., & Spaich, E. G. (2022). Pilot study on the combination of robotic gait training with stimulation of the withdrawal reflex in patients with spinal cord injury. Artificial Organs, 46(3), E103-E105.
• Del-Ama, A. J., Gil-Agudo, Á., Pons, J. L., & Moreno, J. C. (2014). Hybrid FES-robot cooperative control of ambulatory gait rehabilitation exoskeleton. Journal of neuroengineering and rehabilitation, 11(1), 1-15.
• Pascual-Valdunciel, A., Hoo, G. W., Avrillon, S., Barroso, F. O., Goldman, J. G., Hernandez-Pavon, J. C., & Pons, J. L. (2021). Peripheral electrical stimulation to reduce pathological tremor: a review. Journal of neuroengineering and rehabilitation, 18(1), 1-19.

3. Evaluación comparativa

Benchmarking es el proceso de comparar el desempeño de un sistema o proceso dado contra un conjunto de estándares o un sistema comparable. La evaluación comparativa requiere un conjunto de métricas que puedan reflejar con precisión las capacidades y el potencial del sistema bajo examen. En la robótica de rehabilitación, las métricas comunes son la precisión, la velocidad, la estabilidad, la potencia, el peso, el consumo de energía, el rango de movimiento, el tiempo para ponerse y quitarse, la comodidad del usuario, etc. Los resultados del análisis comparativo se pueden utilizar para establecer objetivos de rendimiento, mejorar la eficiencia de los procesos de I+D, predecir los efectos de diferentes soluciones o verificar la seguridad. Particularmente importantes en la evaluación comparativa son los conjuntos de datos unificados y los protocolos experimentales estándar para comparar sistemas en un terreno común de tareas y dominios. La evaluación comparativa normalmente se lleva a cabo en el laboratorio para asegurar la medibilidad y la reproducibilidad. Sin embargo, las pruebas de laboratorio deben complementarse con pruebas de campo para verificar la capacidad de los puntos de referencia para predecir el rendimiento en el mundo real.
Historial/expertise del grupo en esta línea: En nuestro grupo aplicamos el benchmarking en dos áreas principales:
· Locomoción humana. Nuestro objetivo aquí es caracterizar la locomoción bípeda en una amplia gama de condiciones de terreno. Nuestro método es diseñar bancos de pruebas y protocolos específicos que puedan reproducir entornos naturales y crear grandes conjuntos de datos sobre humanos (tanto sanos como pacientes) que se mueven en dichos entornos.
· Interacción humano-exoesqueleto. Nuestro objetivo aquí es evaluar y predecir la transmisión de fuerzas entre un exoesqueleto y un individuo durante una amplia gama de condiciones operativas. Nuestro método se basa en el uso de réplicas físicas del cuerpo humano (test dummies) en combinación con gemelos digitales.
Proyectos relacionados: El grupo ha coordinado diferentes proyectos europeos en este campo. En el Proyecto EUROBENCH, desarrollamos el primer marco de evaluación comparativa para sistemas bípedos, incluidos exoesqueletos, prótesis y robots humanoides, y construimos las primeras instalaciones de prueba para este tipo de tecnologías. En los proyectos EXOSAFE y SALOEXO, exploramos las interacciones físicas entre humanos y exoesqueletos, desarrollando metodologías para probar la transmisión de fuerzas mediante el uso de réplicas físicas de las extremidades humanas y métodos de inteligencia artificial para predecir la comodidad del usuario. El grupo ha ampliado estos enfoques de evaluación comparativa en el campo del diagnóstico de la enfermedad de Parkinson, con dos proyectos nacionales, NEUROMARK y AI 4 HEALTHY AGING. La idea básica detrás de ellos es evaluar la actividad motora de los pacientes desde una perspectiva multidimensional, exponiéndolos a múltiples tareas motoras en diferentes condiciones desafiantes, utilizando IA para identificar buenos biomarcadores de la evolución de los síntomas.

Publicaciones relevantes:

• Torres-Pardo et al., Legged locomotion over irregular terrains: state of the art of human and robot performance, Bioinspiration & Biomimetics, 2022. 4.
• Longatelli et al., A unified scheme for the benchmarking of upper limb functions in neurological disorders, Journal of NeuroEngineering and Rehabilitation 19(1): pp 1-20, 2022. 2.
• Remazeilles et al. Making Bipedal Robot Experiments Reproducible and Comparable: The Eurobench Software Approach, Frontiers in Robotics and AI, 2022. 7.
• Torricelli et al., Benchmarking Wearable Robots: Challenges and Recommendations From Functional, User Experience, and Methodological Perspectives. Frontiers in Robotics and AI. 7. 168. 2020
• Pinto-Fernández et al., Performance evaluation of lower limb exoskeletons: a systematic review. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 28. 7. 1573-1583. 2020
• Torricelli et al., A subject-specific kinematic model to predict human motion in exoskeleton-assisted gait. Front. Neurorobot.. 2018. 10.3389/fnbot.2018.00018.
• Torricelli et al., «Benchmarking Bipedal Locomotion: A Unified Scheme for Humanoids, Wearable Robots, and Humans,» in IEEE Robotics & Automation Magazine, vol. 22, no. 3, pp. 103-115, Sept. 2015, doi: 10.1109/MRA.2015.2448278.

4. Inteligencia Artifical para neuroingeniería

La inteligencia artificial (IA) ha revolucionado el campo de la neuroingeniería al ayudar a revelar y comprender mejor los mecanismos de la función y disfunción cerebral. El estudio de la disfunción cerebral y el uso de la IA han contribuido a una mejor comprensión de los trastornos neurológicos con un impacto significativo en los procedimientos de diagnóstico, evaluación y rehabilitación, y mejorando y complementando los procedimientos clínicos existentes. El principal enfoque de investigación del grupo es utilizar técnicas de IA para comprender las manifestaciones disfuncionales, motoras y no motoras causadas por condiciones patológicas como la enfermedad de Parkinson, el Alzheimer, el temblor esencial, etc. Esto se logra a través del análisis de varias bioseñales, que incluyen sEMG, datos de trayectoria/aceleración registrados desde sistemas MOCAP, grabaciones de voz y oculométricas. Posteriormente, se emplean metodologías de IA para extraer nuevos biomarcadores y para descubrir y comprender las diferencias funcionales entre condiciones patológicas y normales.
Historial/experiencia del grupo en esta línea: El grupo está compuesto por expertos en diferentes campos que incluyen procesamiento de señales, bioingeniería, biomecánica e inteligencia artificial. Esta experiencia se complementa con la colaboración activa con hospitales y centros clínicos en España, incluidos el Hospital General Universitario Gregorio Marañón, el Hospital Nacional de Parapléjicos de Toledo y el Hospital los Madroños, así como con otros grupos de investigación multidisciplinares de todo el mundo.
Proyectos relacionados: el grupo participa actualmente en los proyectos AI4HealthyAging y Neuromark, en los que desarrollamos y utilizamos modelos de IA para estudiar las manifestaciones relacionadas con el motor de la enfermedad de Parkinson utilizando varios enfoques biométricos. Estamos particularmente interesados en estudiar la progresión de la enfermedad con el tiempo y fusionar las diferentes modalidades de registro para mejorar la comprensión de las manifestaciones de la EP de una manera holística.

Publicaciones relevantes:

• Pascual-Valdunciel, Alejandro, et al. «Classification of Kinematic and Electromyographic Signals Associated with Pathological Tremor Using Machine and Deep Learning.» Entropy 25.1 (2023): 114.
• Pascual-Valdunciel, Alejandro, et al. «Prediction of Pathological Tremor Signals Using Long Short-Term Memory Neural Networks.» IEEE Journal of Biomedical and Health Informatics 26.12 (2022): 5930-5941.
• Cermeno-Silveira, C., et al. «Detecting Parkinson’s Disease from body limb acceleration using machine learning and a frequency-domain analysis.» MOVEMENT DISORDERS. Vol. 37. 111 RIVER ST, HOBOKEN 07030-5774, NJ USA: WILEY, 2022.
• Perez Sanchez, J. R., et al. «IMU-based study on Gait and Balance in Parkinson’s disease and healthy subjects.» MOVEMENT DISORDERS. Vol. 35. 111 RIVER ST, HOBOKEN 07030-5774, NJ USA: WILEY, 2020.
• Caramia, Carlotta, et al. «IMU-based classification of Parkinson’s disease from gait: A sensitivity analysis on sensor location and feature selection.» IEEE journal of biomedical and health informatics 22.6 (2018): 1765-1774.

5. IA y robótica inspiradas en la neurociencia

Esta línea de investigación se enfoca en comprender cómo los humanos perciben y actúan con su cuerpo para i) mejorar la inteligencia artificial y los sistemas robóticos, y al mismo tiempo ii) ayudar a develar los mecanismos internos de procesamiento de información en el cerebro. Desarrollamos algoritmos novedosos para el aprendizaje, estimación y control de sistemas complejos basados en hallazgos de la neurociencia y los evaluamos en plataformas robóticas (humanoides, manipuladores). Nuestros modelos, además de ser relevantes para disciplinas como la neurociencia computacional, la robótica y la ciencia cognitiva, son particularmente interesantes para soluciones centradas en el ser humano, por ejemplo, atención médica, interacción humano-robot, robótica portátil, etc. A largo plazo, esta investigación persigue Lograr robots con inteligencia encarnada comparable a la humana. Permitir que los robots actúen y se adapten a interacciones complejas del mundo real es uno de los desafíos clave de este siglo.
Historia/experiencia del grupo en esta línea: Tenemos más de diez años de experiencia en modelos de aprendizaje automático inspirados en el cerebro para la percepción y acción de robots. Fuimos pioneros en el despliegue exitoso de modelos inspirados en la neurociencia (p. ej., codificación predictiva) en robots humanoides, así como en la replicación de experimentos de percepción humana en sistemas robóticos (p. ej., ilusión de mano de goma). Somos reconocidos internacionalmente por el enfoque de inferencia activa de la robótica, un marco inspirado en la neurociencia que describe el cerebro como una máquina de inferencia. Actualmente estamos investigando nuevos modelos probabilísticos teóricos para aplicaciones prácticas en robótica industrial, monitoreo ambiental y atención médica. Nuestra investigación incluye:
· Inteligencia Artificial inspirada en la Neurociencia (NAI).
o Inferencia variacional, (profunda) inferencia activa.
o Control de redes neuronales de picos en chip.
· Inteligencia incorporada: aprendizaje, estimación y control de robots
· Modelos computacionales de percepción y acción del cuerpo humano
· Autopercepción, conciencia y conciencia sintética.

Proyectos relacionados:

•  METATOOL. (Pathfinder challenge EIC) www.metatool-project.eu
•     SPIKEFERENCE (Human Brain Project EU SGA3) www.spikeference.eu
• DEEPSELF (German Research Foundation) https://gepris.dfg.de/gepris/projekt/467045002?language=en

• SELFCEPTION (MSCA EU) www.selfception.eu

Publicaciones relevantes:

• Lanillos, P. et al (2021). Active inference in robotics and artificial agents: Survey and challenges. arXiv preprint arXiv:2112.01871.
• Lanillos, P., Franklin, S., Maselli, A., & Franklin, D. W. (2021). Active strategies for multisensory conflict suppression in the virtual hand illusion. Scientific Reports, 11(1), 22844.
• Lanillos, P., & Cheng, G. (2018). Adaptive robot body learning and estimation through predictive coding.  IEEE/RSJ Int. Conf. on Inte. Robots and Syst. (IROS) (pp. 4083-4090).