Proposta de uma Abordagem de Jogos Sérios Baseada em Sensores Multimodais Vestíveis para Treinamento de Movimento das Mãos Após Acidente Vascular Cerebral

O acidente vascular cerebral frequentemente leva a disfunção motora das mãos, e a reabilitação eficaz exige manter os pacientes engajados e motivados. Entre as abordagens de reabilitação automatizadas existentes, os sistemas baseados em luvas de dados não são fáceis de usar para os pacientes devido à espasticidade, e as abordagens baseadas em sensores únicos geralmente fornecem informações restritas. Assim, propomos uma abordagem de jogos sérios multimodais vestíveis para treinamento de movimentos das mãos após o acidente vascular cerebral. Um modelo de fusão de múltiplos sensores baseado em miografia de força (FMG), eletromiografia (EMG) e unidade de medição inercial (IMU) foi proposto para classificação de movimentos das mãos, que foi utilizado no braço afetado do usuário. Dois jogos sérios baseados em reconhecimento de movimento foram desenvolvidos para treinamento de movimento das mãos e cognição. Dez pacientes com acidente vascular cerebral com déficits motores leves a moderados (Estágio de Brunnstrom para Mão II-VI) realizaram experimentos enquanto jogavam jogos sérios interativos que exigiam 12 movimentos de atividades da vida diária (AVDs) retirados da Avaliação de Fugl Meyer. A viabilidade foi avaliada pela precisão da classificação de movimentos e questionários qualitativos para pacientes. A precisão da classificação offline usando FMG-EMG-IMU combinados foi de 81,0% para os 12 movimentos, que foi significativamente maior do que qualquer modalidade de sensor único; apenas EMG, apenas FMG e apenas IMU foram 69,6, 63,2 e 47,8%, respectivamente. Os pacientes relataram que estavam mais entusiasmados com o treinamento de movimento das mãos enquanto jogavam os jogos sérios em comparação com métodos convencionais e concordaram fortemente que sentiam subjetivamente que o treinamento proposto poderia ser benéfico para melhorar a função motora do membro superior. Esses resultados mostraram que a fusão de sensores multimodais melhorou a precisão da classificação de gestos das mãos para pacientes com acidente vascular cerebral e demonstraram o potencial dessa abordagem proposta para ser utilizada como treinamento de movimento do membro superior após o acidente vascular cerebral.