Le opinioni, le ipotesi, le conclusioni e le raccomandazioni di questo studio sono quelle degli autori e non rappresentano necessariamente le opinioni dell'agenzia di finanziamento. Il JRS è grato alla Fondazione di Ricerca San Paolo (FAPESP, numeri di sovvenzione 2021/05332-8, 2018/04654-9, 2018/21934-5 e 2023/02538-0) e a Jackson Cionek per il supporto tecnologico. AMM e Vivax Ltda sono grate a FAPESP (Fondazione di Ricerca di San Paolo) e FINEP (Agenzia Brasiliana per l'Innovazione). Questo progetto è stato finanziato con sovvenzioni di FAPESP (numero di sovvenzione 2018/09559-4) e FINEP (numero di sovvenzione 2019/09933-6).

Questo studio è stato approvato dal locale Comitato di Revisione Etica dell'UNICEP (Centro Universitario Paulista). Tutti i partecipanti hanno fornito il consenso informato seguendo tutte le linee guida istituzionali e le norme federali in materia di ricerca scientifica che coinvolge gli esseri umani. Non hanno ricevuto alcun compenso finanziario, come richiesto dalle normative federali brasiliane.
1. Sistema fNIRS
<ol><li>Preparare il tappo utilizzando 16 optodi: 8 sorgenti luminose (760 nm e 850 nm) e 8 rilevatori di luce (vedi Figura 2; posizione delle sorgenti: FC1, FC2, C3, Cz, C4, CP1, CP2 e Pz; posizione dei rivelatori (FCz, C1, C2, CPz, P1 e P3). Collegare l'ottavo rivelatore all'adattatore a breve distanza, che è collegato a ciascuno degli optodi sorgente.</li>
	<li>Aprire il software di acquisizione fNIRS e caricare il montaggio con il posizionamento di ciascun optodo.</li>
	<li>Impostare la frequenza di campionamento temporale del segnale fNIRS a 10,17 Hz.</li>
</ol>2. Partecipanti
<ol><li>Spiegare brevemente al partecipante la rilevanza della ricerca e il protocollo sperimentale.</li>
	<li>Se il partecipante accetta di offrirsi volontario, assicurarsi che il volontario fornisca il consenso informato seguendo tutte le linee guida istituzionali e le norme federali in materia di ricerca scientifica che coinvolge gli esseri umani.</li>
	<li>Chiedi al volontario di sedersi su una poltrona di fronte al robot, posizionata a circa 150 cm di distanza dal monitor del computer.</li>
	<li>Dopo aver rimosso le scarpe, fissare comodamente il piede del partecipante al braccio del robot con cinghie in velcro (chiusura a strappo) (vedi Figura 1, pannello in alto a sinistra).</li>
	<li>Posizionare il cappuccio fNIRS con gli optodi nella testa del partecipante e fissarlo saldamente con la chiusura a strappo sotto il mento.</li>
	<li>Posizionare il cappuccio sul cappuccio dell'optode per ridurre l'interferenza della luce ambientale.</li>
</ol>3. Acquisizione dei dati
<ol><li>Istruire ogni partecipante a non fare movimenti improvvisi della testa per ridurre al minimo il rischio di artefatti da movimento.</li>
	<li>Calibrare il sistema fNIRS per una qualità del segnale ottimale.</li>
	<li>Certificare che tutti i canali siano di buona qualità, come mostrato dall'interfaccia. In caso contrario, prova a rimuovere i peli tra il cuoio capelluto e la punta dell'optodo.</li>
	<li>Spiegare al partecipante come si gioca muovendo il piede attaccato al robot per raggiungere gli obiettivi indicati sullo schermo.</li>
	<li>Spiegare ai partecipanti che ci saranno due condizioni: senza e con l'assistenza robotica.</li>
</ol>4. Sistema robotizzato
<ol><li>Accendere il sistema collegando il monitor e il robot alla fonte di rete elettrica. Dopo l'inizializzazione del sistema operativo, viene visualizzata la prima interfaccia di gioco.</li>
	<li>Posizionare il braccio robotico nella posizione standard e attendere di ricevere il messaggio di feedback del braccio robotico posizionato correttamente .</li>
	<li>Immettere i dati descrittivi del partecipante e dello sperimentatore nel sistema per accedere all'interfaccia di gioco del robot.</li>
	<li>Nell'interfaccia di selezione del gioco, configura il tempo della sessione su 6 minuti con intervalli di riposo di 30 s.</li>
	<li>Selezionare la gamba appropriata (destra o sinistra) che deve essere utilizzata dal partecipante.</li>
	<li>Seleziona il gioco Picnic e fai clic su Vai per giocare.</li>
</ol>5. Analisi dei dati
<ol><li>Convertire i segnali grezzi in stati emodinamici (ossiemoglobina (HbO) e deossiemoglobina (HbR)) utilizzando l'equazione di Beer-Lambert modificata49.</li>
	<li>Crea mappe di attivazione individuali utilizzando il modello lineare generale (GLM) con stima robusta e stima di autocorrelazione, che è meno influenzata dagli artefatti da movimento50. Utilizzare il disegno sperimentale (riposo = 0; gioco/gioco = 1) contorto dalla funzione di risposta emodinamica canonica (HRF) come variabile indipendente e dal segnale HbO o HbR osservato come variabile dipendente.</li>
	<li>Per ogni canale, estrai il coefficiente beta (che riflette la forza di attivazione del canale) durante il gioco/gioco rispetto al resto.</li>
	<li>Unisci i canali in tre regioni di interesse (ROI) e calcola la media dei coefficienti di attivazione (GLM beta) tra i canali ROI. Definire le ROI come segue (vedi Figura 2): (1) area premotoria per l'emisfero sinistro (canali [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) area somatomotoria per l'emisfero sinistro (canali [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); e (3) area motoria supplementare (SMA) (canali [Cz-FCz, CPz-Cz]). NOTA: Sulla base della letteratura precedente su compiti motori simili a quello qui indagato 51,52,53 e dato che tutti i partecipanti eseguivano il compito motorio con la gamba destra, è stato ipotizzato che il premotore sinistro (controlaterale) e il somatomotore, così come le regioni SMA, mostrassero l'attivazione durante le prestazioni di gioco/gioco in entrambe le condizioni, con un'attivazione più forte nella condizione non assistita.</li>
	<li>Applicare il test di Wilcoxon non parametrico a queste beta. Impostare l'errore di tipo I al 5% (analisi a una coda).</li>
</ol>

Valutazione dell'attivazione cerebrale da parte di fNIRS durante una sessione di terapia robotica degli arti inferiori

AMM è il proprietario della società Vivax Ltda, che ha sviluppato la macchina per la riabilitazione assistiva Vivax (ARM). LD è un funzionario di Highland Instruments, un'azienda di dispositivi medici. Ha brevetti in corso o rilasciati, personalmente o in qualità di funzionario dell'azienda, relativi all'imaging, alla stimolazione cerebrale, alla diagnostica, alla modellazione e alla simulazione. Gli altri autori dichiarano di non avere alcun conflitto di interessi.

In questo studio proof-of-concept, è stata studiata la fattibilità di fare inferenze sulla mappatura dell'attivazione cerebrale utilizzando i dati fNIRS di soggetti sani mentre si esercitavano con diversi tipi di movimenti utilizzando un robot per la riabilitazione degli arti inferiori. Le sessioni tipiche di registrazione fNIRS negli adulti durano più di 6 minutie 54 minuti. Tuttavia, per rendere fattibili le registrazioni nel contesto di un contesto di riabilitazione, la durata complessiva de...

I dati epidemiologici indicano che in tutto il mondo ci sono ~17 milioni di nuovi casi di ictus ogni anno, con un aumento dell'incidenza nei paesi a basso e medio reddito1. Si stima che il numero di nuovi casi salirà a 77 milioni entro il 20302. La compromissione motoria dovuta all'ictus spesso influisce sulla mobilità del paziente e sulla partecipazione alle attività della vita quotidiana, contribuendo a una bassa qualità della vita. La riabilitazione motoria tradizionale comprende la terapia manuale, ma negli ultimi decenni sono stati sviluppati sistemi robotici per la riabilitazione. Questi sistemi sono in grado di fornire una terapia ad alta intensità, dose, quantificabilità, affidabilità, ripetibilità e flessibilità3 e hanno dimostrato un potenziale come trattamenti riabilitativi efficaci per pazienti con ictus sia acuto che cronico 4,5,6. Oltre ad erogare la terapia, i sistemi robotici per la riabilitazione possono essere utilizzati come strumenti di valutazione in quanto possono essere dotati di sensori in grado di misurare i dati cinematici/cinetici del movimento del paziente 7,8. Per la riabilitazione motoria degli arti superiori, tali dati non solo si sono dimostrati utili per valutare il livello di recupero motorio del paziente indotto dalla terapia robotica e sono serviti come strumento supplementare alle valutazioni cliniche tradizionali 9,10, ma hanno anche contribuito a far progredire la comprensione del processo di recupero motorio dall'ictus11, 12 così come il controllo neurale del movimento e l'apprendimento motorio in soggetti sani 3,13,14. Di conseguenza, questi risultati hanno fornito una base per migliorare i trattamenti riabilitativi15.
Negli ultimi due decenni, sono stati proposti molti dispositivi robotici per la neuroriabilitazione degli arti inferiori, che vanno dagli esoscheletri che supportano il peso corporeo del paziente durante la deambulazione (ad esempio, su un tapis roulant, come Lokomat16) ai sistemi robotici stazionari che consentono al paziente di esercitare la caviglia, il ginocchio o il piede senza camminare (come il Rutgers Ankle17, il robot per la riabilitazione della caviglia ad alte prestazioni18 e il robot per la riabilitazione caviglia/piede del Gwangju Institute of Science and Technology (GIST)19) o ortesi attive per il piede che sono esoscheletri azionati indossati dal paziente per camminare fuori terra o su un tapis roulant (come l'ortesi per andatura motorizzata20 e la caviglia MITAnklebot 21). Vedere 22,23,4 per una recensione sui robot per la riabilitazione degli arti inferiori.
I risultati degli studi clinici sui dispositivi robotici per la riabilitazione degli arti inferiori su pazienti colpiti da ictus sono stati incoraggianti e hanno dimostrato che questi sistemi possono migliorare il range di movimento (ROM) delle articolazioni, la forza muscolare o l'andatura, a seconda del dispositivo specifico e del protocollo clinico (vedere 24,25 per una revisione sull'efficacia dei robot degli arti inferiori per la riabilitazione). Mentre è stato postulato che la terapia assistita da robot promuova cambiamenti neuroplastici, che alla fine si traducono in un miglioramento delle capacità motorie26, il modo in cui avviene esattamente il processo di recupero motorio dall'ictus e quali protocolli di allenamento robotico ottimizzano il processo di recupero delle capacità motorie degli arti inferiori, rimangono per lo più poco chiari. In effetti, c'è una significativa e crescente disparità tra il crescente sviluppo di robot per la riabilitazione (sia da parte di ricercatori accademici che di enti commerciali) e la limitata comprensione dei meccanismi neurofisiologici che sono alla base del recupero motorio4. Le misurazioni della cinematica del movimento o delle coppie articolari effettuate con sensori incorporati hanno contribuito a descrivere quantitativamente i cambiamenti comportamentali motori che si verificano quando i pazienti recuperano le capacità motorie degli arti inferiori 27,28,29, colmando parzialmente questa lacuna. Tuttavia, i correlati neurali alla base di tali cambiamenti sono stati meno studiati. Ciò è dovuto a diversi motivi.
L'imaging funzionale cerebrale richiede molto tempo e talvolta è difficile da completare nel contesto degli studi clinici, che spesso richiedono di ridurre al minimo il carico del paziente per massimizzare la probabilità di aderenza del paziente allo studio. Ciò è particolarmente vero per le persone che hanno subito un ictus, dato che l'affaticamento post-ictus e la debolezza muscolare sono spesso osservati30. Inoltre, le modalità di imaging basate su campi magnetici, come la risonanza magnetica funzionale (fMRI), richiedono che sia l'hardware del paziente che quello robotico siano a prova di magnete.
Tra le modalità di imaging non invasive, la spettroscopia funzionale nel vicino infrarosso (fNIRS) è una tecnica di imaging particolarmente adatta per valutare le aree di attivazione cerebrale in soggetti sottoposti a terapia robotica. Analogamente alla fMRI, la fNIRS misura l'ossigenazione/deossigenazione del sangue nel cervello. Tuttavia, a differenza della fMRI, la fNIRS è completamente compatibile con l'hardware robotico ed è spesso portatile, essendo utilizzabile anche al letto del paziente. Inoltre, fNIRS ha un basso costo e una minore sensibilità agli artefatti da movimento 31,32,33.
Nonostante i suoi evidenti vantaggi e l'uso diffuso in molti contesti clinici sin dalla sua prima introduzione alla fine degli anni '7034, solo pochi studi hanno utilizzato la fNIRS per quantificare l'attivazione cerebrale associata ai movimenti degli arti inferiori e al recupero motorio dell'ictus. Gli studi FNIRS volti a chiarire i meccanismi di controllo neurale del movimento e/o i meccanismi o la valutazione del recupero motorio dall'ictus hanno indagato principalmente movimenti monoarticolari (ad esempio, flessione dorsale, flessione plantare o movimenti di estensione del ginocchio 35,36,37), camminata 38,39,40,41,42,43 o ciclismo44. Vedere45 per una recensione. Allo stesso modo, gli studi fNIRS sulla terapia robot-assistita per l'arto inferiore si sono concentrati principalmente sulla riabilitazione della deambulazione robot-assistita; Vedi46 per una recensione. Alcuni studi si sono concentrati sull'utilizzo di fNIRS come parte di un sistema di interfaccia cervello-computer (BCI) per derivare segnali di controllo per dispositivi robotici47,48; sebbene quest'area di ricerca si basi anche sull'elaborazione dei segnali fNIRS, il suo obiettivo è diverso e principalmente focalizzato sulla decodifica delle intenzioni dei pazienti (ad esempio, pazienti con gravi disabilità motorie).
Lo studio pilota qui presentato fa parte di uno sforzo iniziale per studiare gli effetti di un sistema robotico per la riabilitazione degli arti inferiori. Il robot è in grado di fornire una riabilitazione mirata agli arti inferiori che prevede l'allenamento nei movimenti multiarticolari quotidiani e di fornire una terapia alle singole articolazioni (ad esempio, ginocchio o caviglia) dell'arto inferiore (ad esempio, implementare un programma di riabilitazione dal basso verso l'alto).
Lo studio aveva lo scopo di indagare la fattibilità di un protocollo sperimentale che richiedesse l'acquisizione di dati fNIRS durante l'esecuzione di movimenti di puntamento multiarticolare degli arti inferiori. La durata del periodo di acquisizione dei dati in questo studio, che è stato limitato a 6 minuti, è più breve rispetto ai tipici protocolli fNIRS. Si è trattato di una scelta voluta con l'obiettivo di migliorare la praticità e l'applicabilità clinica di questa ricerca, in particolare nei pazienti con mobilità o forza limitate. Anche l'identificazione dei correlati fNIRS di movimenti multiarticolari così complessi e l'acquisizione di informazioni su come l'attivazione cerebrale è stata modulata dall'assistenza del robot sono stati punti di interesse. A tal fine, sono state condotte due sessioni di esperimenti con gli stessi partecipanti: una senza assistenza robotica e una con assistenza robotica. Infine, è importante sottolineare che questo studio si è concentrato su soggetti sani al fine di stabilire una base per la ricerca futura in termini di fattibilità del protocollo di registrazione e valutazione dell'attivazione cerebrale durante i movimenti mirati dalla terapia robotica.
Apparecchio Per condurre i nostri esperimenti è stato utilizzato un robot portatile progettato per la riabilitazione degli arti inferiori (vedi Figura 1). Il robot ha un'area di lavoro raggiungibile in 3D ed è compatto e leggero, con un peso di circa 35 libbre, il che lo rende facile da trasportare e installare.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> Figura 1: Configurazione sperimentale. (A) Il sistema robotico (installato sul pavimento) progettato per l'arto inferiore. Un volontario viene mostrato mentre utilizza l'interfaccia con il piede destro. (B) Struttura di supporto per il piede del soggetto che consente il fissaggio al sistema robotico. (C) Uno screenshot del gioco Picnic. L'obiettivo del gioco è muovere il piede (scarpa verde e bianca) verso il bersaglio (cerchio giallo). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
Il sistema robotico è progettato per assistere il paziente nell'esecuzione di movimenti degli arti inferiori simili a quelli eseguiti nelle attività quotidiane, come puntare o calciare. Utilizza giochi interattivi di realtà virtuale, che vengono visualizzati sul monitor di un computer o su uno schermo televisivo posto di fronte al dispositivo robotico (vedi Figura 1). L'effettore dell'estremità del robot è collegato all'arto inferiore del paziente (ad esempio, la caviglia) e la sua posizione è mappata sulla posizione di un cursore sullo schermo. Un gioco tipico mostra i bersagli di movimento del paziente (ad esempio, l'oggetto da indicare o dove calciare la palla).
Per completare l'attività di movimento, il robot può assistere il paziente con un livello di assistenza che può variare da assistenza completa a nessuna. Il livello di assistenza robotica viene scelto all'inizio di ogni seduta riabilitativa in base al livello di compromissione motoria del paziente. I movimenti eseguiti dal soggetto vengono utilizzati dal gioco per valutare le prestazioni del paziente e fornirgli un feedback sulle sue prestazioni (ad esempio, ROM, numero di movimenti e livello di assistenza robotica). I giochi sono progettati per essere interattivi e divertenti per sostenere l'interesse e l'attenzione del paziente. In questo studio, i partecipanti hanno giocato al "gioco del picnic", in cui il giocatore doveva impedire agli insetti di raggiungere l'asciugamano e rubare il cibo (vedi Figura 1, pannello in basso, per uno screenshot).
L'acquisizione dei dati è stata eseguita con un sistema di acquisizione fNIRS portatile con due diversi optodi a onda continua (760 nm e 850 nm), 8 sorgenti LED a doppia punta e 8 rivelatori attivi a doppia punta. I segnali sono stati acquisiti utilizzando una frequenza di campionamento di 10,17 Hz. Per l'ottimizzazione della calibrazione e la registrazione del segnale è stato utilizzato un computer portatile utilizzando una rete Wi-Fi creata dal sistema fNIRS.
Un cappuccio è stato utilizzato per tenere gli optodi nelle posizioni predeterminate. Le sorgenti e i rivelatori sono stati collocati secondo il sistema EEG internazionale 10-10 in una distribuzione spaziale a griglia. Ogni canale fNIRS è stato definito da una coppia sorgente-rivelatore con distanze inter-optodate di circa 30 mm. Gli optodi sono stati posizionati sopra le aree del motore supplementare, del premotore e del motore nelle posizioni mostrate nella Figura 2. Il numero totale di canali era di 28, dove 8 erano canali a breve distanza che sono stati accoppiati a ciascuna sorgente utilizzando un adattatore in fibra ottica per un singolo rivelatore. Data la configurazione di multiplexing dell'hardware, è possibile acquisire informazioni a breve distanza da tutte le sorgenti utilizzando un solo rivelatore.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> Figura 2: Layout di montaggio utilizzando il sistema EEG 10-10. Le lettere e i numeri indicano le posizioni della sorgente/rivelatore. I punti rossi e blu rappresentano rispettivamente gli optodi della sorgente e del rivelatore. Le linee verdi rappresentano i canali fNIRS costituiti da coppie sorgente e rivelatore. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
Disegno sperimentale L'esperimento è stato condotto in due distinte condizioni sperimentali, diverse per il livello di assistenza fornito dal robot ai movimenti del soggetto. Nella prima condizione, il robot è stato programmato per non fornire alcuna assistenza ai movimenti del soggetto, mentre nella seconda condizione, il robot ha controllato i movimenti del piede e delle gambe del soggetto (movimento assistito dal robot).
Ogni esperimento ha seguito un paradigma di progettazione a blocchi che prevedeva cicli alternati di un compito motorio (giocare - 30 secondi) e riposo (30 secondi), come illustrato nella Figura 3. L'inizio e la conclusione di ogni fase (gioco/gioco o riposo) sono stati segnalati visivamente al soggetto attraverso lo schermo del computer. Durante la fase di riposo, è stato visualizzato un messaggio che indicava una pausa. Ogni ciclo (gioco/gioco + riposo) ha avuto una durata di 60 s ed è stato ripetuto sei volte, per un tempo di esecuzione totale di 360 s (6 min).
I partecipanti hanno giocato al "gioco del picnic", in cui l'obiettivo era quello di impedire agli insetti di raggiungere l'asciugamano e rubare il cibo. Questo gioco prevedeva una sequenza di movimenti degli arti inferiori, partendo da un bersaglio di partenza designato (posizione iniziale) ed estendendosi verso uno dei tre bersagli esterni prima di tornare al bersaglio di partenza. Sullo schermo, i bersagli esterni erano rappresentati visivamente come insetti animati in movimento, che i partecipanti dovevano raggiungere e calpestare. C'erano tre bersagli esterni, ognuno presentato casualmente un numero uguale di volte, insieme a un bersaglio comune per ogni movimento. La distanza che il piede doveva percorrere dal bersaglio principale alla posizione dei bersagli esterni formava un arco, che misurava circa 26 cm. Il compito motorio richiedeva l'esecuzione di movimenti multiarticolari, che richiedevano la coordinazione tra i movimenti di flessione/estensione del ginocchio, flessione plantare e flessione dorsale.
Le registrazioni dei dati fNIRS sono state sincronizzate con gli stimoli visivi presentati dal gioco al soggetto attraverso un impulso transistor-transistor-logic (TTL) generato dal robot. Gli impulsi sono stati generati all'inizio di ogni fase (gioco/gioco e riposo). Pertanto, tutto il controllo dei tempi è stato eseguito dal gioco, che ha fornito segnali visivi (bersagli) al partecipante per iniziare ogni movimento, ha inviato segnali TTL al sistema fNIRS per contrassegnare le registrazioni dell'attività cerebrale e, se richiesto dall'esperimento, ha inviato segnali al sistema di controllo del robot per avviare l'assistenza al movimento.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>32 inch Smart TV</td>
			<td>Samsung</td>
			<td>N/A</td>
			<td>TV connected to robot via HDMI cable</td>
		</tr>
		<tr>
			<td>8-detector silicon photodiode (SiPD) optodes for optical detection with dual tip</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>8-source optodes bundle for optical illumination with dual tip</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>Aurora acquisition software</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>Laptop Precision XPS 13</td>
			<td>Dell Technologies (Round Rock, TX, USA)</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>nirsLAB fNIRS Analysis software</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>NIRSports2 fNIRS acquisition system</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td>It has two different continuous wave optics (760 and 850 nm), 8 dual-ended LED sources and 8 dual-ended active detectors.</td>
		</tr>
		<tr>
			<td>R</td>
			<td>R-project.org (open source software)</td>
			<td>https://www.r-project.org/</td>
			<td></td>
		</tr>
		<tr>
			<td>Standard cut cap, black color for up to 128 holders.</td>
			<td>Easycap GmbH (W&#246;rthsee, Germany)</td>
			<td>https://www.easycap.de/</td>
			<td></td>
		</tr>
		<tr>
			<td>Vivax Assistive Rehabilitation Machine (ARM)&#160;</td>
			<td>Vivax Ltda (S&#227;o Paulo, Brazil)</td>
			<td>https://vivaxbr.com/home/</td>
			<td>It is a portable robot designed to deliver lower limb rehabilitation. It has a 3D reachable workspace and is compact and light, weighing about 35 lb., which makes it easy to transport and to install.&#160;</td>
		</tr>
	</tbody>
</table>

an experiment using functional near-infrared spectroscopy and robot-assisted multi-joint pointing movements of the lower limb

L'ictus colpisce circa 17 milioni di persone in tutto il mondo ogni anno ed è una delle principali cause di disabilità a lungo termine. La terapia robotica si è dimostrata promettente nell'aiutare i pazienti colpiti da ictus a recuperare le funzioni motorie perdute. Una potenziale strada per aumentare la comprensione di come avviene il recupero motorio è quella di studiare l'attivazione cerebrale durante i movimenti che sono presi di mira dalla terapia in individui sani. La spettroscopia funzionale nel vicino infrarosso (fNIRS) è emersa come una promettente tecnica di neuroimaging per esaminare le basi neurali della funzione motoria. Questo studio mirava a indagare i correlati neurali fNIRS di movimenti complessi degli arti inferiori in soggetti sani. Ai partecipanti è stato chiesto di eseguire cicli di riposo e movimento per 6 minuti utilizzando un dispositivo robotico per la riabilitazione motoria. L'attività richiedeva movimenti coordinati dell'articolazione del ginocchio e della caviglia per puntare ai bersagli visualizzati sullo schermo di un computer. Sono state esplorate due condizioni sperimentali con diversi livelli di assistenza al movimento forniti dal robot. I risultati hanno mostrato che il protocollo fNIRS ha rilevato efficacemente le regioni cerebrali associate al controllo motorio durante il compito. In particolare, tutti i soggetti hanno mostrato una maggiore attivazione nell'area premotoria controlaterale durante la condizione di assenza di assistenza rispetto alla condizione assistita. In conclusione, la fNIRS sembra essere un approccio valido per rilevare le variazioni nella concentrazione di ossiemoglobina associate a movimenti di puntamento multiarticolare dell'arto inferiore. Questa ricerca potrebbe contribuire alla comprensione dei meccanismi di recupero motorio dell'ictus e potrebbe aprire la strada a migliori trattamenti riabilitativi per i pazienti con ictus. Tuttavia, sono necessarie ulteriori ricerche per chiarire appieno il potenziale della fNIRS nello studio della funzione motoria e delle sue applicazioni in ambito clinico.

Epidemiological data indicates that worldwide there are ~17 million new cases of stroke each year, with an increase in incidence in low- and middle-income countries1. The number of new cases is estimated to increase to 77 million by 20302. Motor impairment due to stroke often affects patient&#39;s mobility and participation in daily life activities, contributing to a low quality of life. Traditional motor rehabilitation includes manual therapy, but over the past few decades, robotic systems for rehabilitation have been developed. These systems can deliver therapy at high intensity, dose, quantifiability, reliability, repeatability, and flexibility3 and have shown potential as effective rehabilitation treatments for both acute and chronic stroke patients4,5,6. In addition to delivering therapy, robotic systems for rehabilitation can be used as evaluation tools as they can be equipped with sensors that can measure patient movement kinematic/kinetic data7,8. For upper extremity motor rehabilitation, such data has not only been proven to be useful for assessing the level of patient&#39;s motor recovery elicited by robotic therapy and served as a supplementary tool to traditional clinical assessments9,10, but it has also contributed to advancing the understanding of the process of motor recovery from stroke11,12 as well as neural control of movement and motor learning in healthy subjects3,13,14. As a result, these findings have provided a foundation for enhancing rehabilitation treatments15.
Over the last two decades, many robotic devices for lower limb neurorehabilitation have been proposed, spanning from exoskeletons that support the patient body weight during walking (e.g., over a treadmill, such as Lokomat16) to stationary robotic systems that allow the patient to exercise the ankle, knee or foot without walking (such as the Rutgers Ankle17, the High-Performance Ankle Rehabilitation Robot18, and the Gwangju Institute of Science and Technology (GIST) ankle/foot rehabilitation robot19) or active foot orthoses that are actuated exoskeletons worn by the patient to walk overground or over a treadmill (such as the Powered Gait Orthosis20&#160;and the MIT Anklebot21).&#160;See22,23,4 for a review on robots for lower limb rehabilitation.
Results of clinical studies of robotic devices for lower limb rehabilitation on stroke patients have been encouraging and have shown that these systems may improve joints&#39; Range of Motion (ROM), muscle strength, or gait, depending on the specific device and clinical protocol (see&#160;24,25&#160;for a review on the efficacy of lower limb robots for rehabilitation). While it has been postulated that robot-assisted therapy promotes neuroplastic changes, which ultimately result in improved motor abilities26, how the process of motor recovery from stroke exactly occurs and which robotic training protocols optimize the process of recovery of lower limb motor abilities, remain mostly unclear. In fact, there is a significant, growing disparity between the increasing development of rehabilitation robots (either by academic researchers or commercial entities) and the limited understanding of the neurophysiological mechanisms that underlie motor recovery4. Measurements of movement kinematics or joint torques taken with embedded sensors have contributed to quantitatively describing motor behavioral changes that occur as patients recover lower limb motor abilities27,28,29, partially filling this gap. However, the neural correlates underlying such changes have been less investigated. This is due to several reasons.
Brain functional imaging is time-consuming and sometimes difficult to complete in the context of clinical trials, which often require keeping patient burden minimal to maximize the likelihood of patient adherence to the study. This holds particularly true for individuals who have suffered a stroke, given the fact that post-stroke fatigue and muscle weakness are frequently observed30. Also, imaging modalities that are based on magnetic fields, such as functional Magnetic Resonance Imaging (fMRI), require both patient and robotic hardware to be magnet-safe.
Among non-invasive imaging modalities, functional Near-Infrared Spectroscopy (fNIRS) is an imaging technique particularly suitable for assessing areas of brain activation in subjects undergoing robotic therapy. Similarly to fMRI, fNIRS measures blood oxygenation/deoxygenation in the brain. However, unlike fMRI, fNIRS is fully compatible with robotic hardware, and it is often portable, even being usable at the bedside. Also, fNIRS has low cost and less sensitivity to motion artifacts31,32,33.
Despite its clear advantages and widespread use in many clinical settings since its first introduction in the late 70s34, only a few studies have used fNIRS to quantify brain activation associated with lower limb movements and stroke motor recovery. FNIRS studies aimed at elucidating mechanisms of neural control of movement and/or mechanisms or evaluation of motor recovery from stroke have mostly investigated single-joint movements (e.g., dorsiflexion, plantar flexion or knee extension movements35,36,37), walking38,39,40,41,42,43, or cycling44. See45&#160;for a review. Similarly, fNIRS studies on robot-assisted therapy for the lower limb have mostly focused on robot-assisted gait rehabilitation; see46&#160;for a review. A few studies have focused on using fNIRS as part of a Brain-Computer Interface (BCI) system to derive control signals for robotic devices47,48; while this research area also relies on the processing of fNIRS signals, its goal is different and mainly&#160;focused on decoding patient intentions (e.g., patients with severe motor disabilities).
The pilot study presented herein is part of an initial effort to investigate the effects of a robotic system for lower limb rehabilitation. The robot can deliver target-oriented lower limb rehabilitation that involves training in everyday multi-joint movements as well as deliver therapy to single joints (e.g., knee or ankle) of the lower limb (i.e., implement a bottom-up rehabilitation program).
The study aimed to investigate the feasibility of an experimental protocol that required the acquisition of fNIRS data during the performance of lower limb, multi-joint pointing movements. The duration of the data acquisition period in this study, which was limited to 6 min, is shorter than typical fNIRS protocols. This was a deliberate choice made with the aim of enhancing the practicality and clinical applicability of this research, particularly in patients with limited mobility or strength. Identifying fNIRS correlates of such complex multi-joint movements and gaining insights into how brain activation was modulated by robot assistance were also points of interest. For this purpose, two sessions of experiments were conducted with the same participants: one with no robot assistance and one with robot assistance. Finally, it is important to remark that this study focused on healthy subjects in order to establish a foundation for future research in terms of recording protocol feasibility and evaluation of brain activation during movements targeted by robotic therapy.
Apparatus 
A portable robot designed to deliver lower limb rehabilitation (see Figure 1) was used to conduct our experiments. The robot has a 3D reachable workspace and is compact and light, weighing about 35 lb., which makes it easy to transport and install.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg" /> 
Figure 1: Experimental setup. (A) The robotic system (installed on the floor) designed for the lower limb. A volunteer is shown utilizing the interface with their right foot. (B) Support structure for the subject&#39;s foot that enables attachment to the robotic system. (C) A screenshot of the Picnic game. The objective of the game is to move the foot (green and white shoe) to the target (yellow circle). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
The robotic system is designed to assist a patient in performing lower limb movements similar to those performed in everyday tasks, such as pointing or kicking. It uses interactive virtual reality games, which are displayed on a computer monitor or a television screen placed in front of the robotic device (see Figure 1). The robot-end effector is attached to the patient&#39;s lower limb (e.g., ankle), and its position is mapped to the position of a cursor on the screen. A typical game shows the patient movement targets (e.g., the object to point to or where to kick the ball).
To complete the movement task, the robot may assist the patient with a level of assistance that can range from full assistance to none. The level of robotic assistance is chosen at the beginning of each rehabilitation session based on the patient&#39;s level of motor impairment. The movements performed by the subject are used by the game to score the patient&#39;s performance and provide them feedback on their performance (e.g., ROM, number of movements, and level of robotic assistance). The games are designed to be interactive and entertaining to sustain patient interest and attention. In this study, participants played the &#34;Picnic game&#34;, in which the player had to stop the insects from reaching the towel and stealing the food (see Figure 1, bottom panel, for a screenshot).
Data acquisition was performed with a portable fNIRS acquisition system with two different continuous-wave optodes (760 nm and 850 nm), 8 dual-tip LED sources, and 8 dual-tip active detectors. The signals were acquired using a sampling rate of 10.17 Hz. A laptop was used for the calibration optimization and signal recording using a Wi-Fi network created by the fNIRS system.
A cap was used to hold the optodes in the predetermined locations. The sources and detectors were placed according to the 10-10 international EEG system in a grid spatial distribution. Each fNIRS channel was defined by a source-detector pair with inter-optode distances of approximately 30 mm. The optodes were placed over the supplementary motor, premotor, and motor areas at the locations shown in Figure 2. The total number of channels was 28, where 8 were short-distance channels that were coupled to each source using a fiber optics adapter to a single detector. Given the multiplexing setup of the hardware, it is possible to acquire short-distance information from all sources using only one detector.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg" /> 
Figure 2: Montage layout using the 10-10 EEG system. The letters and numbers indicate the source/detector locations. The red and blue dots represent the source and detector optodes, respectively. The green lines represent the fNIRS channels which consist of source and detector pairs. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Experimental design 
The experiment was conducted under two distinct experimental conditions, differing in the level of assistance provided by the robot for the subject&#39;s movements. In the first condition, the robot was programmed not to provide any assistance to the subject&#39;s movements, while in the second condition, the robot controlled the subject&#39;s foot and leg movements (robot-assisted movement).
Each experiment followed a block design paradigm involving alternating cycles of a motor task (playing the game - 30 s) and resting (30 s), as illustrated in Figure 3. The starting and conclusion of each phase (play/game or rest) were visually signaled to the subject through the computer screen. During the rest phase, a message indicating a pause was displayed. Each cycle (play/game + rest) had a duration of 60 s and was repeated six times, resulting in a total runtime of 360 s (6 min).
The participants played the &#34;Picnic game&#34;, wherein the objective was to prevent insects from reaching the towel and stealing food. This game involved a sequence of lower limb movements, starting from a designated home target (initial position) and extending towards one of three outer targets before returning to the home target. On the screen, the outer targets were visually represented as animated moving insects, which the participants had to reach and step onto. There were three outer-reaching targets, each randomly presented an equal number of times, alongside a common home target for every movement. The distance that the foot needed to travel from the home target to the position of the outer targets formed an arc, approximately measuring 26 cm. The motor task required the execution of multi-joint movements, demanding coordination between knee flexion/extension, plantar flexion, and dorsiflexion movements.
The fNIRS data recordings were synchronized with the visual stimuli presented by the game to the subject through a transistor-transistor-logic (TTL) pulse generated by the robot. Pulses were generated at the outset of each phase (play/game and rest). Thus, all timing control was performed by the game, which provided visual cues (targets) to the participant to start each movement, sent TTL signals to the fNIRS system to mark the brain activity recordings, and, if required by the experiment, sent signals to the robot control system to initiate movement assistance.

Autore in primo piano: Valutazione dell'attività cerebrale nella riabilitazione degli arti inferiori assistita da robot utilizzando fNIRS

Un esperimento che utilizza la spettroscopia funzionale nel vicino infrarosso e i movimenti di puntamento multiarticolare dell'arto inferiore assistiti da robot

Tutti e sei i soggetti hanno completato entrambi gli esperimenti. Nella condizione di assenza di assistenza, una media di 76,67 prove (std. 10,73) è stata completata da ciascun soggetto (si noti, per ogni soggetto, il numero di prove dipendeva dal numero di raggiunte riuscite, poiché un nuovo obiettivo veniva mostrato solo se il precedente era stato raggiunto). Nella condizione di assistenza, in cui il movimento del soggetto è stato completamente aiutato dal robot, tutti i soggetti hanno completato 70 prove. I dati fN...

Si stima che 1 persona su 6 in tutto il mondo avrà un ictus nel corso della vita, causando disabilità a lungo termine, i cui meccanismi di riabilitazione sono ancora poco compresi. Questo studio propone un protocollo per valutare l'attivazione cerebrale mediante spettroscopia funzionale nel vicino infrarosso (fNIRS) durante una sessione di terapia robotica degli arti inferiori.

Stroke affects approximately 17 million individuals worldwide each year and is a leading cause of long-term disability. Robotic therapy has shown promise ...

In questo studio, ci proponiamo di indagare la fattibilità di un protocollo sperimentale che prevede movimenti dell'arto inferiore collegato a un dispositivo robotico e l'acquisizione simultanea di dati funzionali di spettroscopia nel vicino infrarosso, fNIRS. Pochi studi hanno impiegato la fNIRS per studiare l'attivazione cerebrale nell'ictus, nel recupero motorio e nei movimenti degli arti inferiori, concentrandosi principalmente sulle singole azioni articolari, camminando o andando in bicicletta. Il nostro studio è pioniere nell'esplorazione dell'allenamento multiarticolare degli arti inferiori per la riabilitazione mirata.La spettroscopia funzionale nel vicino infrarosso, fNIRS, misura efficacemente i cambiamenti temporali nell'ossigenazione del sangue cerebrale, fungendo da indicatore indiretto dell'attività cerebrale, ai segnali di risonanza magnetica funzionale. A differenza della fMRI, la fNIRS è compatibile con l'hardware robotico, portatile e più robusta agli artefatti da movimento. Ci sono due sfide principali.Il primo è quello di sincronizzare i movimenti del dispositivo robotico con i dati fNIRS. Il secondo è quello di ottenere dati sufficienti per raggiungere la potenza statistica, per rilevare i cambiamenti emodinamici in soli sei minuti. Il nostro studio ha confermato la fattibilità del protocollo e ha dato i risultati attesi.Nella condizione assistita, solo due soggetti hanno mostrato un'attivazione cerebrale significativa. L'esercizio non assistito, che richiede uno sforzo maggiore, ha mostrato una maggiore variazione della concentrazione di HbO rispetto a quelli assistiti, con una notevole differenza nel PMC controlaterale.

an-experiment-using-functional-near-infrared-spectroscopy-robot

Research

JoVE Journal

Neuroscience

An Experiment Using Functional Near-Infrared Spectroscopy and Robot-Assisted Multi-Joint Pointing Movements of the Lower Limb

838 Views.  Universidade Federal do ABC. In questo studio, ci proponiamo di indagare la fattibilità di un protocollo sperimentale che prevede movimenti dell'arto inferiore collegato a un dispositivo robotico e l'acquisizione simultanea di dati funzionali di spettroscopia nel vicino infrarosso, fNIRS. Pochi studi hanno impiegato la fNIRS per studiare l'attivazione cerebrale nell'ictus, nel recupero motorio e nei movimenti degli arti inferiori, concentrandosi principalmente sulle singole azioni articolari, camminando o andando in bic...

Video: Autore in primo piano: Valutazione dell'attività cerebrale nella riabilitazione degli arti inferiori assistita da robot utilizzando fNIRS

Stroke affects approximately 17 million individuals worldwide each year and is a leading cause of long-term disability. Robotic therapy has shown promise in helping stroke patients regain lost motor functions. One potential avenue for increasing the understanding of how motor recovery occurs is to study brain activation during the movements that are targeted by therapy in healthy individuals. Functional Near-Infrared Spectroscopy (fNIRS) has emerged as a promising neuroimaging technique for examining neural underpinnings of motor function. This study aimed to investigate fNIRS neural correlates of complex lower limb movements in healthy subjects. Participants were asked to perform cycles of rest and movement for 6 min using a robotic device for motor rehabilitation. The task required coordinated knee and ankle joint movements to point to targets displayed on a computer screen. Two experimental conditions with different levels of movement assistance provided by the robot were explored. The results showed that the fNIRS protocol effectively detected brain regions associated with motor control during the task. Notably, all subjects exhibited greater activation in the contralateral premotor area during the no-assistance condition compared to the assisted condition. In conclusion, fNIRS appears to be a valuable approach for detecting changes in oxyhemoglobin concentration associated with multi-joint pointing movements of the lower limb. This research might contribute to the understanding of stroke motor recovery mechanisms and might pave the way for improved rehabilitation treatments for stroke patients. However, further research is needed to fully elucidate the potential of fNIRS in studying motor function and its applications in clinical settings.

It is estimated that 1 in 6 individuals worldwide will have a stroke in their lifetime, causing long-term disability, whose rehabilitation mechanisms are still poorly understood. This study proposes a protocol to evaluate brain activation by functional near-infrared spectroscopy (fNIRS) during a lower limb robotic therapy session.