Di seluruh dunia, terdapat 57,7 juta amputasi tungkai traumatik bersifat non-fatal yang membutuhkan pengangkatan sebagian atau seluruh anggota gerak atau ekstremitas seperti lengan, tungkai, kaki, tangan, jari kaki, atau jari. Ketiadaan alat-alat gerak yang disebabkan oleh amputasi dalam memberikan dampak negatif, baik dari sisi psikologi dan mobilitas tubuh. Sejauh ini, penanganan hal tersebut dilakukan dengan menggunakan prostesis dan rehabilitasi untuk meningkatkan kualitas kehidupan pasien yang memiliki kasus tersebut, dengan menggunakan dua tipe sinyal yaitu sinyal elektroensefalografi (EEG) dan sinyal elektromiografi (EMG). Sinyal EEG adalah sinyal listrik biomedis yang dihasilkan oleh aktivitas listrik di dalam otak. Sedangkan, sinyal EMG adalah sinyal listrik biomedis yang dihasilkan oleh aktivitas pada area otot alat-alat gerak, terutama lengan atas. Kedua sinyal tersebut dapat didapatkan secara non-invasif (tanpa perlu memasukkan apapun ke dalam tubuh) dan memiliki banyak informasi neuron (sel otak)  yang tersinkronasi. Oleh sebab itu, kedua sinyal tersebut dapat digunakan untuk memprediksi gerakan alat gerak pada ekstrimitas atas (lengan) yang dapat diterapkan untuk mengontrol prosthesis untuk fungsi rehabilitas ekstremitas tersebut.

Beberapa studi telah menunjukkan pengunaan interaksi EEG untuk protesis pada ekstremitas atas, untuk pergerakan jari, dan untuk melaksanakkan suatu tugas (mengangkat barang atau menggegam barang). Sinyal EEG juga diteliti untuk mengontrol kinematika jari untuk menggengam melalui peralatan brain-computer interfaces (BCIs). BCIs adalah integrasi sistem robotik dengan sinyal otak, sehingga memungkinkan kontrol intuitif neuro-prostesis seperti lengan robotik dan secara aktif menghasilkan gerakan atau pembayangan tindakan motoric. Akan tetapi, jumlah data yang perlu diolah sangatlah banyak sehingga membutuhkan bantuan AI (artificial intelligence) untuk mengolah dan melatih data-data tersebut sehingga dapat memberikan prediksi pergerakan yang benar. Penggabungan BCIs dan AI tersebut dapat sangat membantu dalam melakukan analisis dan decoding sinyal otak. Hal tersebut juga dapat membantu untuk mengeksekusi gerakan tangan secara real-time. Gerakan manusia yang membutuhkan pola motorik yang komplek tetap membutuhkan koordinasi dengan sinyal-sinyal yang berada di otot. Oleh sebab itu, dikembangkan suatu penelitian untuk memprediksi pergerakan jari pada ektrimitas atas dengan menggunakan sinyal EEG dan EMG dengan sistem BCIs yang memanfaatkan pendekatan hierarki menggunakan teknik AI yaitu deep learning.

Hasil penelitian menunjukkan bahwa integrasi AI dalam sistem BCIs dapat memperdayakan pendekatan hierarki antara EEG dan EMG yang dirancang untuk meningkatkan akurasi prediksi gerakan jari dan kinematika jari yang tinggi. Sinkronisasi antara EEG dan EMG dapat memberikan prediksi yang efisien pada gerakan jari karena co-linearitas indeks hubungan yang tinggi juga. Karya ini memiliki potensi yang sangat tinggi dan dapat direkomendasikan untuk diterapkan dalam pengembangan robotika prostesis dan rehabilitasi ekstremitas untuk pasien yang diamputasi agar memudahkan pengenalan dan prediksi gerakan ekstremitas dalam kondisi klinis.

Penulis: Prihartini Widiyanti

Jurnal: https://www.sciencedirect.com/science/article/pii/S092523122300067X