Ein Forschungsteam der schwedischen Chalmers University of Technology hat in „Nature Communications“ eine bahnbrechende Studie veröffentlicht, in der es erstmals gelang, Bewegungsabsichten des Beins direkt aus den verbliebenen Nerven einer Person mit Oberschenkelamputation zu dekodieren. Diese Technologie kombiniert eine neuartige implantierbare Nervenschnittstelle mit einem auf gepulsten neuronalen Netzen basierenden KI-Algorithmus, um detaillierte Bewegungen – einschließlich feiner Aktionen wie dem Drehen der Zehen – mit hoher Präzision zu interpretieren. Sie ebnet damit einen neuen Weg für die Entwicklung natürlicherer und intuitiverer Beinprothesen.
Das Team konzentrierte sich darauf, die nach einer Amputation noch aktiven Nervensignale zu nutzen und überwand dabei die Herausforderung, die schwachen Signale direkt aus den verbliebenen Nerven zu extrahieren. Assistenzprofessor Giacomo Valle von der Chalmers-Universität für Technologie erklärte: „Wenn Sie dem Körper sagen, sich zu bewegen, werden Signale über die Nerven zu den Muskeln gesendet, die die Aktion ausführen – selbst wenn die Gliedmaße nicht mehr vorhanden ist. Das bedeutet, dass Sie in diesen Nerven alle benötigten Informationen finden können. Die Hauptherausforderung besteht darin, diese Informationen zu extrahieren und den dahinterstehenden neuronalen Code zu verstehen – genau darauf konzentriert sich unsere Arbeit.“ Die neuronale Dekodierungstechnologie zeichnet und analysiert Nervenaktivität, indem ultradünne Elektroden in Äste des Ischiasnervs implantiert werden.
Professorin Elisa Donati von der Universität Zürich und der ETH Zürich fügte hinzu: „Unsere Studie zeigt, dass es am besten funktioniert, die Sprache des Nervensystems zu respektieren, wenn periphere Nervenaktivität dekodiert wird. Periphere Nerven kommunizieren über diskrete elektrische Impulse oder ‚Spikes‘, daher eignen sich gepulste neuronale Netze auf natürliche Weise für die Verarbeitung dieser Art von Signalen. Indem wir unser Rechenmodell enger an die Biologie anpassen, können wir Bewegungsabsichten effizient mit kompakten Modellen und relativ begrenzten Daten extrahieren.“ Dieser Ansatz verbessert nicht nur die Genauigkeit der neuronalen Dekodierung, sondern unterstützt auch den Entwurf von Systemen mit geringem Stromverbrauch, die vollständig implantiert werden können.
In Experimenten testete das Team die Technologie an zwei Teilnehmern mit Oberschenkelamputation und konnte erfolgreich spezifische Bewegungen von Knie, Knöchel und Zehen dekodieren. Valle wies darauf hin: „Dies ist die erste Studie, die zeigt, dass Signale, die direkt von peripheren Nerven aufgezeichnet werden, genutzt werden können, um beabsichtigte Beinbewegungen bei Amputierten genau zu interpretieren. Mit diesem Ansatz konnten wir spezifische Nervensignale bestimmten Bewegungen zuordnen und mit hoher Genauigkeit vorhersagen, welche Bewegung der Teilnehmer versuchte.“ Ein weiterer wesentlicher Vorteil der Technologie ist die Fähigkeit, mit einem einzigen Implantat gleichzeitig Bewegungssteuerung und sensorische Rückmeldung zu ermöglichen, was die Komplexität des Prothesensystems vereinfacht.
Die Studie dient als Machbarkeitsnachweis und zeigt das Potenzial der neuronalen Dekodierungstechnologie für Prothesenanwendungen. Als nächsten Schritt plant das Team, die Technologie in eine echte Beinprothese zu integrieren und zu testen, um ihre Leistung im täglichen Gebrauch zu bewerten. Valle fasste zusammen: „Ich glaube, diese Ergebnisse könnten einen großen Einfluss auf das Feld haben. Der nächste Schritt ist die Integration und Erprobung der Technologie in einer Beinprothese, die direkt gesteuert werden kann und natürliches Empfinden wiederherstellt.“ Dieser Fortschritt ist nicht nur entscheidend für die Entwicklung von Beinprothesen, sondern könnte in Zukunft auch auf andere Prothesentypen ausgeweitet werden und Innovationen im Bereich der biomedizinischen Technik vorantreiben.
Veröffentlichungsdetails: Autoren: Chalmers University of Technology; Titel: „Direkte Verknüpfung mit dem Nervensystem verspricht natürlichere Beinprothesen“; veröffentlicht in: „Nature Communications“ (2026); Zeitschrifteninfo: „Nature Communications“.
