Prothesen werden bisher meist durch Muskelsignale gesteuert. Was ist bei dem neuen Motoneuron-basierten Ansatz gegenüber der klassischen EMG-Prothese anders?

Aktuelle Prothesen werden meist über elektromyografische (EMG) Signale gesteuert, die die elektrische Aktivität in der Muskulatur messen. Dieser Ansatz hat zwar zu großen Fortschritten bei der Prothesensteuerung geführt. Doch spiegeln diese Signale lediglich die summierte Aktivität vieler Muskelfasern wider. Daher lassen sich die zugrunde liegenden neuronalen Befehle, die die Bewegung tatsächlich steuern, nur indirekt und mit begrenzter Genauigkeit ableiten.

Der neue, auf Motoneuronen basierende Ansatz geht einen Schritt weiter, indem er auf die neuronalen Informationen zugreift. Anstatt sich ausschließlich auf die globale Muskelaktivität zu stützen, zielt er darauf ab, die Aktivität einzelner Motoneuronen zu entschlüsseln, also jener Zellen, die direkt für die Übertragung von Bewegungsbefehlen vom Nervensystem an die Muskeln verantwortlich sind. Dies liefert eine sehr viel detailliertere und physiologisch aussagekräftigere Darstellung der Bewegungsabsicht des Nutzers.

In der Praxis kann dies eine intuitivere, präzisere und reaktionsschnellere Steuerung der Prothese ermöglichen, da das System direkter auf den natürlichen neuronalen Strategien basiert, die der menschliche Körper für die Bewegung nutzt.

Welche Vorteile bietet es, neuronalen Signale zu erkennen?

Motoneuronen sind die Nervenzellen im Rückenmark, die Signale vom Gehirn an die Muskeln weiterleiten und Muskelkontraktionen auslösen. Ihre Aktivität spiegelt damit die Bewegungsintention deutlich unmittelbarer wider als das klassische EMG-Signal und liefert somit eine feinere und differenziertere Information über die intendierte Bewegung. Gelingt es uns also, die Aktivität der Motoneuronen direkt abzulesen, lässt sich die künftige Prothese voraussichtlich direkter und damit auch präziser ansteuern. Wissenschaftlich betrachtet weisen Motoneuron-Signale in unseren Versuchen mit gesunden Personen stärker voneinander abgegrenzte Aktivierungsmuster auf. Dadurch ist klar: Es besteht künftig die Chance, Prothesen präziser und individueller zu steuern und das Greifen und Bewegen mit Prothesen natürlicher und intuitiver zu machen. 

Wie lässt sich die Aktivität eines Motoneurons messen?

Wir setzen dafür High-density Oberflächen-EMG (HD-sEMG) ein, ein kommerziell verfügbares Verfahren zur nicht-invasiven Messung von Muskelaktivität mittels hochauflösender Elektrodenarrays. Die hohe räumliche Auflösung ermöglicht eine deutlich genauere Erfassung der Muskelaktivität. Zudem ist sie nötig, um Signale in die Aktivität einzelner Motoneurone zu zerlegen und die eigentliche neuronale Steuerinformation sichtbar zu machen.

Für uns bedeutet das konkret:

• bessere Trennung gleichzeitig aktiver Muskelanteile,
• Zugang zu neuronalen Steuerstrategien statt nur Muskeloutput,
• und damit die Grundlage für deutlich leistungsfähigere und intuitivere Steueralgorithmen. 

Welche sind die nächsten Schritte?

Bis jetzt haben wir unsere Untersuchungen mit gesunden Probandinnen und Probanden und einem Menschen gemacht, der seinen Unterarm verloren hat. Jetzt werden wir weitere Versuchsreihen mit Personen starten, die eine Prothese im Alltag benötigen. Zudem werden wir weiter daran arbeiten, die Steuerung der Prothese ohne jegliche zeitliche Verzögerung hinzubekommen. 

Publikation

Muscle and Motoneuron Synergies in Biomimetic and Non-Biomimetic 3-DoF Tasks; Johanna Happold, Laura Ferrante, Patricia Capsi-Morales, Deren Y. Barsakdioglu, Dario Farina, Cristina Piazza; IEEE Transactions on Neural Systems and Rehabilitation Engineering, 3-2026; https://ieeexplore.ieee.org/document/11457049

Text: Andreas Schmitz