Evaluación en un paciente con ictus en fase crónica de un sistema autoadaptativo de neurorehabilitación robótica

[ES] Este art́ıculo presenta un nuevo sistema de rehabilitación capaz de adaptarse al estado psicofisiológico del paciente durante tareas de rehabilitación robótica. Con este tipo de terapia se puede maximizar la motivación y participación del paciente durante la actividad de rehabilitación. En este trabajo se extienden los resultados del estudio presentado en (Badesa et al., 2014b), realizado con sujetos sanos, a su utilización con pacientes que hayan sufrido un accidente cerebrovascular. En una primera parte del art́ıculo se presentan los distintos componentes del sistema adaptativo, y se realiza una comparativa de distintas técnicas de aprendizaje automático para clasificar el estado psicofisiológico del paciente entre tres estados posibles: estresado, nivel de excitación media y relajado. Finalmente, se muestran los resultados del sistema autoadaptativo con un paciente con ictus en fase crónica, que modifica el comportamiento del robot de rehabilitación y de la tarea virtual en función de las medidas de las señales fisiológicas.
[EN] This paper presents a new rehabilitation system that is able to adapt its performance to patient's psychophysiological state during the execution of robotic rehabilitation tasks. Using this approach, the motivation and participation of the patient during rehabilitation activity can be maximized. In this paper, the results of the study with healthy subjects presented in (Badesa et al., 2014b) have been extended for using them with patients who have suffered a stroke. In the first part of the article, the different components of the adaptive system are exposed, as well as a comparison of different machine learning techniques to classify the patient's psychophysiological state between three possible states: stressed, average excitation level and relaxed are presented. Finally, the results of the auto-adaptive system which modifies the behavior of the rehabilitation robot and virtual task in function of measured physiological signals are shown for a patient in the chronic phase of stroke.