Trzy warstwy, 99 procent. Proteza, która czuje dotyk jak ludzka dłoń

Jajko, którego nie da się podnieść

Kiedy Michał po raz pierwszy założył protezę myoelektryczną, myślał, że największym wyzwaniem będzie nauczenie się sygnałów mięśniowych. Pomylił się. Największym wyzwaniem okazało się coś, czego nie przewidział — jajko. A dokładniej: brak informacji zwrotnej. Proteza nie mówiła mu, z jaką siłą zaciska palce. Jajka pękały. Szklanki wyślizgiwały się z uchwytu. Plastikowa butelka zgniatała się, zanim zdążył zareagować. Mięśnie przedramienia wysyłały polecenia, ale dłoń — w odróżnieniu od prawdziwej — nie odpowiadała.

To nie jest rzadka historia. Na świecie żyje około trzech milionów osób po amputacji kończyny górnej. W samej Polsce — ponad 40 tysięcy. Zdecydowana większość używa protez kosmetycznych, czyli takich, które wyglądają jak dłoń, ale nie wykonują żadnego ruchu. Protezy myoelektryczne — sterowane sygnałami mięśniowymi — są dostępne od dekad, ale ich fundamentalna wada pozostaje niezmienna: nie czują. A dłoń bez czucia to jak oko bez widzenia. Ma kształt, ma funkcję, ale brakuje jej tego, co czyni ją naprawdę użyteczną.

Laboratorium Neuroengineering and Biomedical Instrumentation na Johns Hopkins University postanowiło rozwiązać ten problem od podstaw. W marcu 2025 roku zespół Sriramany Sankara opublikował w Science Advances pracę, która może zmienić reguły gry. Stworzyli protezę, która nie tylko wykonuje ruchy — ona czuje. I robi to z dokładnością, która jeszcze rok wcześniej wydawała się niemożliwa.

Rys. 1. Trzy warstwy sensora biomimetycznego: piezorezystywna (nacisk statyczny), piezoelektryczna (wibracje) i neuromorficzna (impulsy neuronowe). Każda warstwa odpowiada innemu typowi receptora w ludzkiej skórze. Źródło: Sankar S. et al., Science Advances (2025), DOI: 10.1126/sciadv.adr9300.

99,69 procent — liczba, która zmienia wszystko

Żeby zrozumieć, dlaczego wynik 99,69% jest przełomowy, trzeba cofnąć się o krok. Ludzka dłoń to cud biomechaniki — 27 kości, 34 mięśnie, ponad 17 tysięcy receptorów dotyku rozmieszczonych w skórze. Każdy centymetr kwadratowy opuszki palca zawiera około 140 mechanoreceptorów — mikroskopijnych struktur, które przetwarzają nacisk, wibracje, teksturę i temperaturę na sygnały elektryczne. Mózg odbiera te sygnały 200 razy na sekundę i na ich podstawie podejmuje decyzje: mocniej, słabiej, puść, przytrzymaj.

Proteza Sankara odwzorowuje tę architekturę w trzech niezależnych warstwach sensorycznych, inspirowanych fizjologią ludzkiej skóry. Pierwsza warstwa — piezorezystywna — rejestruje nacisk statyczny, czyli to, z jaką siłą proteza trzyma przedmiot. Druga — piezoelektryczna — wyłapuje wibracje i zmiany dynamiczne, kluczowe przy przesuwaniu palca po powierzchni. Trzecia — neuromorficzna — przetwarza surowe sygnały na wzór biologicznych neuronów: zamiast wysyłać strumień surowych danych do komputera, generuje impulsy tylko wtedy, gdy zmiana jest znacząca. To ta sama zasada, którą stosuje układ nerwowy: nie transmitujesz każdego piksela obrazu — wysyłasz tylko informację o krawędziach, kontrastach, ruchu.

Efekt? Proteza prawidłowo sklasyfikowała 99,69% spośród kilkudziesięciu codziennych przedmiotów — od szklanek przez owoce po plastikowe butelki — wyłącznie na podstawie dotyku. W teście dyskryminacji tekstur osiągnęła 98,38% celności, przewyższając zarówno czysto miękkie palce robotyczne, jak i sztywne protezy komercyjne.

To jest właśnie kontrast skali, od którego zaczęliśmy. Trzy warstwy czujników rozmieszczone na powierzchni mniejszej niż ludzka dłoń — łącznie nie więcej niż kilka centymetrów kwadratowych materiału — wykonują obliczenia sensoryczne, które w biologicznej dłoni wymagają 17 tysięcy receptorów i dekad ewolucji. Pojedynczy receptor piezoelektryczny o średnicy mikrometrów potrafi odróżnić szkło od plastiku, a aluminium od drewna — coś, co dla zdrowej dłoni jest trywialne, ale dla każdej dotychczasowej protezy było poza zasięgiem.

Rys. 2. Wizualizacja danych z trzech warstw sensora dotyku: nacisk statyczny (dół), wibracje dynamiczne (środek), impulsy neuromorficzne (góra). Proteza osiągnęła 99,69% dokładności klasyfikacji obiektów wyłącznie na podstawie tych sygnałów. Źródło: Sankar S. et al., Science Advances (2025), DOI: 10.1126/sciadv.adr9300.

1,5 miliarda dolarów i bariera czucia

Globalny rynek protez kończyn był wart w 2024 roku około 1,5 miliarda dolarów. Prognozy mówią o wzroście do 2,3 miliarda do 2030 roku, napędzanym przez starzenie się populacji, rosnącą liczbę amputacji związanych z cukrzycą i — co kluczowe — postęp w dziedzinie interfejsów człowiek-maszyna. Segment protez górnych kończyn to około 25% tego rynku, ale to właśnie on przyciąga najwięcej innowacji: w odróżnieniu od protez nóg, gdzie kluczowa jest mechanika chodu, proteza dłoni musi rozwiązać problem chwytania, manipulacji i — przede wszystkim — sprzężenia zwrotnego.

Główni gracze — niemiecki Ottobock, islandzki Össur, brytyjski Open Bionics — oferują protezy myoelektryczne od dekady. Ich produkty kosztują od 25 do 75 tysięcy dolarów i potrafią wykonać kilkanaście podstawowych chwytów. Żaden z nich nie oferuje jednak sensorycznego sprzężenia zwrotnego na poziomie porównywalnym z ludzką dłonią. Proteza Sankara — przynajmniej w warunkach laboratoryjnych — ten próg przekracza.

Różnica nie jest kosmetyczna. Badania z ostatnich pięciu lat konsekwentnie pokazują, że nawet 40% użytkowników protez myoelektrycznych kończyn górnych porzuca je w ciągu pierwszego roku. Główny powód? Właśnie brak czucia. Proteza bez sprzężenia zwrotnego wymaga stałej kontroli wzrokowej — użytkownik musi patrzeć na dłoń, żeby wiedzieć, co robi. To wyczerpujące poznawczo i całkowicie niepraktyczne w sytuacjach, gdzie wzrok jest zajęty czymś innym — na przykład podczas gotowania, prowadzenia samochodu czy pracy przy komputerze.

Politechnika Wrocławska, NFZ i 200 tysięcy

Polska ma w tej historii swoją rolę — i nie jest to rola biernego obserwatora.

Zespół Gustawa Rzymana z Politechniki Gdańskiej od lat pracuje nad ort ezami bionicznymi kończyn górnych, publikując przeglądy technologii i kierunków rozwoju. W 2026 roku Dariusz Mikołajewski z UKW w Bydgoszczy opublikował pracę o personalizacji egzoszkieletów dłoni z wykorzystaniem sztucznej inteligencji i druku 3D — podejście, które może radykalnie obniżyć koszt produkcji protez. Na Politechnice Warszawskiej i AGH działają laboratoria robotyki medycznej, a polskie firmy — choć niszowe — zaczynają pojawiać się w łańcuchu dostaw komponentów dla europejskich producentów protez.

Problem nie leży w braku kompetencji. Leży w refundacji.

Zaawansowana proteza myoelektryczna kosztuje w Polsce od 80 do 200 tysięcy złotych. Narodowy Fundusz Zdrowia refunduje protezy kończyn górnych do kwoty — uwaga — około 8 tysięcy złotych, w zależności od poziomu amputacji. Różnicę między refundacją a ceną rynkową pokrywa pacjent. Dla większości z 40 tysięcy polskich amputowanych to bariera nie do przeskoczenia. Proteza kosmetyczna — ta, która wygląda jak dłoń, ale nic nie robi — jest refundowana w całości. Proteza, która chwyta, ale nie czuje — częściowo. Proteza, która chwyta i czuje — w ogóle.

Tymczasem dane z Johns Hopkins pokazują, że technologia już istnieje. Nie jest to prototyp laboratoryjny w odległej przyszłości — to działające urządzenie z wynikami na poziomie 99%, opublikowane w recenzowanym czasopiśmie. Droga od laboratorium do refundacji NFZ to nie problem inżynieryjny. To problem systemowy — regulatorów, producentów, szpitali i ministerstwa zdrowia, którzy muszą usiąść przy jednym stole.

Źródła

• Sankar S. et al., A natural biomimetic prosthetic hand with neuromorphic tactile sensing for precise and compliant grasping, Science Advances (2025). DOI: 10.1126/sciadv.adr9300
• Rzyman G. et al., Upper Limb Bionic Orthoses: General Overview and Forecasting Changes, Applied Sciences (2020). DOI: 10.3390/app10248899
• Mikołajewski D. et al., AI-Based Personalization of 3D-Printed Hand Exoskeletons, Applied Sciences (2026)
• Grand View Research, Prosthetics and Orthotics Market Size Report, 2024–2030
• Narodowy Fundusz Zdrowia, Zarządzenie w sprawie warunków zawarcia i realizacji umów w rodzaju zaopatrzenie w wyroby medyczne (2025)

Pełny tekst pracy nie jest publicznie dostępny — serwer Science.org stosuje zabezpieczenia antybotowe. Analiza oparta na abstrakcie, danych z OpenAlex i Semantic Scholar oraz uzupełniających źródłach rynkowych.