Quanto tempo impiega un algoritmo a capire che vuoi prendere un bicchiere, prima ancora che la tua mano ci provi? Alla Technical University di Monaco la risposta è arrivata da un guanto pneumatico testato su un paziente con SLA: qualche decimo di secondo, il tempo di un segnale elettrico che parte dal muscolo dell’avambraccio e arriva a un chip che decide di gonfiare l’aria giusta.
Il paziente aveva la SLA, malattia che (lo sapete) smonta pezzo per pezzo il controllo dei movimenti: all’inizio del progetto gli restava solo la capacità di piegare l’articolazione del pollice. I ricercatori della Technical University di Monaco (TUM), insieme alla clinica Passauer Wolf, hanno costruito il guanto attorno a quel poco che rimaneva: un sensore sull’avambraccio che cattura i segnali elettrici del muscolo flessore lungo del pollice, e un algoritmo di machine learning che li traduce in intenzione di movimento.
Il risultato tecnico ha un nome secco: soft-hand exoskeleton. 13 tubicini d’aria cuciti dentro un guanto di stoffa normale, lo stesso tipo di macchina da cucire che si usa per un vestito qualunque. Niente titanio, niente motori da smontare per capire come funziona: solo aria compressa che gonfia camere singole, dito dopo dito, mentre sensori di movimento aggiuntivi tengono la presa chiusa mentre l’oggetto viaggia dal tavolo alla bocca.
Un guanto che indovina prima che tu ci provi
Il cuore del sistema è la lettura EMG, l’elettromiografia di superficie. In pratica, un cerotto sull’avambraccio ascolta segnali elettrici di pochi microvolt, deboli al punto da perdersi nel rumore muscolare di chiunque altro. L’algoritmo del team, guidato da John Nassour e Nicolas Berberich, ha imparato a isolarli con un tasso di affidabilità del 97%, secondo lo studio pubblicato su Nature Machine Intelligence a giugno.
Il numero è vero, ed è anche un po’ un’esagerazione ottica se lo si legge da solo. Il 97% descrive la capacità del decoder di prevedere l’intenzione di un singolo paziente, allenato e ricalibrato apposta su di lui. Non è un tasso di successo universale pronto per la produzione in serie: è la fotografia di un caso, per quanto il più difficile che si potesse scegliere.
Si, perché il gruppo di Gordon Cheng ha scelto di partire proprio dal paziente con la compromissione più severa possibile, non da un volontario sano con margine di errore comodo. Se il sistema regge su un muscolo che manda segnali quasi impercettibili, il margine per applicazioni meno estreme, ictus, lesioni nervose periferiche, si allarga parecchio.
Il pollice che ha tenuto la forchetta
Con questo “guanto esoscheletro” indossato, il paziente ha preso in mano oggetti quotidiani, tenuto una forchetta per la prima volta in 4 anni, e spostato piccoli blocchi da un tavolo all’altro. Piccoli gesti che chi ha la mano libera non nota nemmeno, e che qui diventano il risultato di mesi di calibrazione su un singolo muscolo residuo.
Vale la pena metterlo accanto a un’altra notizia che avevamo raccontato a marzo: il primo chip cerebrale approvato in Cina per la paralisi, un impianto che entra nel cranio per bypassare il danno neurologico. Il guanto TUM prende la strada opposta, stoffa e aria invece di elettrodi sotto il cranio, e arriva comunque a restituire un gesto quotidiano. Non è la prima volta che la riabilitazione robotica prova strade morbide invece che rigide, ma qui il salto è dall’esoscheletro da braccio intero a un guanto di stoffa cucito in casa.
Il professor Tobias Wächter, neurologo della clinica Passauer Wolf, nota che il dispositivo può aiutare anche persone con paralisi flaccida da danno ai nervi periferici o da polineuropatia: un bacino di pazienti più ampio della sola SLA. Il costo dei materiali, tessuto e tubicini d’aria, resta basso rispetto ai sistemi robotici rigidi che dominano oggi la riabilitazione.
Lo studio di Nassour e colleghi
Pubblicazione: John Nassour, Nicolas Berberich, Daniel Utpadel-Fischler, Tobias Wächter, Gordon Cheng, “A dexterous soft hand exoskeleton restores intentional grasping for individuals with severe hand impairment”, pubblicato su Nature Machine Intelligence (giugno 2026).
Dati chiave: guanto pneumatico a 13 camere d’aria, sensore EMG sul flessore lungo del pollice, affidabilità di predizione 97% su singolo paziente con SLA severa. Sviluppo TUM Chair of Cognitive Systems, in collaborazione con clinica Passauer Wolf.
Quanto manca prima di vederlo in clinica
Orizzonte stimato: almeno 3 anni per un uso clinico più ampio oltre il singolo caso.
Serve validazione su più pazienti, in corso ma non ancora pubblicata per gli ictus, e un percorso di certificazione come dispositivo medico. Beneficiano per primi i pazienti con danno ai nervi periferici o polineuropatia, dove il segnale muscolare residuo è più forte che nella SLA avanzata. Il limite reale non è il costo dei materiali, basso, ma il tempo di calibrazione personalizzata: ogni paziente ha bisogno del proprio modello, cucito sul proprio muscolo residuo.
Non sappiamo ancora quanti pazienti servano prima che il guanto smetta di essere un caso singolo e diventi un protocollo. Nel frattempo, in una clinica bavarese, qualcuno tiene di nuovo una forchetta in mano, e a me viene voglia di festeggiare.
