Interfaz cerebro-computadora de imágenes motoras en la rehabilitación de la disfunción motora de las extremidades superiores después de un accidente cerebrovascular

Resumen

El propósito de este estudio es proporcionar una referencia importante para el funcionamiento clínico estándar de la interfaz cerebro-computadora de imágenes motoras (MI-BCI) para la disfunción motora de las extremidades superiores después de un accidente cerebrovascular.

Resumen

El efecto rehabilitador de los pacientes con disfunción motora moderada o grave de las extremidades superiores después de un accidente cerebrovascular es pobre, lo que ha sido objeto de investigación debido a las dificultades encontradas. La interfaz cerebro-ordenador (BCI) representa una tecnología de vanguardia en la investigación de la neurociencia del cerebro. Se refiere a la conversión directa de la percepción sensorial, las imágenes, la cognición y el pensamiento de los usuarios o sujetos en acciones, sin depender de los nervios o músculos periféricos, para establecer canales directos de comunicación y control entre el cerebro y los dispositivos externos. La interfaz cerebro-computadora de imágenes motoras (MI-BCI) es la aplicación clínica más común de la rehabilitación como medio no invasivo de rehabilitación. Estudios clínicos previos han confirmado que la MI-BCI mejora positivamente la disfunción motora en pacientes después de un accidente cerebrovascular. Sin embargo, hay una falta de demostración de la operación clínica. Con ese fin, este estudio describe en detalle el tratamiento de la IM-BCI en pacientes con disfunción moderada y grave de las extremidades superiores después de un accidente cerebrovascular y muestra el efecto de la intervención de la IM-BCI a través de la evaluación de la función clínica y los resultados de la evaluación de la función cerebral, proporcionando así ideas y referencias para la aplicación de la rehabilitación clínica y la investigación de mecanismos.

Introducción

Casi el 85% de los pacientes con accidente cerebrovascular tienen disfunción motora¹, especialmente debido al limitado efecto de rehabilitación de los pacientes con disfunción motora moderada y grave de las extremidades superiores, lo que afecta seriamente la capacidad de los pacientes para vivir vidas diarias independientes y ha sido el foco y la dificultad de la investigación. La interfaz cerebro-computadora (BCI) no invasiva es conocida como un tratamiento emergente para la rehabilitación de la disfunción motora después de un accidente cerebrovascular². La BCI es la conversión directa de la percepción sensorial, las imágenes, la cognición y el pensamiento de los usuarios o sujetos en acciones, sin depender de los nervios o músculos periféricos, para establecer canales directos de comunicación y control entre el cerebro y^{los dispositivos externos}. En la actualidad, los paradigmas de BCI para la rehabilitación clínica incluyen imágenes motoras (IM), potenciales evocados visuales en estado estacionario (SSVEP) y potenciales evocados auditivos (AEP) P300⁴, de los cuales el más utilizado y conveniente es la interfaz cerebro-computadora de imágenes motoras (MI-BCI). La IM es una intervención que utiliza imágenes motoras visuales/cinestésicas para visualizar la ejecución de tareas motoras (como movimientos de manos, brazos o pies). Por un lado, estudios previos han demostrado que la activación de la corteza motora asociada durante el infarto de miocardio es similar a la ejecución motora real⁵. Por otro lado, a diferencia de otros paradigmas, el IM puede activar un área específica de actividad a través de la memoria motora sin ningún estímulo externo para mejorar la función motora; Esto es propicio para la implementación en pacientes con accidente cerebrovascular, especialmente cuando se combina con disfunción auditiva⁶.

Además, se ha demostrado que el MI-BCI tiene un efecto positivo en la mejora de la disfunción motora en pacientes con ictus. Cheng et al. informaron que, en comparación con la intervención simple con guantes robóticos blandos, el guante robótico blando basado en MI-BCI combinado con tareas orientadas a las actividades de la vida diaria mostró una mejora funcional más evidente y una experiencia cinestésica más duradera en pacientes con accidente cerebrovascular crónico después de 6 semanas de intervención. Además, también fue capaz de provocar la percepción de los movimientos motores⁷. Además, Ang et al. incluyeron a 21 pacientes con accidente cerebrovascular crónico con disfunción moderada a grave de las extremidades superiores para una intervención aleatoria. La función clínica se evaluó antes y después de la intervención mediante la evaluación de Fugl-Meyer de la extremidad superior (FMA-UE). Los resultados mostraron que, en comparación con la intervención del robot con perilla háptica simple (HK) (grupo HK) y la intervención de terapia de brazo estándar (grupo SAT), el efecto de ganancia de movimiento de HK basado en la intervención MMI-BCI (grupo BCI-HK) fue significativamente mejor que el de los otros dos grupos⁸. Sin embargo, el funcionamiento específico de la MI-BCI aún requiere estándares normativos, y el mecanismo de la remodelación neuronal debe comprenderse completamente, lo que limita la aplicación clínica y la promoción de la MI-BCI. Por lo tanto, al mostrar el proceso de intervención de MI-BCI en un paciente masculino de 36 años con accidente cerebrovascular con disfunción motora de las extremidades superiores, este estudio resumirá los cambios en los resultados funcionales y la remodelación de la función cerebral antes y después de la intervención para demostrar el proceso de operación completo de MI-BCI y proporcionar ideas y referencias para la aplicación de la rehabilitación clínica y la investigación de mecanismos.

Protocolo

Este proyecto fue aprobado por la Asociación de Ética Médica del Quinto Hospital Afiliado de la Universidad Médica de Guangzhou (aprobación No. KY01-2021-05-01) el 19 de agosto de 2021. El ensayo se registró en el Registro Chino de Ensayos Clínicos (número de registro: NO. ChiCTR2100050162) el 19 de agosto de 2021. Todos los pacientes firmaron el consentimiento informado.

1. Contratación

1. Criterios de inclusión
   1. Reclutar pacientes que cumplan con los criterios diagnósticos de accidente cerebrovascular formulados por la cuarta Conferencia Nacional sobre Enfermedades Cerebrovasculares; tener una apoplejía cerebral confirmada por tomografía computarizada cerebral o resonancia magnética con el curso de la enfermedad ≥ 6 meses; tuvo un derrame cerebral que provocó una disfunción de una mano en la etapa 1-3 de Brunnstrom; tener una evaluación cognitiva de Montreal (MoCA) ≥ 26; de 50 a 75 años; prevalece la mano derecha; Haber firmado voluntariamente el consentimiento informado.
2. Criterios de exclusión
   1. Excluir pacientes con antecedentes de fractura de miembro superior, deformidad de miembro superior, etcétera. su condición es inestable o se producen cambios durante el experimento, lo que afecta a los resultados experimentales; incapaz de completar el experimento debido a enfermedades graves del corazón, pulmón, hígado y riñón y otros órganos importantes; disfunción cognitiva grave o afasia; padecer trastornos mentales graves; tomar medicamentos que reduzcan el umbral de las convulsiones; tener algún dispositivo implantado o metal que pueda verse afectado por el campo magnético generado por la estimulación magnética transcraneal (EMT).

2. Formación MI-BCI

NOTA: En este estudio se selecciona el robot de rehabilitación para la función de la mano de la extremidad superior basado en imágenes motoras. El dispositivo consta de una tapa de electroencefalograma (EEG) (Figura 1A), un terminal de computadora (es decir, una interfaz de control; Figura 1B), un manipulador externo (Figura 1E) y una pantalla de computadora de 23 pulgadas (Figura 1C).

1. Preparación de las asignaturas
   1. Explique el propósito y el método de capacitación y anótelos para las materias.
   2. Coloque el capuchón de EEG MI-BCI en el sujeto para asegurarse de que el punto Cz de la cabeza del sujeto coincida con el punto Cz del capuchón ^9,10. El punto Cz del sujeto es el vértice del centro de la cabeza. Para confirmar esto, verifique el punto de intersección de la línea de la cuenta de la oreja y la línea mediana humana que pasa por el centro de la nariz y la ceja. Determine el punto Cz del gorro de EEG de acuerdo con el sistema internacional de posicionamiento de EEG 10-20¹¹.
   3. Mantenga las orejas expuestas desde la costura de la oreja de la tapa de la cabeza y ajuste la correa de la barbilla para fijar la tapa de la cabeza.
   4. Inserte 24 electrodos sumergidos en solución salina normal en la ranura del capuchón del EEG y sujete 2 electrodos de referencia en los dos lóbulos de la oreja.
      NOTA: El electrodo debe mantenerse en un estado húmedo sin goteo. Si el electrodo está demasiado seco, el proceso de adquisición de la señal de EEG se verá afectado. Si el electrodo está demasiado húmedo, la solución salina que gotea podría afectar el rendimiento funcional del sujeto.
   5. Como operador, preste atención a la adquisición de EEG durante la capacitación. Si hay un pequeño rango de perturbación del EEG, primero considere si el electrodo correspondiente muestra sequedad, escasez de agua u otras condiciones con el entrenamiento. En este momento, detenga el entrenamiento y la adquisición del EEG inmediatamente y humedezca adecuadamente el electrodo antes de continuar con el entrenamiento.
   6. Si la señal de EEG tiene un amplio rango de perturbación, primero considere si el electrodo de referencia se ha caído o no. En este momento, detenga el entrenamiento inmediatamente y vuelva a sujetar el electrodo de referencia en el lóbulo de la oreja.
   7. Coloque el manipulador en el paciente y ajústelo a una posición de entrenamiento cómoda para evitar el dolor en el antebrazo de las extremidades superiores causado por un apretón excesivo o un deslizamiento.
2. Funcionamiento del software
   1. Abra el software de capacitación MI-BCI robot de rehabilitación de la función de la mano de la extremidad superior, haga clic en la Lista de usuarios e ingrese la información del paciente, incluido el nombre, el nombre de la enfermedad, la fecha de nacimiento, la fecha de la enfermedad y la ubicación del lado afectado.
   2. Ajuste la estabilidad de la señal de EEG para que no haya un desorden evidente.
   3. Haga clic en el botón EEG en reposo para permitir que el paciente complete el proceso de adquisición de EEG en reposo de acuerdo con las indicaciones de voz y texto: Cierre los ojos para relajarse y abra los ojos. Esto dura 60 s.
   4. Haga clic en el botón Configuración de tareas para establecer la dificultad de la tarea y la duración del entrenamiento. Establezca la dificultad del entrenamiento inicial hacia arriba o hacia abajo desde el nivel 9 de acuerdo con la situación real de los pacientes, y establezca la duración del entrenamiento en 30 min.
   5. Durante el entrenamiento, el sistema MI-BCI ajustará automáticamente la dificultad de la tarea de acuerdo con el rendimiento del paciente. Comprobar la dificultad del entrenamiento reflejada en el tamaño de los objetos agarrados; Cuanto mayor sea la dificultad de la tarea, más finos serán los objetos que se capten.
   6. Haga clic en el botón EEG de tareas para comenzar la capacitación formal. La pantalla del lado del paciente muestra: Cierre los ojos y relájese durante 5 segundos.
   7. Después de 5 segundos, la pantalla del lado del paciente muestra: Abra los ojos e imagine que su mano se abre/cierra el puño, lo que dura 3 segundos. Pida al paciente que siga los comandos en pantalla.
   8. La pantalla del lado del paciente muestra el vídeo de agarre/vídeo de apertura, para ayudar al paciente a simular las acciones demostradas por el vídeo en la imaginación. Pida al paciente que realice esta tarea de imaginación en movimiento que dura 5 s.
   9. El sistema extrae la señal EEG de la imaginación motora del paciente, utiliza el algoritmo para analizar la puntuación de la intención motora y la muestra en la pantalla del lado del paciente. Compruebe la retroalimentación del robot, que se mostrará en 4 s.
      NOTA: El modelo adoptado por el sistema MI-BCI es FBCNet (filtrado multibanda + convolución de separación de canales + capa de varianza + FC) para extraer características y puntuar señales de EEG¹². El valor umbral del sistema MI-BCI se determina en función de un gran número de datos de ensayos clínicos y del algoritmo central de EEG. El valor umbral es de 60 puntos.
   10. Compruebe la intención del motor que se muestra. Si la intención motora del paciente es ≥ 60 puntos (valor umbral), el sistema reconoce que se ha logrado la acción especificada. Si la intención del paciente de moverse < de 60 puntos, y el sistema determina que el paciente no puede realizar el movimiento especificado, asegúrese de que el audio le indique al paciente que siga adelante y no se desanime y que el paciente cumpla con esto.
   11. Durante el proceso de entrenamiento, observe la forma de onda del EEG en tiempo real. Si hay alguna situación anormal, suspenda el entrenamiento a tiempo y reinicie el entrenamiento después de que la señal se ajuste para que sea estable. Si el paciente tiene dolor o molestias durante el entrenamiento, deténgalo y registre el motivo de la terminación.

3. Evaluación clínica

1. Recopilación de información
   1. Recopilar y registrar información personal básica sobre los sujetos, como nombre, sexo, fecha de nacimiento, nivel de educación, etcétera.
   2. Completar la recopilación de la historia clínica del sujeto, como la historia clínica, la historia de la medicación, la historia personal, etcétera.
2. Evaluación de la función motora
   1. Evaluar la evaluación de Fugl-Meyer de la extremidad superior (FMA-UE)¹³ en sujetos con ictus.
      La puntuación total es de 66. Cuanto mayor sea la puntuación, mejor será el rendimiento funcional del paciente.
   2. Evalúe la prueba de función motora de Wolf (WMFT)¹⁴ en sujetos con accidente cerebrovascular. La puntuación total es 85. Cuanto mayor sea la puntuación, mejor será el rendimiento funcional del paciente.
3. Evaluación de la función cognitiva
   1. Evaluar el mini-examen del estado mental (MMSE)¹⁵ en sujetos con ictus. Según el nivel educativo, divida la puntuación en analfabetos ≤17, nivel educativo de la escuela primaria ≤20 y nivel educativo de la escuela secundaria y superior ≤24.
4. Evaluación de la función emocional
   1. Evaluar la escala de ansiedad de Hamilton (HAMA)¹⁶ en sujetos con accidente cerebrovascular. Los rangos de puntuación son: ≥21, hay ansiedad evidente; ≥14 puntos, definitivamente tienen ansiedad; y más de 7 puntos, podrían tener ansiedad. Una puntuación inferior a 7 indica que no hay síntomas de ansiedad.
   2. Evaluar la escala de depresión de Hamilton (HAMD)¹⁷ en sujetos con accidente cerebrovascular. Una puntuación de < 7 es promedio, una puntuación de 7 a 17 indica que el individuo podría tener depresión, una puntuación de 17 a 24 indica que el individuo puede ser diagnosticado con depresión y una puntuación de >24 indica que el individuo tiene depresión grave.

4. Evaluación de la función cerebral fNIRS

Para este estudio, coloque 10 fuentes y 12 detectores en las tapas de la cabeza de prueba fNIRS para corresponder a las ocho regiones de interés (ROI) de este estudio, incluida la corteza prefrontal dorsolateral bilateral (DLPFC), la corteza promotora dorsolateral (PMC), la corteza motora primaria dorsolateral (M1) y la corteza sensorial primaria dorsolateral (S1; Figura 2).

1. Preparación de la asignatura
   1. Explique el propósito y el método de capacitación y anótelos para las asignaturas. Asegurarse de que los sujetos comprenden el experimento y están familiarizados con los procedimientos relevantes; Esto ayuda a mejorar el cumplimiento del paciente.
   2. Coloque la tapa de la cabeza de prueba fNIRS en el sujeto, determine el punto Cz de la cabeza del sujeto y asegúrese de que coincida con el punto Cz de la tapa de la cabeza como se describe en el paso 2.1.2.
   3. Ajuste la tapa de la cabeza para el sujeto para asegurarse de que ambas orejas estén expuestas desde la costura de la oreja de la gorra, los bordes bilaterales de la oreja de la tapa se ajusten naturalmente al proceso mastoides bilateral, el borde delantero de la tapa se ajuste naturalmente a la frente y el borde posterior se ajuste naturalmente a la parte occipital posterior. Ajuste la banda de la barbilla para fijar la tapa.
   4. Ajuste la tensión de la banda de la mandíbula de manera adecuada. Si está demasiado suelto, provocará el desplazamiento de la tapa de la cabeza durante el experimento, lo que dará lugar a un posicionamiento inexacto y afectará a la adquisición de la señal. Si está demasiado apretado, causará molestias al sujeto, lo que reducirá la distensibilidad y afectará el rendimiento funcional del sujeto.
2. Prerrecogida y recogida de datos
   1. Ingrese al software de control fNIRS, seleccione el sujeto experimental y establezca los archivos de tratamiento del paciente de acuerdo con la información del paciente.
   2. Haga clic en el botón Pre-collection para calibrar las señales. De acuerdo con la intensidad de la señal del sitio mostrada por el sistema de imágenes cerebrales funcionales de infrarrojo cercano, mejore la intensidad de la señal y la estabilidad del sitio ajustando la fuente de luz o el receptor de la tapa de la cabeza para que esté más cerca del cuero cabelludo del sujeto.
   3. Cuando el sistema muestra todos los sitios en verde, la intensidad de la señal es estable. Detenga la pre-recolección y haga clic en el botón Ganancia automática para realizar el ajuste final de la señal.
      NOTA: En el proceso de pre-recolección, el sistema de imágenes funcionales del cerebro en el infrarrojo cercano presenta diferentes colores para representar la intensidad de la señal de los sitios. El gris representa una intensidad de señal baja, el amarillo representa una buena intensidad de señal, el verde representa una excelente intensidad de señal y el rojo representa una intensidad de señal demasiado fuerte.
   4. Haga clic en el botón Inicio para recopilar las señales. Observe y registre varias condiciones en el experimento, como fluctuaciones de la señal y un contacto deficiente con los electrodos.
3. fNIRS-evaluación de tareas motoras
   1. Seleccione el paradigma de tarea motora en el sistema fNIRS.
   2. Coloque la extremidad superior del paciente en la mesa de prueba y pídale al paciente que descanse durante 10 segundos antes del experimento.
   3. Pida al paciente que siga el ritmo del ejercicio para agarrar la mano afectada en tres bloques durante el experimento, cada bloque incluye 30 segundos de tarea y 30 segundos de descanso. Cada tarea consta de 15 ensayos, cada uno de los cuales incluye 1 s de agarre y 1 s de apertura del agarre.
   4. Durante cada descanso, pida a los pacientes que cierren los ojos y descansen. Si el sujeto no puede agarrar la mano afectada, pídale al sujeto que realice un ejercicio de imágenes motoras. La prueba dura 190 s (Figura 3). Una vez completados los tres bloques, finalice la tarea, guarde los datos e impórtelos a la base de datos autocompilada.
4. fNIRS-evaluación de tareas cognitivas (tarea de Stroop)
   1. Ejecute un software de investigación conductual y elija el paradigma de la tarea cognitiva . Seleccione los archivos de tratamiento del paciente y, a continuación, seleccione la prueba de congruencia.
   2. Pida al sujeto que coloque la mano sana en el botón del teclado, luego pídale al sujeto que descanse durante 10 segundos antes de que comience la prueba. Realice tres bloques de la prueba de congruencia, cada bloque incluye 60 s de tarea y 30 s de descanso. Cada tarea consta de 10 ensayos, cada uno de los cuales consta de una fijación de 2000 ms y un estímulo-respuesta de 4000 ms con una duración total de 280 s (Figura 4).
      1. Cuando se muestre el símbolo de la izquierda a la izquierda de la fuente del campo, presione el botón ← en el teclado lo antes posible de acuerdo con el significado del carácter (es decir, la izquierda).
      2. Cuando se muestre el símbolo derecho a la izquierda de la cuadrícula de campos, haga clic en el botón → del teclado lo antes posible de acuerdo con el significado del carácter (es decir, a la derecha).
   3. Seleccione la prueba de incongruencia; El procedimiento es el mismo que el de la prueba de congruencia.
      1. Cuando se muestre el símbolo derecho a la izquierda de la fuente del campo, ignore el significado de los caracteres y presione el botón ← en el teclado lo antes posible de acuerdo con la posición en la que aparece el texto (es decir, izquierda).
      2. Cuando se muestre el símbolo de la izquierda en el lado derecho de la fuente del campo, ignore el significado del carácter y haga clic en el botón → en el teclado lo antes posible de acuerdo con la posición del texto (es decir, a la derecha).
   4. Complete la tarea, guarde los datos y expórtelos a la base de datos creada por usted mismo.

5. Post-tratamiento

1. Realice la evaluación como se hizo para la evaluación de la función clínica y la evaluación de la función cerebral fNIRS en el pretratamiento. Realice todas las evaluaciones después del final de la^10ª sesión de entrenamiento (consulte los pasos 3.1 a 4.4 para obtener más detalles).

6. Procesamiento y análisis de datos

1. Resumir y analizar la información personal de los pacientes y los datos de la escala de evaluación clínica.
2. Utilice un software comercial para preprocesar datos de infrarrojo cercano. Realice la eliminación del intervalo de tiempo y los artefactos de movimiento de las pruebas de interferencia, la selección de un filtro de paso de banda (0.01-0.2 Hz) para eliminar el ruido, el cálculo de los cambios relativos de la hemoglobina oxigenada (HbO) y la hemoglobina desoxigenada (HbR) de acuerdo con la ley de Beer-Lambert modificada y convierta la señal de densidad óptica en una señal de concentración de oxígeno en sangre.
   NOTA: La HbO es más sensible a los cambios entre diferentes condiciones que la HbR, por lo que solo se utilizan datos de HbO en este esquema de estudio para análisis posteriores.
3. Seleccione HbO en el tipo de oxígeno en sangre como datos de análisis. Configure la matriz de diseño GLM y seleccione la fase de la tarea en la tarea. Haga clic en el botón Estimación para ajustar la matriz de diseño establecida con los datos recopilados.
4. Utilice el modelo de correlación lineal establecido para calcular el valor beta en cada ROI. Exporte los parámetros, la tasa de precisión (ACC) y el tiempo de respuesta (RT), en la tarea Stroop a través del software de investigación del comportamiento.

Resultados

El estudio presenta la función clínica y la remodelación de la función cerebral antes y después de la intervención de MI-BCI en un paciente masculino de 36 años con ictus. Más de 4 meses después de la hemorragia cerebral, los resultados de las imágenes mostraron un foco de sangrado crónico en el lóbulo frontal derecho y en la región de los ganglios basales derechos-región de la corona radiativa. El paciente fue diagnosticado de disfunción motora del miembro izquierdo durante la convalecencia por una hemorr...

Discusión

El período de rehabilitación de la disfunción motora moderada y grave de las extremidades superiores después de un accidente cerebrovascular es largo y la recuperación es difícil, lo que siempre ha sido el foco de la investigación clínica en rehabilitación¹⁸. El entrenamiento tradicional en rehabilitación de miembros superiores consiste principalmente en una simple intervención periférica o central¹⁹. Mientras tanto, debido a la falta de participación activa de...

Materiales

Name	Company	Catalog Number	Comments
MI-BCI	Rui Han, China	RuiHan Bangde	NA
E-Prime		version 3.0	behavioral research software.
fNIRS	Hui Chuang, China	NirSmart-500	NA
NirSpark			preprocess near-infrared data