เทคโนโลยีกายอุปกรณ์เทียม

เทคโนโลยีกายอุปกรณ์เทียม

เทคโนโลยีกายอุปกรณ์เทียม (Prosthetic Technology) เป็นวิทยาการที่นำไปสู่การ พัฒนาอุปกรณ์เพื่อใช้ทด
แทนบางส่วนของร่างกายของผู้พิการที่ขาดหายไปเพือช่วยให้ผู้พิการสามารถใช้ชีวิตได้ดีขึ้น แต่กายอุปกรณ์เทียม
(Prostheses) ที่ได้ถูกออกแบบและพัฒนาในอดีตที่ผ่านมาไม่สามารถตอบสนองการเคลื่อนไหวได้อย่างสมบูรณ์
ทำให้ในผู้พิการบางรายถึงแม้ว่าจะใช้กายอุปกรณ์เทียมแล้วก็ตามยังจำเป็นที่จะต้องมีบุคคลอื่นมาช่วยเหลือใน
การใช้ชีวิตประจำวัน ซึ่งทำให้กายอุปกรณ์เทียมในรุ่นต่อมามีการพัฒนาทางด้านคุณลักษณะการใช้งานให้สามารถ
ใช้งานได้อย่างมีประสิทธิภาพมากขึ้นเพื่อให้ผู้พิการสามารถดำรงชีวิตได้ด้วยตนเองโดยไม่ต้องมีผู้ช่วย แต่อย่างไร
ก็ตามการเคลื่อนไหวของอุปกรณ์เทียมล่าสุด เช่น เข่าเทียมหุ่นยนต์แบบปรับอัตราหน่วงคิดค้นโดยทีมนักวิจัยของ
ฟีโบ้ที่ได้รับรางวัลชนะเลิศสิ่งประดิษฐ์ปีนี้จากสภาวิจัยแห่งชาติ ก็ยังไม่สามารถตอบสนองการเคลื่อนที่หรือเคลื่อน
ไหวได้ตามต้องการของผู้ใช้เพราะอุปกรณ์เทียมดังกล่าวใช้เพียงสัญญาณป้อนกลับจากจุดที่เกิดแรงกระทำจาก
ภายนอกทำให้การควบคุมการทำงานของอุปกรณ์เทียมขึ้นอยู่กับแรงภายนอกซึ่งไม่ได้เกิดจากการสั่งงานจาก
สัญญาณทางชีวภาพที่มาจากผู้พิการเอง

สถาบันวิทยาการหุ่นยนต์ภาคสนาม (ฟีโบ้) จึงได้มอบหมายให้ ดร.ปราการเกียรติ ยังคง นำทีมวิจัย “ต่อยอด”
เข่าเทียมดังกล่าว โดยจักนำสัญญาณชีวภาพ (Biosensor data and signal) มาใช้ในการควบคุมอุปกรณ์
เทียมนี้ จนทำให้ผู้พิการสามารถเคลื่อนไหวให้มีความใกล้เคียงกับขามนุษย์จริงมากขึ้น ในงานวิจัยนี้ สถาบันฯ
ได้มุ่งเน้นในการนำสัญญาณกล้ามเนื้อ (Electromyography) มาใช้ในการควบคุมเข่าเทียมแบบปรับอัตราหน่วง
ได้ผ่านระบบโครงข่ายประสาทเทียม องค์ความรู้ใหม่ที่ทีมฟีโบ้พัฒนาขึ้นมาทางด้านการใช้สัญญาณชีวภาพใน
การควบคุมอุปกรณ์เทียมนี้ นอกจากจะช่วยเหลือช่วยเหลือผู้พิการให้สามารถใช้ชีวิตประจำวันได้ใกล้เคียงความ
สามารถของบุคคลโดยทั่วไปมากขึ้นแล้ว ยังเป็นการขยายฐานนักธุรกิจใหม่ด้านเทคโนโลยี (Technoprenuers)
ที่ฟีโบ้ได้ริเริ่มขึ้นผ่านโปรแกรมการบัณฑิตศึกษาสาขาธุกิจเทคโนโลยีของสถาบัน โปรแกรมนี้บริหาร โดย
ดร.วรพจน์ อังกสิทธิ์

สัญญาณกล้ามเนื้อได้รับการศึกษาครั้งแรกในปี 1912 โดยใช้กัลวานอมิเตอร์ สัญญาณกล้ามเนื้อเป็นสัญญาณชีว
ภาพประเภทหนึ่งที่กล้ามเนื้อโครงร่าง (Skeletal muscle) สร้างขึ้น กล้ามเนื้อนี้เป็นหนึ่งในสามกล้ามเนื้อหลักที่
ทำให้ร่างกายเกิดการเคลื่อนไหว โดยอีกสองประเภทคือ กล้ามเนื้อเรียบ (Smooth muscle) และกล้ามเนื้อหัวใจ
(Cardiac muscle)

รูปที่ 1 แสดงลักษณะของกล้ามเนื้อประเภทต่างๆ

การหดตัวของกล้ามเนื้อหรือ Contraction ของกล้ามเนื้อโครงร่างอยู่ภายใต้ควบคุมของสมองทำให้เกิดแรงและทำ
ให้เกิดการเคลื่อนที่ อย่างไรก็ตามการหดตัวของกล้ามเนื้อเกิดขึ้นเป็นกลุ่มหรือที่เรียกว่ามัดกล้ามเนื้อ และมีจุดกระตุ้น
เริ่มต้นหรือ Trigger point ทำหน้าที่ส่งสัญญาณไฟฟ้าไปตามแนวกล้ามเนื้อ

รูปที่ 2 แสดงการส่งสัญญาณคำสั่งจากสมองไปยังกล้ามเนื้อ

Motor unit เป็นหน่วยย่อยที่สุดภายในกล้ามเนื้อประกอบด้วยตัวเซลล์ เดนไดรท์ แอกซอนและเส้นใยกล้ามเนื้อ มี
หน้าที่ส่วนควบคุมกระบวนการหดตัวของกล้ามเนื้อ

รูปที่ 3 แสดง Motor unit [3]

โดยปกติ ค่าศักย์ไฟฟ้าของเซลล์ประสาทจะอยู่ที่ประมาณ -80 ถึง -90 มิลลิโวลต์ เรียกว่า Resting potential
โดย Ion pump จะทำหน้าที่รักษาสภาพการแลกเปลี่ยนประจุแคลเซียมและโพแทสเซียมที่เข้าและออกจาก
เซลล์ให้อยู่ในสภาพสมดุล

รูปที่ 4 แสดง Polarization ของเซลล์ประสาท

ค่าของศักย์ไฟฟ้ามีความเป็นบวกสูงขึ้นเมื่อ Ion pump ยอมให้ประจุแคลเซียมวิ่งเข้าสู่เซลล์มากกว่าปกติ ขึ้นไปสู่
ระดับ 30 มิลลิโวลต์ จากนั้น ระบบของเซลล์ประสาทจะเข้าสู่สภาพความเป็นลบของศักย์ไฟฟ้าอีกครั้งเมื่อ
Ion pump ปล่อยประจุแคลเซียมออกจากเซลล์มากกว่าปกติ ทำให้ค่าศักย์ไฟฟ้าลดลงสู่ระดับ -80 มิลลิโวลต์อีก
ครั้ง Polarization ที่เกิดขึ้นในแต่ละเส้นใยกล้ามเนื้อรวมเข้าด้วยกันเกิดเป็นสัญญาณไฟฟ้ารวมของเซลล์ประสาท
นั้นๆ ดังแสดงในรูปที่ 5 (ซ้ายมือ) และเมื่อสัญญาณไฟฟ้าของเซลล์ประสาททั้งหมดรวมเข้าด้วยกันจะมีลักษณะเป็น
ดังแสดงในรูปที่ 5 (ขวามือ)

รูปที่ 5 แสดงการรวมเข้าด้วยกันของสัญญาณไฟฟ้าของเซลล์ประสาทและสัญญาณกล้ามเนื้อรวม

เมื่อสัญญาณกล้ามเนื้อมีค่าสูง กล้ามเนื้อจะเกิดการหดตัวมาก หรือเมื่อสัญญาณกล้ามเนื้อมีค่าต่ำ กล้ามเนื้อจะเกิดการ
หดตัวเพียงเล็กน้อย ดังนั้น สัญญาณไฟฟ้าจึงมีความสัมพันธ์โดยตรงกับปริมาณการเคลื่อนไหวของร่างกาย เหมาะสม
กับการนำมาประยุกต์ใช้ในการควบคุมอุปกรณ์เทียม โดยเฉพาะอย่างยิ่งในกรณีการควบคุมความหน่วงของข้อเข่าเทียม
สัญญาณกล้ามเนื้อจะต้องระบุให้ได้ว่าการเคลื่อนที่ของขาข้างที่ใช้ข้อเข่าเทียมอยู่ในเฟสใดของการเดิน

กรณีศึกษา:สัญญาณกล้ามเนื้อจากคนปกติกับการเดิน

การทดลองนี้ศึกษาความเป็นไปได้ในการจำแนกเฟสการเดินโดยใช้สัญญาณกล้ามเนื้อ มีการเก็บสัญญาณกล้ามเนื้อ
จากมัดกล้ามเนื้อ Rectus femoris, Vastus medialis และ Bicep femoris ของคนปกติที่เดินบนสายพานใน
ระดับเอียงที่แตกต่างกัน ดังแสดงในรูปที่ 6

รูปที่ 6 แสดงตำแหน่งของกล้ามเนื้อที่ใช้ในการวัดสัญญาณ

โดยใช้เครื่องรับสัญญาณที่สร้างขึ้นเอง จะเห็นว่าคุณภาพของสัญญาณกล้ามเนื้อที่ได้ด้อยกว่าอย่างชัดเจนเมื่อเทียบ
กับเวลาที่ใช้เครื่องรับสัญญาณแบบไร้สาย Zero-wire จากนั้น ได้ทำการกำหนดเฟสของการเดินโดยใช้ข้อกำหนด
ของการข้ามผ่านค่าที่ตั้งไว้หรือ Threshold crossing ทั้งนี้และทั้งนั้น ผจะต้องปรึกษาแพทย์ผู้เชี่ยวชาญอีกครั้งว่า
รายละเอียดของเฟสที่กำหนดถูกต้องและเหมาะสมเพียงใด ข้อมูลอ้างอิงจากการทบทวนงานวิจัยก่อนหน้านี้ อธิบาย
การแบ่งเฟสการเดินของอุปกรณ์ HAL exoskeleton และขาเทียมของศาสตราจารย์ Hurr แห่ง MIT ออกเป็น 3
และ 5 ช่วง ตามลำดับทั้งคู่ใช้เทคนิค Threshold crossing เช่นเดียวกัน

หมายเหตุ ช่องสัญญาณที่ 1, 2 และ 3 ได้จากกล้ามเนื้อ Vastus medialis, Bicep femoris และ Rectus femoris ตามลำดับ

รูปที่ 7 แสดงสัญญาณกล้ามเนื้อก่อนและหลังผ่าน Signal processing

จากคำแนะนำของคุณหมอผู้ชำนาญการในเรื่องนี้ ทำให้ผเราทราบว่า จุดสำคัญของเฟสการเดิน คือ การรักษาสภาพ
การเคลื่อนไหวของผู้พิการให้ปลอดภัยอยู่ตลอดเวลา ดังนั้น เฟสที่สำคัญจึงได้แก่ Heel strike หรือ Initial
contact ซึ่งเป็นช่วงที่ส้นเท้าเริ่มสัมผัสพื้น เกิดขึ้นในช่วงประมาณ 2% ของวัฏจักรการเดิน

รูปที่ 8 แสดง Heel strike

ถ้าวัฏจักรของการเดินปกติใช้เวลา 1 วินาที เฟส Heel strike จะใช้เวลา 20 มิลลิวินาที เพราะฉะนั้น เวลาที่ใช้ใน
การคำนวณเฟสของข้อเข่าเทียมจะต้องรวดเร็วและแม่นยำ

เมื่อนำสัญญาณกล้ามเนื้อที่วัดได้ไปทำการจำแนกโดยใช้โครงข่ายประสาทเทียมของของโปรแกรม WEKA และ
นำผลที่ได้ไปทำการประเมินด้วยวิธี Cross validation โดยใช้จำนวน Fold เท่ากับ 10 พบว่าค่า Root mean
squared error = 0.1649 (Mean squared error (MSE) = 0.0272), Mean absolute
error = 0.0746, Relative absolute error = 6.31% และ Root relative squared
error = 13.32%

กรณีศึกษา: สัญญาณกล้ามเนื้อจากผู้พิการ

การทดลองนี้ถูกออกแบบให้เปรียบเทียบสัญญาณกล้ามเนื้อ Hamstring และ Rectus femoris ที่วัดได้จากขา
ข้างที่เป็นปกติและข้างที่เกิดความพิการของผู้พิการที่สวมใส่ข้อเข่าเทียม สัญญาณกล้ามเนื้อจากช่องสัญญาณ 1
และ 2 ได้จากขาข้างที่มีความพิการในขณะที่สัญญาณกล้ามเนื้อจากช่องสัญญาณ 3 และ 4 ได้จากขาปกติ ทีม
วิจัยเห็นพ้องกันว่ารูปร่างสัญญาณที่ได้จากขาข้างที่มีความพิการน่าจะเกิดจากสิ่งรบกวนแวดล้อม ไม่ว่าจะเป็นแรง
สั่นสะเทือนจากการเดินและการสั่นสะเทือนของกล้ามเนื้อที่เกิดการเคลื่อนที่ขณะเดิน การทดลองนี้สรุปได้ว่าการ
ใช้สัญญาณกล้ามเนื้อในลักษณะดังแสดงไม่เหมาะสมต่อการนำไปใช้ควบคุมความหน่วงของอุปกรณ์ข้อเข่าเทียม

รูปที่ 9 แสดงการติดตั้งอิเล็กโทรดบน Hamstring และ Rectus femoris

สัญญาณกล้ามเนื้อจากช่องสัญญาณ 1 และ 2 ได้จากขาข้างที่มีความพิการในขณะที่สัญญาณกล้ามเนื้อจากช่อง
สัญญาณ 3 และ 4 ได้จากขาปกติ ทีมวิจัยเห็นพ้องกันว่ารูปร่างสัญญาณที่ได้จากขาข้างที่มีความพิการน่าจะเกิด
จากสิ่งรบกวนแวดล้อม ไม่ว่าจะเป็นแรงสั่นสะเทือนจากการเดินและการสั่นสะเทือนของกล้ามเนื้อที่เกิดการเคลื่อน
ที่ขณะเดิน การทดลองนี้ สรุปได้ว่าการใช้สัญญาณกล้ามเนื้อในลักษณะดังแสดงไม่เหมาะสมต่อการนำไปใช้ควบ
คุมความหน่วงของอุปกรณ์ข้อเข่าเทียม

รูปที 10 แสดงการเปรียบเทียบสัญญาณกล้ามเนื้อจากขาทั้งสองข้าง

งานวิจัยหลายงานแสดงให้เป็นความเป็นไปได้ของการนำสัญญาณกล้ามเนื้อมาใช้ในการควบคุม ดังแสดงใน
ตารางที่ 1 อย่างไรก็ตาม ผู้วิจัยอยากเน้นย้ำถึงความสำคัญของการเก็บสัญญาณกล้ามเนื้อ เพราะปัจจัยสำคัญ
ของความสำเร็จที่แสดงในงานวิจัยต่างๆ ได้มาจากการที่มีสัญญาณกล้ามเนื้อที่ดี ซึ่งเป็นผลโดยตรงที่ทำให้
เทคนิคที่ใช้ในการวิเคราะห์ จำแนกและประมวลผลไม่จำเป็นต้องซับซ้อนมากนัก และเป็นผลต่อเนื่องที่ทำให้
เวลาที่ใช้ในขั้นตอนต่างๆ ดังที่กล่าวมาไม่มาก (น้อยกว่า 125 มิลลิวินาที)

หมายเหตุSVM – Support Vector Machine, NN – Neural Network, PCA – Principal Component Analysis, LWPR – Locally Weighted Projection Regression, WPT – Wavelet Packet Transform, SMO – Sequential Minimal Optimization, SOM – Self-Organizing Feature Map

ตารางที่ 1 แสดงตัวอย่างการใช้งานสัญญาณกล้ามเนื้อ

การใช้สัญญาณกล้ามเนื้ออาจไม่มีความเหมาะสมต่อการควบคุมความหน่วงของข้อเข่าเทียม อย่างไรก็ดี
งานวิจัยและพัฒนาข้อเข่าเทียมให้สามารถทำงานได้อย่างอัตโนมัติหรือกึ่งอัตโนมัติเพื่อให้มีประสิทธิภาพ
สูงขึ้น ยังคงเป็นเรื่องที่น่าสนใจ การนำ Sensory feedback และ Internal oscillator มาพิจารณาร่วมกับ
ข้อมูลการเคลื่อนไหวอื่นๆ ถือเป็นทางเลือกหนึ่งที่น่าสนใจอย่างยิ่ง