Pijnvector: hoe machines en prothesen leren 'voelen' dat iets schade veroorzaakt
Leg je hand op een hete kachelplaat en je trekt hem terug voordat je er bewust over hebt nagedacht. Dat komt doordat gespecialiseerde zenuwcellen in je huid, nociceptoren genoemd, een signaal afvuren zodra iets schade dreigt te veroorzaken. Dat signaal is niet zomaar een aan-uit-schakelaar: het bevat informatie over waar de schade zit, hoe hevig die is en om wat voor soort prikkel het gaat (hitte, druk, een scherp voorwerp). Onderzoekers die robots, prothesen en medische apparaten bouwen, proberen die informatie na te bootsen in de vorm van een pijnvector: een reeks getallen die locatie, richting en intensiteit van een schadelijke prikkel weergeeft, zodat een machine of een kunstmatig lichaamsdeel er iets mee kan doen.
Stel je een prothetische hand voor die per ongeluk in een deur bekneld raakt. Sensoren in de vingertoppen meten druk en vervorming, een chip rekent dat om tot een vector die zegt: hier, met deze kracht, in deze richting. Die vector kan vervolgens een waarschuwingssignaal naar de drager sturen, of de hand automatisch laten loslaten. Dezelfde aanpak wordt onderzocht voor robotarmen die zichzelf moeten beschermen tegen beschadiging, en voor medische implantaten die chronische pijn bij patiënten proberen te meten en te dempen. De term 'pijnvector' is overigens geen vastomlijnd, officieel gedefinieerd vakwoord zoals 'newton' of 'volt'; het is eerder een beschrijvende term die onderzoekers en journalisten gebruiken om uit te leggen hoe zulke systemen pijnachtige signalen wiskundig verwerken.
Wat is het precies?
Een vector is in de wiskunde een grootheid met zowel een omvang als een richting, denk aan een pijl op een landkaart die aangeeft hoe ver en in welke richting je moet reizen. Toegepast op pijn betekent dit dat een systeem niet alleen registreert dat er een schadelijke prikkel is, maar ook waar die zich bevindt op een oppervlak (bijvoorbeeld welke vingertop), hoe sterk die is, en soms ook welk type prikkel het is: mechanische druk, hitte, koude of chemische irritatie.
Het proces verloopt in lagen, vergelijkbaar met de menselijke pijnbaan. Eerst detecteren sensoren, vaak flexibele materialen met ingebouwde elektronica die op de menselijke huid lijken (ook wel 'e-skin' genoemd), een fysieke prikkel. Die ruwe meting wordt omgezet in een elektrisch signaal. Een algoritme combineert vervolgens de signalen van meerdere sensorpunten tot één vector die locatie, intensiteit en type samenvat. Die vector gaat naar een besturingssysteem, dat een beslissing neemt: een arm terugtrekken, een grijpkracht verminderen, een waarschuwing afgeven aan een gebruiker, of bij medische toepassingen de sterkte van een elektrische stimulatie bijstellen.
Belangrijk om te beseffen: dit is kunstmatige nociceptie, niet kunstmatig bewustzijn van pijn. Een robot die een pijnvector berekent, 'lijdt' niet in de zin waarin een mens dat doet; het systeem verwerkt data om schade te voorkomen, net zoals een rookmelder rook detecteert zonder er bang voor te zijn.
Wat wil men ermee bereiken?
De belangrijkste drijfveer is zelfbescherming van machines. Robots en zachte robotarmen (soft robotics) zijn vaak duur en kwetsbaar; een ingebouwd waarschuwingssysteem dat op tijd 'au' zegt, kan onderdelen behoeden voor onherstelbare schade.
Een tweede doel ligt bij prothesen en hulpmiddelen voor mensen met een amputatie. Wie een kunsthand draagt zonder gevoel, kan onbedoeld te hard knijpen of een heet voorwerp te lang vasthouden. Een systeem dat een pijnvector doorgeeft aan de zenuwen of de huid van de gebruiker, kan dat soort ongelukken helpen voorkomen en het dragen van de prothese natuurlijker laten aanvoelen.
Een derde toepassing zit in de behandeling van chronische pijn. Sommige medische implantaten die het ruggenmerg elektrisch stimuleren om pijnsignalen te dempen, proberen in real time te meten hoe het zenuwstelsel van de patiënt reageert, om de stimulatiesterkte automatisch bij te sturen in plaats van die statisch in te stellen.
Tot slot hopen onderzoekers dat robots die zelf iets als 'pijn' kunnen registreren, veiliger kunnen samenwerken met mensen: een robotarm die merkt dat hij tegen een mens aan drukt met te veel kracht, kan zelfstandig terugschakelen voordat er letsel ontstaat.
Voorbeelden uit de praktijk
Een paar concrete projecten laten zien hoe dit veld zich in de praktijk uit:
- RMIT University (Melbourne, Australië, 2020): onderzoekers ontwikkelden een zelfherstellende elektronische huid die reageert op druk, hitte en scherpte op een manier die lijkt op menselijke nociceptoren, en die binnen milliseconden een signaal afgeeft wanneer een ingestelde pijndrempel wordt overschreden.
- Case Western Reserve University (Cleveland, Verenigde Staten): in onderzoek onder leiding van neuro-ingenieur Dustin Tyler wordt via elektroden op perifere zenuwen geprobeerd om amputees weer gevoel te geven in een prothetische hand, inclusief signalen die de drager waarschuwen voordat er schade optreedt.
- Saluda Medical: dit bedrijf ontwikkelde een closed-loop ruggenmergstimulator (Evoke) die de elektrische respons van het zenuwstelsel meet en de stimulatiesterkte automatisch aanpast aan de actuele pijntoestand van de patiënt, in plaats van met een vaste instelling te werken.
- Johns Hopkins Applied Physics Laboratory (Verenigde Staten): in het kader van het langlopende, door defensieonderzoeksbureau DARPA gefinancierde programma voor een geavanceerde modulaire prothesearm wordt onderzocht hoe sensorfeedback, inclusief beschermende signalen, aan de gebruiker kan worden teruggegeven.
Hoe ver is de techniek?
Het overgrote deel van dit onderzoek bevindt zich nog in het laboratorium of in kleinschalige klinische proeven. Elektronische huid die pijnachtige signalen simuleert, is technisch veelbelovend maar nog niet duurzaam, goedkoop of schaalbaar genoeg voor massaproductie in bijvoorbeeld consumentenrobots.
Op medisch vlak is de techniek het verst gevorderd bij ruggenmergstimulatoren voor chronische pijn: dit zijn goedgekeurde medische hulpmiddelen die al bij patiënten worden gebruikt, al wordt de term 'pijnvector' daarbij zelden letterlijk gebruikt in de marketing, het is vooral een technisch hulpmiddel om uit te leggen wat er onder de motorkap gebeurt.
Sensorische feedback in prothesen, inclusief pijnachtige waarschuwingssignalen, wordt tot nu toe vooral getest bij kleine groepen proefpersonen in onderzoeksverband en is nog geen standaardonderdeel van commercieel verkrijgbare prothesen. Belangrijke obstakels zijn de duurzaamheid en biocompatibiliteit van sensoren, de hoge kosten van geavanceerde elektronica, en de uitdaging om verschillende soorten prikkels (druk, hitte, chemische irritatie) op een uniforme manier in één vector te vangen. Daarnaast spelen er ethische vragen: hoeveel 'pijn' wil je een machine laten simuleren, en hoe voorkom je dat zulke systemen verkeerd worden geïnterpreteerd als een teken dat machines daadwerkelijk kunnen lijden?
Wie werken eraan?
Academische groepen in Australië (RMIT University) en de Verenigde Staten (Case Western Reserve University, Johns Hopkins Applied Physics Laboratory) behoren tot de bekendere namen op het gebied van kunstmatige nociceptie en sensorische prothesefeedback. In de Verenigde Staten speelt defensieonderzoeksbureau DARPA een belangrijke financierende rol bij prothese-onderzoek.
Op medisch vlak zijn het vooral bedrijven die actief zijn in neurostimulatie voor pijnbestrijding, zoals Saluda Medical, naast grotere, gevestigde spelers in medische technologie die stimulatoren voor het ruggenmerg en zenuwstelsel ontwikkelen. Daarnaast werken diverse universitaire onderzoeksgroepen binnen de zachte robotica (soft robotics) in Europa en Azië aan tastbare en beschermende sensorhuiden voor robots, al is dit een breed en versnipperd veld zonder één duidelijke marktleider.