Configuration pour l’évaluation quantitative du mouvement et de l’activité musculaire lors d’un test virtuel modifié en boîte et en bloc

Résumé

Le protocole décrit ici vise à améliorer l’évaluation quantitative des déficits des membres supérieurs, dans le but de développer une technologie supplémentaire pour l’évaluation à distance à la fois en clinique et à domicile. Les technologies de réalité virtuelle et de biocapteurs sont combinées à des techniques cliniques standard pour fournir des informations sur le fonctionnement du système neuromusculaire.

Résumé

La capacité de bouger nous permet d’interagir avec le monde. Lorsque cette capacité est altérée, elle peut réduire considérablement la qualité de vie et l’indépendance d’une personne et peut entraîner des complications. L’importance de l’évaluation et de la réadaptation à distance des patients s’est récemment accrue en raison de l’accès limité aux services en personne. Par exemple, la pandémie de COVID-19 a entraîné de manière inattendue une réglementation stricte, réduisant l’accès aux services de santé non urgents. De plus, les soins à distance offrent la possibilité de remédier aux disparités en matière de soins de santé dans les zones rurales, mal desservies et à faible revenu où l’accès aux services reste limité.

L’amélioration de l’accessibilité grâce à des options de soins à distance limiterait le nombre de visites à l’hôpital ou chez les spécialistes et rendrait les soins de routine plus abordables. Enfin, l’utilisation d’appareils électroniques grand public commerciaux facilement disponibles pour les soins à domicile peut améliorer les résultats pour les patients en raison d’une meilleure observation quantitative des symptômes, de l’efficacité du traitement et de la posologie du traitement. Bien que les soins à distance soient un moyen prometteur de résoudre ces problèmes, il est crucial de caractériser quantitativement la déficience motrice pour de telles applications. Le protocole suivant vise à combler cette lacune dans les connaissances afin de permettre aux cliniciens et aux chercheurs d’obtenir des données à haute résolution sur les mouvements complexes et l’activité musculaire sous-jacente. L’objectif ultime est de développer un protocole d’administration à distance de tests cliniques fonctionnels.

Ici, les participants ont été invités à effectuer une tâche Box and Block (BBT) d’inspiration médicale, qui est fréquemment utilisée pour évaluer la fonction de la main. Cette tâche exige que les sujets transportent des cubes normalisés entre deux compartiments séparés par une barrière. Nous avons mis en œuvre une BBT modifiée en réalité virtuelle pour démontrer le potentiel de développement de protocoles d’évaluation à distance. L’activation musculaire a été capturée pour chaque sujet à l’aide de l’électromyographie de surface. Ce protocole a permis d’acquérir des données de haute qualité pour mieux caractériser les troubles du mouvement de manière détaillée et quantitative. À terme, ces données ont le potentiel d’être utilisées pour développer des protocoles de réadaptation virtuelle et de surveillance à distance des patients.

Introduction

Le mouvement est la façon dont nous interagissons avec le monde. Bien que les activités quotidiennes telles que prendre un verre d’eau ou se rendre au travail à pied puissent sembler simples, même ces mouvements reposent sur une signalisation complexe entre le système nerveux central, les muscles et les membres¹. En tant que tels, l’indépendance personnelle et la qualité de vie sont fortement corrélées au niveau de la fonction des membres^{d’un individu 2,3}. Les lésions neurologiques, comme les lésions de la moelle épinière (LME) ou les lésions des nerfs périphériques, peuvent entraîner des déficits moteurs permanents, diminuant ainsi la capacité d’exécuter même les activités simples de la vie quotidienne ^4,5. Selon l’Institut national des troubles neurologiques et des accidents vasculaires cérébraux, plus de 100 millions de personnes aux États-Unis souffrent de déficits moteurs, l’accident vasculaire cérébral étant l’une des principales causes ^6,7,8. En raison de la nature de ces blessures, les patients nécessitent souvent des soins prolongés dans lesquels une évaluation motrice quantitative et un traitement à distance peuvent être bénéfiques.

Les pratiques actuelles de traitement des troubles du mouvement nécessitent souvent une évaluation clinique initiale et continue de la fonction par l’observation d’experts formés tels que des physiothérapeutes ou des ergothérapeutes. Les tests cliniques standard validés nécessitent souvent des professionnels formés pour les administrer, avec des contraintes de temps spécifiques et une notation subjective de mouvements prédéfinis ou de tâches fonctionnelles. Cependant, même chez les individus en bonne santé, des mouvements identiques peuvent être accomplis avec des combinaisons variables d’angles articulaires. Ce concept est appelé redondance musculo-squelettique.

Les tests cliniques fonctionnels ne tiennent souvent pas compte de la redondance individuelle sous-jacente à la variabilité inter-sujets. Pour les cliniciens comme pour les chercheurs, la distinction entre la variabilité normale causée par la redondance et les changements pathologiques dans le mouvement reste un défi. Les évaluations cliniques standardisées effectuées par des évaluateurs bien formés utilisent des systèmes de notation à faible résolution pour réduire la variabilité entre les juges et améliorer la validité des tests. Cependant, cela introduit des effets de plafond, réduisant ainsi la sensibilité et la validité prédictive pour les sujets qui peuvent avoir de légers déficits de mouvement ^9,10. De plus, ces tests cliniques ne permettent pas de différencier si les déficits sont causés par la mécanique corporelle passive ou la coordination musculaire active, ce qui peut être important lors du diagnostic initial et lors de la conception d’un plan de réadaptation spécifique au patient. Des essais cliniques randomisés ont révélé une efficacité incohérente des plans de traitement formulés sur la base des preuves fournies par ces essais cliniques 11,12,13. Plusieurs études ont souligné la nécessité de disposer de mesures cliniques quantitatives et conviviales qui pourraient être utilisées pour guider la conception des interventions futures^14,15.

Dans des études précédentes, nous avons démontré la mise en œuvre de l’évaluation automatisée du mouvement à l’aide de dispositifs de capture de mouvement grand public facilement disponibles dans la déficience du bras après un AVC, ainsi que l’évaluation de la fonction de l’épaule après une chirurgie thoracique chez les patientes atteintes d’un cancer du sein^16,17. De plus, nous avons montré que l’utilisation des moments articulaires actifs pour estimer les moments musculaires de mouvements actifs spécifiques est une mesure plus sensible des déficits moteurs après un AVC par rapport aux angles articulaires¹⁸. La capture de mouvement et l’électromyographie de surface (EMG) peuvent donc être d’une importance cruciale dans l’évaluation des patients diagnostiqués comme asymptomatiques par les tests cliniques standard, mais qui peuvent toujours éprouver des difficultés de mouvement, de la fatigue ou de la douleur. Cet article décrit un système qui pourrait permettre une caractérisation détaillée et quantitative du mouvement lors d’essais cliniques standard pour le développement futur de méthodes d’évaluation et de réadaptation à domicile chez les populations de patients souffrant de troubles du mouvement.

La réalité virtuelle (VR) peut être utilisée pour construire une expérience utilisateur immersive tout en modélisant les tâches quotidiennes. En règle générale, les systèmes de RV suivent les mouvements de la main de l’utilisateur pour permettre des interactions simulées avec l’environnement virtuel. Le protocole que nous décrivons ici utilise des produits de RV grand public pour la capture de mouvement afin de quantifier l’évaluation des déficits moteurs, à l’instar d’autres études démontrant l’utilisation de manettes de jeux vidéo standard dans l’évaluation quantitative de la déficience après un accident vasculaire cérébral ou une chirurgie de l’épaule^16,17. De plus, l’EMG est une mesure non invasive de l’activité neuronale sous-jacente à la contraction musculaire¹⁹. En tant que tel, l’EMG peut être utilisé pour évaluer indirectement la qualité du contrôle neuronal du mouvement et fournir une évaluation détaillée de la fonction motrice. Les lésions musculaires et nerveuses peuvent être détectées par EMG, et des troubles tels que la dystrophie musculaire et la paralysie cérébrale sont couramment surveillés à l’aide de cette technique^20,21. De plus, l’EMG peut être utilisé pour suivre les changements dans la force musculaire ou la spasticité, qui peuvent ne pas être évidents dans les évaluations cinématiques^22,23, ainsi que la fatigue et la coactivation musculaire. De tels paramètres sont essentiels pour évaluer les progrès de la réadaptation 23,24,25.

Le paradigme expérimental décrit ici cherche à tirer parti d’une combinaison de RV et d’EMG pour remédier aux limites des outils d’évaluation clinique traditionnels. Ici, les participants ont été invités à effectuer une tâche Box and Block (BBT)²⁶ modifiée à l’aide d’objets réels et en VR. La TCB standard est un outil clinique utilisé dans l’évaluation générale de la fonction macroscopique des membres supérieurs, dans lequel on demande aux sujets de déplacer autant de blocs de 2,5 cm que possible d’un compartiment, par-dessus une cloison, à un compartiment adjacent en une minute. Bien qu’elles soient souvent utilisées pour évaluer de manière fiable les déficits chez les patients ayant subi un AVC ou d’autres affections neuromusculaires (par exemple, parésie des membres supérieurs, hémiplégie spastique), des données normatives ont également été rapportées pour des enfants et des adultes en bonne santé, âgés de 6 à 89²⁶ ans. Une évaluation virtuelle du mouvement est utilisée pour simuler les aspects fonctionnels du test clinique validé effectué dans la vie réelle. La RV est utilisée ici pour réduire le matériel requis tout en permettant la fourniture d’instructions standardisées et de notation programmée et automatisée. Ainsi, une surveillance constante par des professionnels formés ne serait plus nécessaire.

La TBC de cette étude a été simplifiée pour se concentrer sur la capture de l’atteinte et de la saisie d’un bloc à la fois qui apparaît au même endroit. Cela a permis de maximiser la reproductibilité des mouvements et de minimiser la variabilité inter-sujets dans les données enregistrées. Enfin, les casques de réalité virtuelle peuvent être achetés pour aussi peu que 300 $ et ont le potentiel d’héberger plusieurs évaluations. Une fois programmés, cela réduirait considérablement les coûts associés à l’évaluation professionnelle typique et permettrait une accessibilité accrue de ces tests cliniques standard et validés dans des contextes cliniques et à distance/à domicile.

Protocole

Les procédures expérimentales ont été approuvées par le Conseil d’examen institutionnel (IRB) de l’Université de Virginie-Occidentale, protocole # 1311129283, et ont adhéré aux principes de la Déclaration d’Helsinki. Les risques liés à ce protocole sont mineurs, mais il est nécessaire d’expliquer toutes les procédures et les risques potentiels aux participants, et un consentement écrit et éclairé a été obtenu avec une documentation approuvée par le comité d’éthique de l’établissement.

1. Caractéristiques et conception du système

REMARQUE : La configuration de ce protocole se compose des éléments suivants : (1) capteurs EMG et base, (2) logiciel d’acquisition de données EMG (DAQ), (3) un système de capture de mouvement et (4) un casque VR avec le logiciel correspondant. Ces composants sont illustrés à la figure 1.

1. Configuration des composants du système
   1. Connectez le système EMG.
      1. Branchez la station de base EMG à l’alimentation.
      2. Connectez la station de base EMG à un ordinateur dédié (Figure 1C) contenant les scripts DAQ.
         REMARQUE : Des exemples de scripts peuvent être trouvés à l’adresse suivante : https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. Certains produits commerciaux peuvent être livrés avec un logiciel d’acquisition de données sous licence, qui peut également être utilisé.
   2. Connectez le système de capture de mouvement.
      1. Connectez un deuxième ordinateur dédié (Figure 1A) à un routeur réseau.
      2. Connectez le routeur réseau à un serveur de capture de mouvement.
      3. Connectez le serveur de capture de mouvement à un écran d’ordinateur pour la visualisation.
      4. Connectez les caméras au serveur de capture de mouvement.
   3. Connectez le système VR.
      1. Connectez le casque VR à un troisième ordinateur dédié à l’aide des scripts DAQ correspondants (Figure 1B).
         REMARQUE : Des exemples de scripts peuvent être trouvés à l’adresse suivante : https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. Chargez l’environnement de jeu VR contenant les tâches prévues sur l’ordinateur lié au casque VR (Figure 1B).
   4. Préparez la zone où le sujet accomplira la tâche.
      1. Utilisez une chaise solide et sans accoudoirs pour vous assurer qu’il n’y a pas d’interférence avec la portée normale du sujet.
      2. Pour la sécurité et l’exactitude des données recueillies, confirmez que la zone d’essai est libre de tout obstacle.
   5. Synchronisez les systèmes.
      1. Utilisez une fonction logicielle personnalisée pour synchroniser les systèmes dans le temps avec un serveur unique.
      2. Vous pouvez également utiliser un ordinateur ou un gestionnaire de messages de votre choix.

Figure 1 : Configuration de l’équipement expérimental. (A) Les caméras de capture de mouvement des marqueurs sont positionnées sur le sol et au plafond autour de l’espace expérimental, établissant un espace optimal pour le suivi du mouvement. Un ordinateur dédié est utilisé pour exécuter le logiciel de capture de mouvement et enregistrer les données. (B) Le casque utilisé pour afficher le BBT modifié en VR est connecté à un ordinateur dédié où l’évaluation virtuelle et les données de la tâche sont enregistrées. (C) La base EMG est connectée à un ordinateur dédié où les données d’activité musculaire sont enregistrées et sauvegardées pendant l’exécution de la tâche. Des capteurs EMG et des marqueurs LED pour la capture de mouvement sont tous deux placés sur le bras du sujet pendant la séance (voir Figure 2). Abréviations : VR = réalité virtuelle ; EMG = électromyographie. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Procédures expérimentales

REMARQUE : la figure 2 présente une représentation visuelle de l’écoulement expérimental décrit dans ce protocole.

1. Configuration EMG
   1. Pour déterminer l’emplacement du capteur EMG pour une meilleure qualité de signal, palpez le ventre musculaire pendant que le participant contracte le muscle concerné²⁷. Voir le tableau 1 pour la sélection musculaire utilisée dans ce protocole.
   2. À l’aide d’une lingette imbibée d’alcool, nettoyez soigneusement chaque électrode et le site de placement du capteur prévu sur le bras du sujet.
      REMARQUE : Un nettoyage en profondeur des capteurs EMG et de la peau du sujet garantira une faible impédance électrode-peau. Cela garantit que les données EMG enregistrées ont un rapport signal/bruit élevé. Un excès de poils sur le site de placement du capteur peut entraîner des données de mauvaise qualité, même s’ils sont correctement nettoyés. Dans ce cas, il peut être nécessaire de raser les cheveux.
   3. Après avoir préparé les électrodes EMG et la peau du sujet, placez les capteurs EMG sur le sujet, en assurant un bon contact entre les électrodes et la peau. Les électrodes bipolaires doivent être positionnées de manière à ce que les capteurs soient parallèles à la direction des fibres musculaires.
2. Configuration du système de capture de mouvement
   REMARQUE : Cela peut ne pas être nécessaire si seul un casque VR est utilisé pour suivre les mouvements de la main pour la cinématique.
   1. Calibrez les caméras de suivi de mouvement en suivant les instructions du fabricant. Déplacez la baguette d’étalonnage dans l’espace expérimental pour calibrer les caméras de suivi de mouvement et définir l’axe 3D de l’espace.
      REMARQUE : Le système de capture de mouvement des marqueurs utilisé dans ce protocole comprend une baguette d’étalonnage avec des marqueurs LED.
   2. Placez les marqueurs de capture de mouvement LED sur les repères osseux du membre supérieur et du tronc du sujet qui sont nécessaires à la construction des modèles biomécaniques souhaités.
   3. Utilisez le logiciel de capture de mouvement fourni pour vous assurer que tous les marqueurs sont reconnus et suivis par les caméras de capture de mouvement. Demandez au sujet d’effectuer plusieurs mouvements d’entraînement pendant que le personnel de l’étude surveille visuellement les données des marqueurs en temps réel.
3. Configurer la tâche d’évaluation des compétences VR
   1. Placez une chaise au centre de l’espace expérimental de capture de mouvement. Utilisez une chaise similaire à celle utilisée pour le test traditionnel dans le monde réel.
   2. Calibrez le casque VR sur la chaise où le sujet effectuera la tâche d’évaluation. Une fois calibré, demandez au sujet de s’asseoir sur la chaise et placez le casque VR sur sa tête.
   3. Pendant que le sujet est assis, mesurez la distance entre l’épaule du sujet et le sol, ainsi que la longueur du bras du sujet. Utilisez ces distances pour définir l’emplacement où la table et la tâche d’évaluation apparaîtront en VR.
   4. Dans le script de contrôle de tâche VR, saisissez les mesures du sujet et programmez le nombre souhaité de répétitions d’apparition de blocs.
      REMARQUE : Dans ce BBT modifié, les blocs individuels apparaîtront un par un pour augmenter la reproductibilité.
4. Demandez au sujet d’effectuer l’évaluation BBT modifiée en VR.
   1. Expliquez brièvement la tâche au sujet.
      1. Le bloc virtuel apparaîtra sur le côté gauche ou droit, selon ce que détermine l’expérimentateur.
      2. Expliquez au sujet qu’il devra ramasser le bloc virtuel, le transporter sur la partition et le placer sur la cible dans le compartiment opposé (Figure 2).
         REMARQUE : Dans le BBT virtuel modifié utilisé ici, le bloc disparaîtra automatiquement et réapparaîtra à la position de départ autant de fois que déterminé par l’expérimentateur.
   2. Commencez à collecter des données EMG.
   3. Commencez à collecter des données de capture de mouvement.
   4. Démarrez la tâche d’évaluation des compétences en RV.
      1. Laissez la tâche s’exécuter pendant le nombre prédéfini de répétitions avant de se terminer automatiquement.
   5. Enregistrez les données EMG et cinématiques pour une analyse post-hoc.
   6. Déterminez un score cliniquement pertinent pour le BBT post-hoc modifié comme le nombre de blocs portés avec succès au-dessus de la barrière ou les répétitions de la tâche en 60 s.

Figure 2 : Protocole expérimental, tâche VR et configuration du sujet. (A) Diagramme de flux décrivant le protocole expérimental utilisé ici. (B) Exemple de vue de BBT modifié implémenté dans un environnement VR. Les mesures anatomiques sont utilisées pour calibrer la tâche VR, en s’assurant que la table virtuelle apparaît au bon emplacement relatif. (C) Placement de marqueurs de capture de mouvement LED et de capteurs EMG sur le sujet. Des capteurs EMG sont placés sur les muscles d’intérêt et des marqueurs de capture de mouvement LED sont positionnés sur des points de repère osseux. Abréviations : VR = réalité virtuelle ; EMG = électromyographie ; LED = diode électroluminescente. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Résultats

Les données EMG, cinématiques et de force obtenues auprès de sujets utilisant ce protocole peuvent être utilisées pour caractériser les mouvements lors des répétitions d’une même tâche, ainsi qu’au cours de différentes tâches. Les données présentées ici représentent les résultats de participants témoins sains pour démontrer la faisabilité de cette configuration. La figure 3 montre des profils EMG représentatifs enregistrés chez un sujet sain effectuant la BBT modifi...

Discussion

Système EMG
Le matériel du système EMG se compose de 15 capteurs EMG utilisés pour obtenir des données d’activation musculaire. Une interface de programmation d’application (API) disponible dans le commerce a été utilisée pour générer un logiciel d’enregistrement EMG personnalisé. Le matériel du système VR se compose d’un casque de réalité virtuelle utilisé pour afficher l’environnement VR immersif et d’un câble pour relier le casque à l’ordinateur dédié où la tâche...

matériels

Name	Company	Catalog Number	Comments
Armless Chair	N/A		A chair for subjects to sit in should be armless so that their arms are not interfered with.
Computer	Dell Technologies		Three computers were used to accompany the data acquisition equipment.
Leap Motion Controller	Ultraleap		Optical hand tracking module that captures the hand and finger movement. The controller has two 640 x 240-pixel near-infrared cameras (120 Hz), which are capable of tracking movement up to 60 cm from the device and in a 140 x 120° field of view. This device was attached to the VR headset or secured above the head during movement.
MATLAB	MathWorks, Inc.		Programming platform used to develop custom data acquisition software
Oculus Quest 2	Meta		Immersive virtual reality headset equipped with hand tracking ability through 4 infrared build-in cameras (72-120 Hz). Can be substituted with other similar devices (ex. HTC Vive, HP Reverb, Playstation VR).
Oculus Quest 2 Link cable	Meta		Used to connect the headset to the computer where the VR game was stored
PhaseSpace Motion Capture	PhaseSpace, Inc.		Markered motion capture system, consisting of a server, cameras with 60° field of view, red light emitting diode (LED) as markers, and a calibration object
Trigno Wireless System	Delsys, Inc.		By Delsys Inc., includes EMG, accelerometer, force sensors, a base station, and collection software. The Trigno-MATLAB Application Programming Interface (API) was used to develop custom recording software.
UnReal Engine 4	Epic Games		Software used to create and run the modified Box and Block Task in VR