Imagerie motrice Interface cerveau-ordinateur dans la rééducation de la dysfonction motrice des membres supérieurs après un AVC

Résumé

Le but de cette étude est de fournir une référence importante pour le fonctionnement clinique standard de l’interface cerveau-ordinateur par imagerie motrice (MI-BCI) pour la dysfonction motrice des membres supérieurs après un AVC.

Résumé

L’effet de rééducation des patients atteints de dysfonction motrice modérée ou sévère des membres supérieurs après un AVC est faible, ce qui a fait l’objet de recherches en raison des difficultés rencontrées. L’interface cerveau-ordinateur (ICM) représente une technologie de pointe dans la recherche en neurosciences du cerveau. Il s’agit de la conversion directe de la perception sensorielle, de l’imagerie, de la cognition et de la pensée des utilisateurs ou des sujets en actions, sans dépendre des nerfs ou des muscles périphériques, afin d’établir des canaux de communication et de contrôle directs entre le cerveau et les appareils externes. L’imagerie motrice interface cerveau-ordinateur (MI-BCI) est l’application clinique la plus courante de la réadaptation en tant que moyen non invasif de réadaptation. Des études cliniques antérieures ont confirmé que le MI-BCI améliore positivement la dysfonction motrice chez les patients après un AVC. Cependant, il y a un manque de démonstration d’opération clinique. À cette fin, cette étude décrit en détail le traitement de l’ICM-BCI chez les patients atteints de dysfonction modérée et sévère des membres supérieurs après un AVC et montre l’effet d’intervention de l’ICM-BCI à travers les résultats de l’évaluation de la fonction clinique et de l’évaluation de la fonction cérébrale, fournissant ainsi des idées et des références pour l’application de la réadaptation clinique et la recherche sur les mécanismes.

Introduction

Près de 85 % des patients victimes d’un AVC souffrent de dysfonction motrice¹, en particulier en raison de l’effet limité de la réadaptation des patients atteints de dysfonction motrice modérée et sévère des membres supérieurs, qui affecte gravement la capacité des patients à vivre une vie quotidienne indépendante et a été l’objet et la difficulté de la recherche. L’interface cerveau-ordinateur (ICC) non invasive est connue comme un traitement émergent pour la réadaptation de la dysfonction motrice après un AVC². L’ICC est la conversion directe de la perception sensorielle, de l’imagerie, de la cognition et de la pensée des utilisateurs ou des sujets en actions, sans dépendre des nerfs ou des muscles périphériques, afin d’établir des canaux de communication et de contrôle directs entre le cerveau et^{les appareils} externes3. À l’heure actuelle, les paradigmes de l’ICM pour la réadaptation clinique comprennent l’imagerie motrice (IM), les potentiels évoqués visuels à l’état stationnaire (SSVEP) et les potentiels évoqués auditifs (AEP) P300⁴, dont le plus couramment utilisé et le plus pratique est l’interface cerveau-ordinateur d’imagerie motrice (MI-BCI). L’IM est une intervention qui utilise l’imagerie motrice visuelle/kinesthésique pour visualiser l’exécution de tâches motrices (telles que les mouvements de la main, du bras ou du pied). D’une part, des études antérieures ont démontré que l’activation du cortex moteur associé au cours de l’IM est similaire à l’exécution motrice réelle⁵. D’autre part, contrairement à d’autres paradigmes, l’IM peut activer une zone d’activité spécifique par le biais de la mémoire motrice sans aucun stimulus externe pour améliorer la fonction motrice ; Ceci est propice à la mise en œuvre chez les patients victimes d’un AVC, en particulier lorsqu’il est associé à un dysfonctionnement auditif⁶.

De plus, il a été démontré que MI-BCI a un effet positif sur l’amélioration de la dysfonction motrice chez les patients victimes d’un AVC. Cheng et al. ont rapporté que, par rapport à une simple intervention de gant robotique souple, le gant robotique souple basé sur le MI-BCI combiné à des tâches orientées vers les activités de la vie quotidienne a montré une amélioration fonctionnelle plus évidente et une expérience kinesthésique plus durable chez les patients victimes d’un AVC chronique après 6 semaines d’intervention. De plus, il a également été capable de susciter la perception des mouvements moteurs⁷. De plus, Ang et al. ont inclus 21 patients victimes d’un AVC chronique présentant un dysfonctionnement modéré à sévère des membres supérieurs pour une intervention randomisée. La fonction clinique a été évaluée avant et après l’intervention par l’évaluation de Fugl-Meyer du membre supérieur (FMA-UE). Les résultats ont montré que, par rapport à l’intervention par robot à bouton haptique simple (groupe HK) et à l’intervention standard de thérapie par bras (groupe SAT), l’effet de gain de mouvement de HK basé sur l’intervention MI-BCI (groupe BCI-HK) était significativement meilleur que celui des deux autres groupes⁸. Cependant, le fonctionnement spécifique des MI-BCI nécessite encore des normes normatives, et le mécanisme du remodelage neuronal doit être pleinement compris, ce qui limite l’application clinique et la promotion des MI-BCI. Par conséquent, en montrant le processus d’intervention de l’ICMI-BCI chez un patient de 36 ans ayant subi un AVC de sexe masculin avec un dysfonctionnement moteur des membres supérieurs, cette étude résumera les changements de résultats fonctionnels et le remodelage de la fonction cérébrale avant et après l’intervention afin de démontrer le processus opératoire complet de l’ICMI-BCI et de fournir des idées et des références pour l’application de la réadaptation clinique et la recherche sur les mécanismes.

Protocole

Ce projet a été approuvé par l’Association d’éthique médicale du cinquième hôpital affilié de l’Université de médecine de Guangzhou (approbation n° KY01-2021-05-01) le 19 août 2021. L’essai a été enregistré dans le registre chinois des essais cliniques (numéro d’enregistrement : NO. ChiCTR2100050162) le 19 août 2021. Tous les patients ont signé le formulaire de consentement éclairé.

1. Recrutement

1. Critères d’inclusion
   1. Recruter des patients qui répondent aux critères diagnostiques de l’AVC formulés par la quatrième Conférence nationale sur les maladies cérébrovasculaires ; avoir une apoplexie cérébrale confirmée par tomodensitométrie cérébrale ou imagerie par résonance magnétique avec l’évolution de la maladie ≥ 6 mois ; a eu un accident vasculaire cérébral entraînant un dysfonctionnement d’une main aux stades 1 à 3 de Brunnstrom ; avoir un test d’évaluation cognitive de Montréal (MoCA) ≥ 26 ans ; âgés de 50 à 75 ans ; la droiture prévaut ; avoir volontairement signé le consentement éclairé.
2. Critères d’exclusion
   1. Exclure les patients ayant des antécédents de fracture du membre supérieur, de déformation du membre supérieur, etc. ; leur état est instable ou des changements se produisent au cours de l’expérience, ce qui affecte les résultats expérimentaux ; incapable de terminer l’expérience en raison de graves maladies cardiaques, pulmonaires, hépatiques et rénales et d’autres maladies importantes d’organes ; dysfonctionnement cognitif sévère ou aphasie ; souffrant de troubles mentaux graves ; la prise de médicaments qui réduisent le seuil des crises ; avoir un dispositif implanté ou un métal susceptible d’être affecté par le champ magnétique généré par la stimulation magnétique transcrânienne (TMS).

2. Formation MI-BCI

REMARQUE : Le robot de rééducation pour la fonction de la main des membres supérieurs basé sur l’imagerie motrice est sélectionné dans cette étude. Le dispositif comprend un capuchon d’électroencéphalogramme (EEG) (figure 1A), un terminal d’ordinateur (c.-à-d. une interface de contrôle ; Figure 1B), un manipulateur externe (Figure 1E) et un écran d’ordinateur de 23 pouces (Figure 1C).

1. Préparation des sujets
   1. Expliquez l’objectif et la méthode de la formation et notez-les pour les sujets.
   2. Placez le capuchon EEG MI-BCI sur le sujet pour vous assurer que le point Cz de la tête du sujet coïncide avec le point Cz du capuchon ^9,10. Le point Cz du sujet est le sommet du centre de la tête. Pour le confirmer, vérifiez le point d’intersection de la ligne de perle d’oreille et de la ligne médiane humaine passant par le centre du nez et des sourcils. Déterminer le point Cz de la casquette EEG selon le système de positionnement EEG international 10-20¹¹.
   3. Gardez les oreilles exposées à partir de la couture de l’oreille du capuchon de tête et ajustez la mentonnière pour fixer le capuchon de tête.
   4. Insérez 24 électrodes trempées dans une solution saline normale dans la rainure du capuchon EEG et fixez 2 électrodes de référence dans les deux lobes de l’oreille.
      REMARQUE : L’électrode doit être maintenue à l’état humide sans goutter. Si l’électrode est trop sèche, le processus d’acquisition du signal EEG sera affecté. Si l’électrode est trop humide, la solution saline qui coule peut affecter les performances fonctionnelles du sujet.
   5. En tant qu’opérateur, faites attention à l’acquisition de l’EEG pendant la formation. S’il y a une petite gamme de perturbations de l’EEG, déterminez d’abord si l’électrode correspondante présente une sécheresse, un manque d’eau ou d’autres conditions avec l’entraînement. À ce moment-là, arrêtez immédiatement l’entraînement et l’acquisition de l’EEG et mouillez correctement l’électrode avant que l’entraînement ne continue.
   6. Si le signal EEG présente une large gamme de perturbations, déterminez d’abord si l’électrode de référence est tombée ou non. À ce moment-là, arrêtez immédiatement l’entraînement et fixez à nouveau l’électrode de référence au lobe de l’oreille.
   7. Placez le manipulateur sur le patient et ajustez-le à une position d’entraînement confortable pour éviter les douleurs des membres supérieurs de l’avant-bras causées par un serrage excessif ou un glissement.
2. Fonctionnement du logiciel
   1. Ouvrez le logiciel de formation MI-BCI robot de rééducation de la fonction de la main du membre supérieur, cliquez sur la liste des utilisateurs et entrez les informations sur le patient, y compris le nom, le nom de la maladie, la date de naissance, la date de la maladie et l’emplacement du côté affecté.
   2. Ajustez la stabilité du signal EEG pour éviter tout encombrement évident.
   3. Cliquez sur le bouton EEG au repos pour permettre au patient de terminer le processus d’acquisition de l’EEG au repos selon les invites vocales et textuelles : Veuillez fermer les yeux pour vous détendre et veuillez ouvrir les yeux. Cela dure 60 s.
   4. Cliquez sur le bouton Réglage de la tâche pour définir la difficulté de la tâche et la durée de l’entraînement. Réglez la difficulté d’entraînement initiale à la hausse ou à la baisse à partir du niveau 9 en fonction de la situation réelle des patients, et réglez la durée de l’entraînement à 30 min.
   5. Pendant la formation, le système MI-BCI ajustera automatiquement la difficulté de la tâche en fonction de la performance du patient. Vérifier la difficulté de l’entraînement telle que reflétée par la taille des objets saisis ; Plus la difficulté de la tâche est élevée, plus les objets saisis sont fins.
   6. Cliquez sur le bouton EEG de tâche pour démarrer la formation formelle. L’écran du côté du patient affiche : Veuillez fermer les yeux et vous détendre pendant 5 secondes.
   7. Après 5 s, l’écran du côté du patient affiche : Veuillez ouvrir les yeux et imaginer votre main ouverte/faire un poing, qui dure 3 s. Demandez au patient de suivre les commandes à l’écran.
   8. L’écran du côté du patient affiche la vidéo captivante/vidéo d’ouverture, pour aider le patient à simuler les actions démontrées par la vidéo dans son imagination. Demandez au patient d’effectuer cette tâche d’imagination en mouvement qui dure 5 s.
   9. Le système extrait le signal EEG de l’imagination motrice du patient, utilise l’algorithme pour analyser le score de l’intention motrice et l’affiche sur l’écran du côté du patient. Vérifiez le retour d’information du robot, qui s’affichera dans 4 s.
      REMARQUE : Le modèle adopté par le système MI-BCI est FBCNet (filtrage multibande + convolution de séparation de canal + couche de variance + FC) pour extraire les caractéristiques et noter les signaux EEG¹². La valeur seuil du système MI-BCI est déterminée sur la base d’un grand nombre de données d’essais cliniques et de l’algorithme EEG de base. La valeur seuil est de 60 points.
   10. Vérifiez l’intention du moteur affichée. Si l’intention motrice du patient est ≥ 60 points (valeur seuil), le système reconnaît que l’action spécifiée a été réalisée. Si l’intention du patient de bouger < 60 points et que le système détermine que le patient ne peut pas effectuer le mouvement spécifié, assurez-vous que l’audio incite le patient à continuer et à ne pas se décourager et que le patient s’y conforme.
   11. Pendant le processus d’entraînement, observez la forme d’onde de l’EEG en temps réel. S’il y a une situation anormale, suspendez l’entraînement à temps et recommencez l’entraînement une fois que le signal est ajusté pour être stable. Si le patient ressent de la douleur ou de l’inconfort pendant l’entraînement, arrêtez l’entraînement et notez la raison de l’arrêt.

3. Évaluation clinique

1. Collecte d’informations
   1. Recueillir et enregistrer des informations personnelles de base sur les sujets, telles que le nom, le sexe, la date de naissance, le niveau d’éducation, etc.
   2. Complétez la collecte des antécédents médicaux du sujet, tels que les antécédents cliniques, les antécédents médicaux, les antécédents personnels, etc.
2. Évaluation de la fonction motrice
   1. Évaluer l’évaluation de Fugl-Meyer du membre supérieur (FMA-UE)¹³ sur des sujets ayant subi un AVC.
      Le score total est de 66. Plus le score est élevé, meilleures sont les performances fonctionnelles du patient.
   2. Évaluer le test de la fonction motrice de Wolf (WMFT)¹⁴ sur des sujets ayant subi un AVC. Le score total est de 85. Plus le score est élevé, meilleures sont les performances fonctionnelles du patient.
3. Évaluation des fonctions cognitives
   1. Évaluer le mini-examen de l’état mental (MMSE)¹⁵ sur les sujets ayant subi un AVC. En fonction du niveau d’éducation, divisez le score en analphabètes ≤17), le niveau d’éducation de l’école primaire ≤20 et le niveau d’éducation du premier cycle du secondaire et supérieur ≤24.
4. Évaluation de la fonction émotionnelle
   1. Évaluer l’échelle d’anxiété de Hamilton (HAMA)¹⁶ sur des sujets ayant subi un AVC. Les fourchettes de score sont les suivantes : ≥21, il y a une anxiété évidente ; ≥14 points, certainement avoir de l’anxiété ; et plus de 7 points, pourrait avoir de l’anxiété. Un score inférieur à 7 n’indique aucun symptôme d’anxiété.
   2. Évaluer l’échelle de dépression de Hamilton (HAMD)¹⁷ sur des sujets ayant subi un AVC. Un score de < 7 est moyen, un score de 7 à 17 indique que l’individu pourrait souffrir de dépression, un score de 17 à 24 indique que l’individu peut être diagnostiqué avec une dépression et un score de >24 indique que l’individu souffre de dépression sévère.

4. Évaluation de la fonction cérébrale fNIRS

Pour cette étude, placez 10 sources et 12 détecteurs sur les capuchons de tête de test fNIRS pour correspondre aux huit régions d’intérêt (ROI) de cette étude, y compris le cortex préfrontal dorsolatéral bilatéral (DLPFC), le cortex promoteur dorsolatéral (PMC), le cortex moteur primaire dorsolatéral (M1) et le cortex sensoriel primaire dorsolatéral (S1 ; Figure 2).

1. Préparation du sujet
   1. Expliquez l’objectif et la méthode de la formation et notez-les pour les sujets. S’assurer que les sujets comprennent l’expérience et sont familiers avec les procédures pertinentes ; Cela permet d’améliorer l’observance du patient.
   2. Placez le capuchon de la tête de test fNIRS sur le sujet, déterminez le point Cz de la tête du sujet et assurez-vous qu’il coïncide avec le point Cz du capuchon de la tête comme décrit à l’étape 2.1.2.
   3. Ajustez le capuchon de tête pour le sujet pour vous assurer que les deux oreilles sont exposées à partir de la couture de l’oreille du capuchon, que les bords bilatéraux de l’oreille du capuchon sont naturellement ajustés à l’apophyse mastoïdienne bilatérale, que le bord d’attaque du capuchon est naturellement ajusté au front et que le bord de fuite est naturellement ajusté à la partie occipitale postérieure. Ajustez la mentonnière pour fixer le capuchon.
   4. Ajustez l’étanchéité de la bande de la mâchoire de manière appropriée. S’il est trop lâche, il entraînera le déplacement du capuchon de tête pendant l’expérience, ce qui entraînera un positionnement inexact et affectera l’acquisition du signal. S’il est trop serré, il causera une gêne au sujet, ce qui réduira l’observance et affectera les performances fonctionnelles du sujet.
2. Pré-collecte et collecte des données
   1. Entrez dans le logiciel de contrôle fNIRS, sélectionnez le sujet expérimental et établissez les dossiers de traitement du patient en fonction des informations du patient.
   2. Cliquez sur le bouton Pré-collecte pour calibrer les signaux. En fonction de l’intensité du signal du site affichée par le système d’imagerie cérébrale fonctionnelle dans le proche infrarouge, améliorez l’intensité du signal et la stabilité du site en ajustant la source lumineuse ou le récepteur du casque afin qu’il soit plus proche du cuir chevelu du sujet.
   3. Lorsque le système affiche tous les sites en vert, l’intensité du signal est stable. Arrêtez la pré-collecte et cliquez sur le bouton de gain automatique pour effectuer le réglage final du signal.
      REMARQUE : Dans le processus de pré-collecte, le système d’imagerie fonctionnelle cérébrale dans le proche infrarouge présente différentes couleurs pour représenter l’intensité du signal des sites. Le gris représente une faible intensité du signal, le jaune une bonne intensité du signal, le vert représente une excellente intensité du signal et le rouge représente une intensité de signal trop forte.
   4. Cliquez sur le bouton Démarrer pour collecter les signaux. Observez et enregistrez diverses conditions dans l’expérience, telles que les fluctuations du signal et le mauvais contact des électrodes.
3. Évaluation des tâches motrices fNIRS
   1. Sélectionnez le paradigme Motor Task dans le système fNIRS.
   2. Placez le membre supérieur du patient sur la table d’essai et demandez-lui de se reposer pendant 10 secondes avant l’expérience.
   3. Demandez au patient de suivre le rythme de l’exercice pour saisir la main affectée en trois blocs pendant l’expérience, chaque bloc comprenant 30 s de travail et 30 s de repos. Chaque tâche se compose de 15 essais, chaque essai comprend 1 s de préhension et 1 s d’ouverture de la prise.
   4. Pendant chaque repos, demandez aux patients de fermer les yeux et de se reposer. Si le sujet est incapable de saisir la main affectée, demandez-lui d’effectuer un exercice d’imagerie motrice. L’essai dure 190 s (figure 3). Une fois les trois blocs terminés, terminez la tâche, enregistrez les données et importez-les dans la base de données auto-créée.
4. fNIRS-évaluation des tâches cognitives (tâche de Stroop)
   1. Exécutez un logiciel de recherche comportementale et choisissez le paradigme des tâches cognitives . Sélectionnez les dossiers de traitement du patient, puis sélectionnez le test de congruence.
   2. Demandez au sujet de placer la main saine sur le bouton du clavier, puis demandez au sujet de se reposer pendant 10 secondes avant le début de l’essai. Effectuez trois blocs du test de congruence, chaque bloc comprend 60 s de tâche et 30 s de repos. Chaque tâche se compose de 10 essais, chacun consistant en une fixation de 2000 ms et une stimulus-réponse de 4000 ms avec une durée totale de 280 s (Figure 4).
      1. Lorsque le symbole de gauche s’affiche à gauche de la police du champ, appuyez sur la touche ← du clavier dès que possible en fonction de la signification du caractère (c’est-à-dire gauche).
      2. Lorsque le symbole de droite s’affiche à gauche de la grille de champs, cliquez sur le bouton → du clavier dès que possible en fonction de la signification du caractère (c’est-à-dire à droite).
   3. Sélectionnez le test d’incongruence ; La procédure est la même que celle du test de congruence.
      1. Lorsque le symbole de droite s’affiche à gauche de la police du champ, ignorez la signification des caractères et appuyez sur le bouton ← du clavier dès que possible en fonction de la position où le texte apparaît (c’est-à-dire à gauche).
      2. Lorsque le symbole de gauche est affiché sur le côté droit de la police du champ, ignorez la signification des caractères et cliquez sur le bouton → du clavier dès que possible en fonction de la position du texte (c’est-à-dire à droite).
   4. Terminez la tâche, enregistrez les données et exportez-les vers la base de données créée par vos soins.

5. Post-traitement

1. Effectuez l’évaluation comme cela a été fait pour l’évaluation de la fonction clinique et l’évaluation de la fonction cérébrale fNIRS dans le prétraitement. Effectuez toutes les évaluations après la fin de la 10^e séance d’entraînement (voir les étapes 3.1 à 4.4 pour plus de détails).

6. Traitement et analyse des données

1. Résumer et analyser les renseignements personnels des patients et les données de l’échelle d’évaluation clinique.
2. Utilisez un logiciel commercial pour prétraiter les données dans le proche infrarouge. Effectuer l’élimination de l’intervalle de temps et des artefacts de mouvement des tests d’interférence, la sélection d’un filtre passe-bande (0,01-0,2 Hz) pour éliminer le bruit, le calcul des changements relatifs de l’hémoglobine oxygénée (HbO) et de l’hémoglobine désoxygénée (HbR) selon la loi de Beer-Lambert modifiée et convertir le signal de densité optique en un signal de concentration d’oxygène dans le sang.
   REMARQUE : L’HbO est plus sensible aux changements entre différentes conditions que l’HbR, de sorte que seules les données sur l’HbO sont utilisées dans ce schéma d’étude pour une analyse ultérieure.
3. Sélectionnez HbO dans le groupe d’oxygène sanguin comme données d’analyse. Configurez la matrice de conception GLM et sélectionnez la phase de tâche dans la tâche. Cliquez sur le bouton Estimation pour ajuster la matrice de conception établie aux données collectées.
4. Utilisez le modèle de corrélation linéaire établi pour calculer la valeur bêta de chaque retour sur investissement. Exportez les paramètres, le taux de précision (ACC) et le temps de réponse (RT), dans la tâche Stroop via le logiciel de recherche comportementale.

Résultats

L’étude présente la fonction clinique et le remodelage de la fonction cérébrale avant et après l’intervention MI-BCI chez un patient de 36 ans âgé d’un AVC. Plus de 4 mois après l’hémorragie cérébrale, les résultats de l’imagerie ont montré un saignement chronique dans le lobe frontal droit et la région des ganglions de la base droite-région radiative de la couronne. Le patient a été diagnostiqué avec un dysfonctionnement moteur du membre gauche pendant la convalescence d’une hémorragie cé...

Discussion

La période de réadaptation pour la dysfonction motrice modérée et sévère des membres supérieurs après un AVC est longue et la récupération est difficile, ce qui a toujours été au centre de la recherche clinique en réadaptation¹⁸. La formation traditionnelle de réadaptation des membres supérieurs est principalement une intervention périphérique simple ou une intervention centrale¹⁹. Pendant ce temps, en raison du manque de participation active des patients p...

matériels

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