机器人对大量神经运动障碍严重影响其生活质量的人抱有希望。 现在，研究人员已经利用人工智能技术建立了一个算法模型，该模型将使机器人在与手部震颤时更加准确、更快、更安全。

他们的模型，已经准备好供其他人部署，本月出现在科学报告，一个在线的自然杂志。 国际团队报告了迄今为止最有力的技术来描述病理性手部震颤的症状，这是影响大量老化成年人的常见和衰弱的运动问题的症状。 世界各地有100万人被诊断患有帕金森病，这只是一种神经退行性疾病，可以引起手部震颤。

虽然先进的可穿戴外骨骼套装和神经康复机器人等技术可以帮助人们抵消一些非自愿运动，但这些机器人助手需要实时精确地预测非自愿运动-仅10或20毫秒的滞后会阻碍机器的有效补偿，在某些情况下甚至可能危及安全。

输入在伦敦（安大略）运动障碍中心收集的大数据集和团队的开创性机器学习模型，他们将其命名为PHTNet，用于“使用递归神经网络的病理手部震颤”。 利用小传感器，他们分析了81名60岁和70岁患者的手部运动，然后应用一种新的数据驱动的深层神经网络建模技术提取适用于所有患者的预测信息。

他们的论文详细介绍了人工智能模型和训练，并报告了超过24，300个样本的95%置信率。

他说：“我们的模型已经处于可供神经学家、研究人员和辅助技术开发人员使用的现成阶段。” “它需要大量的计算能力，所以我们计划开发一种低功耗的云计算方法，允许可穿戴机器人和外骨骼在病人家里操作。 我们还希望开发需要较少计算能力的模型，并在输入中添加其他生物因素。”