As opiniões, hipóteses, conclusões e recomendações deste estudo são dos autores e não representam necessariamente a opinião da agência financiadora. O JRS agradece à Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP, processos 2021/05332-8, 2018/04654-9, 2018/21934-5 e 2023/02538-0) e Jackson Cionek pelo apoio tecnológico. A AMM e a Vivax Ltda agradecem à FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo) e à FINEP (Agência Brasileira de Inovação). Este projeto foi financiado com auxílios da FAPESP (processo 2018/09559-4) e da FINEP (processo 2019/09933-6).

Este estudo foi aprovado pelo Comitê de Ética em Pesquisa local do UNICEP (Centro Universitário Paulista). Todos os participantes assinaram o termo de consentimento livre e esclarecido, seguindo todas as diretrizes institucionais e normas federais referentes à pesquisa científica envolvendo seres humanos. Eles não receberam nenhuma compensação financeira, como exige a regulamentação federal brasileira.
1. Sistema fNIRS
<ol><li>Preparar a tampa utilizando 16 optodes: 8 fontes de luz (760 nm e 850 nm) e 8 detectores de luz (ver Figura 2; localização das fontes: FC1, FC2, C3, Cz, C4, CP1, CP2 e Pz; localização dos detectores (FCz, C1, C2, CPz, P1 e P3). Conecte o oitavo detector ao adaptador de curta distância, que é conectado a cada um dos optodos da fonte.</li>
	<li>Abra o software de aquisição fNIRS e carregue a montagem com o posicionamento de cada optode.</li>
	<li>Defina a taxa de amostragem temporal do sinal fNIRS em 10,17 Hz.</li>
</ol>2. Participantes
<ol><li>Explicar brevemente a relevância da pesquisa e o protocolo experimental para o participante.</li>
	<li>Se o participante concordar em ser voluntário, certifique-se de que o voluntário forneça consentimento informado seguindo todas as diretrizes institucionais e normas federais sobre pesquisa científica envolvendo seres humanos.</li>
	<li>Instrua o voluntário a sentar-se em uma poltrona à frente do robô, posicionada a aproximadamente 150 cm de distância do monitor do computador.</li>
	<li>Após a remoção dos sapatos, prenda confortavelmente o pé do participante ao braço do robô com Velcro correias (gancho e laço) (veja a Figura 1, painel superior esquerdo).</li>
	<li>Coloque a tampa fNIRS com os optodes na cabeça do participante e fixe-a firmemente com o fecho de gancho e laço abaixo do queixo.</li>
	<li>Coloque a tampa sobre a tampa optode para reduzir a interferência da luz ambiente.</li>
</ol>3. Aquisição de dados
<ol><li>Instrua cada participante a não fazer movimentos bruscos da cabeça para minimizar o risco de artefatos de movimento.</li>
	<li>Calibre o sistema fNIRS para uma qualidade de sinal ideal.</li>
	<li>Certificar que todos os canais são de boa qualidade, como mostra a interface. Caso contrário, tente remover os pelos entre o couro cabeludo e a ponta do optode.</li>
	<li>Explique ao participante como jogar o jogo movendo o pé preso ao robô para alcançar os alvos indicados na tela.</li>
	<li>Explique aos participantes que haverá duas condições: sem e com assistência robótica.</li>
</ol>4. Sistema robótico
<ol><li>Ligue o sistema conectando o monitor e o robô à fonte da rede elétrica. Depois que o sistema operacional é inicializado, a primeira interface do jogo aparece.</li>
	<li>Posicione o braço robótico no local padrão e aguarde para receber a mensagem de feedback do braço robótico posicionado corretamente .</li>
	<li>Insira dados descritivos sobre o participante e o experimentador no sistema para fazer login na interface de jogo do robô.</li>
	<li>Na interface de seleção do jogo, configure o tempo da sessão para 6 min com intervalos de descanso de 30 s.</li>
	<li>Selecione a perna apropriada (direita ou esquerda) a ser usada pelo participante.</li>
	<li>Selecione o jogo de piquenique e clique em Ir para jogar o jogo.</li>
</ol>5. Análise dos dados
<ol><li>Converter os sinais brutos em estados hemodinâmicos (oxihemoglobina (HbO) e desoxihemoglobina (HbR)) utilizando a equação modificada de Beer-Lambert49.</li>
	<li>Crie mapas de ativação individuais usando o Modelo Linear Geral (GLM) com estimativa robusta e estimativa de autocorrelação, que é menos afetada por artefatos de movimento50. Utilizou-se o delineamento experimental (repouso = 0; jogo/jogo = 1) contorcido pela função canônica de resposta hemodinâmica (FCR) como variável independente e o sinal de HbO ou HbR observado como variável dependente.</li>
	<li>Para cada canal, extraia o coeficiente beta (que reflete a força de ativação do canal) durante o jogo/jogabilidade em comparação com o resto.</li>
	<li>Mescle canais em três regiões de interesse (ROI) e faça a média dos coeficientes de ativação (GLM betas) nos canais de ROI. Defina as ROIs da seguinte forma (ver Figura 2): (1) área pré-motora para o hemisfério esquerdo (canais [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) área somatomotora para o hemisfério esquerdo (canais [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); e (3) área motora suplementar (AME) (canais [Cz-FCz, CPz-Cz]). OBS: Com base na literatura anterior sobre tarefas motoras semelhantes à aqui investigada 51,52,53 e tendo em vista que todos os participantes executavam a tarefa motora com a perna direita, hipotetizou-se que as regiões pré-motora e somatomotora esquerda (contralateral), bem como a AMS, apresentariam ativação durante a realização do jogo/jogo em ambas as condições, com maior ativação na condição não assistida.</li>
	<li>Aplicar o teste não paramétrico de Wilcoxon a esses betas. Defina o Erro Tipo I em 5% (análise unicaudal).</li>
</ol>

Avaliando a ativação cerebral por fNIRS durante uma sessão de terapia robótica de membros inferiores

A AMM é proprietária da empresa Vivax Ltda, que desenvolveu a Máquina de Reabilitação Assistiva Vivax (ARM). LD é diretor da Highland Instruments, uma empresa de dispositivos médicos. Ela tem patentes pendentes ou emitidas, pessoalmente ou como diretora da empresa, relacionadas a imagem, estimulação cerebral, diagnóstico, modelagem e simulação. Os demais autores declaram a inexistência de conflitos de interesse.

Neste estudo de prova de conceito, investigou-se a viabilidade de fazer inferências sobre o mapeamento da ativação cerebral usando dados do fNIRS de indivíduos saudáveis enquanto eles se exercitavam com diferentes tipos de movimentos usando um robô para reabilitação de membros inferiores. As sessões típicas de gravação de fNIRS em adultos são mais longas do que 6 min54. No entanto, para viabilizar gravações no contexto de um ambiente de reabilitação, a duração total do experimen...

Dados epidemiológicos indicam que no mundo ocorrem ~17 milhões de novos casos de AVC a cada ano, com aumento da incidência em países de baixa e médiarenda1. Estima-se que o número de novos casos aumente para 77 milhões até 20302. O comprometimento motor decorrente do acidente vascular encefálico (AVE) frequentemente afeta a mobilidade e a participação do paciente nas atividades de vida diária, contribuindo para uma baixa qualidade de vida. A reabilitação motora tradicional inclui a terapia manual, mas nas últimas décadas, sistemas robóticos para reabilitação foram desenvolvidos. Esses sistemas podem oferecer terapia em alta intensidade, dose, quantificabilidade, confiabilidade, repetibilidade e flexibilidade3 e têm mostrado potencial como tratamentos de reabilitação eficazes para pacientes com AVC agudo e crônico 4,5,6. Além de oferecer terapia, sistemas robóticos para reabilitação podem ser usados como ferramentas de avaliação, pois podem ser equipados com sensores que podem medir dados cinemáticos/cinéticos do movimento do paciente 7,8. Para a reabilitação motora dos membros superiores, tais dados não só têm se mostrado úteis para avaliar o nível de recuperação motora do paciente provocado pela terapia robótica e servido como ferramenta complementar às avaliações clínicas tradicionais 9,10, mas também têm contribuído para avançar na compreensão do processo de recuperação motora do AVE11, 12 bem como controle neural do movimento e aprendizagem motora em indivíduos saudáveis 3,13,14. Como resultado, esses achados forneceram uma base para melhorar os tratamentos de reabilitação15.
Nas últimas duas décadas, muitos dispositivos robóticos para neurorreabilitação de membros inferiores foram propostos, desde exoesqueletos que suportam o peso corporal do paciente durante a caminhada (por exemplo, sobre uma esteira, como Lokomat16) até sistemas robóticos estacionários que permitem ao paciente exercitar o tornozelo, joelho ou pé sem caminhar (como o tornozelo de Rutgers17, o High-Performance Ankle Rehabilitation Robot18 e o Gwangju Institute of Science and Technology (GIST) ankle/foot rehabilitationrobot 19) ou órteses ativas de pé que são exoesqueletos acionados usados pelo paciente para caminhar sobre o solo ou sobre uma esteira (como a Powered Gait Orthosis20 e a MIT Anklebot21). Ver 22,23,4 para uma revisão sobre robôs para reabilitação de membros inferiores.
Os resultados de estudos clínicos de dispositivos robóticos para reabilitação de membros inferiores em pacientes com AVC têm sido encorajadores e mostraram que esses sistemas podem melhorar a amplitude de movimento (ADM), a força muscular ou a marcha das articulações, dependendo do dispositivo específico e do protocolo clínico (ver 24,25 para uma revisão sobre a eficácia de robôs de membros inferiores para reabilitação). Embora tenha sido postulado que a terapia assistida por robô promove alterações neuroplásticas, que acabam resultando em melhora das habilidades motoras26, como ocorre exatamente o processo de recuperação motora do AVC e quais protocolos de treinamento robótico otimizam o processo de recuperação das habilidades motoras dos membros inferiores, permanecem na maioria das vezes obscuros. De fato, há uma disparidade significativa e crescente entre o crescente desenvolvimento de robôs de reabilitação (seja por pesquisadores acadêmicos ou entidades comerciais) e a compreensão limitada dos mecanismos neurofisiológicos subjacentes à recuperação motora4. Medidas de cinemática de movimento ou torques articulares realizadas com sensores embutidos têm contribuído para descrever quantitativamente as mudanças motoras comportamentais que ocorrem à medida que os pacientes recuperam as habilidades motoras dos membros inferiores27,28,29, preenchendo parcialmente essa lacuna. No entanto, os correlatos neurais subjacentes a tais alterações têm sido menos investigados. Isso se deve a vários motivos.
A imagem funcional do cérebro é demorada e, às vezes, difícil de concluir no contexto de ensaios clínicos, que muitas vezes exigem manter a carga do paciente mínima para maximizar a probabilidade de adesão do paciente ao estudo. Isso é particularmente verdadeiro para indivíduos que sofreram um acidente vascular cerebral, dado o fato de que fadiga pós-AVC e fraqueza muscular são frequentemente observadas30. Além disso, modalidades de imagem baseadas em campos magnéticos, como a ressonância magnética funcional (fMRI), exigem que o hardware do paciente e do robô seja seguro para o ímã.
Entre as modalidades de imagem não invasivas, a espectroscopia funcional no infravermelho próximo (fNIRS) é uma técnica de imagem particularmente adequada para avaliar áreas de ativação cerebral em indivíduos submetidos à terapia robótica. Da mesma forma que a fMRI, a fNIRS mede a oxigenação/desoxigenação sanguínea no cérebro. No entanto, ao contrário do fMRI, o fNIRS é totalmente compatível com hardware robótico, e muitas vezes é portátil, sendo até mesmo utilizável à beira do leito. Além disso, a fNIRS apresenta baixo custo e menor sensibilidade a artefatos de movimento 31,32,33.
Apesar de suas claras vantagens e uso difundido em muitos cenários clínicos desde sua primeira introdução no final da década de 7034, apenas alguns estudos utilizaram o fNIRS para quantificar a ativação cerebral associada aos movimentos dos membros inferiores e à recuperação motora do AVC. Estudos com FNIRS com o objetivo de elucidar mecanismos de controle neural do movimento e/ou mecanismos ou avaliação da recuperação motora de AVE têm investigado, em sua maioria, movimentos uniarticulares (por exemplo, dorsiflexão, flexão plantar ou extensão de joelhos35,36,37), marcha38,39,40,41,42,43 ou ciclismo44. Veja45 para uma revisão. Da mesma forma, os estudos da fNIRS sobre terapia assistida por robô para o membro inferior têm se concentrado principalmente na reabilitação da marcha assistida por robô; veja46 para uma revisão. Poucos estudos têm se concentrado no uso de fNIRS como parte de um sistema de Interface Cérebro-Computador (BCI) para derivar sinais de controle para dispositivos robóticos47,48; embora essa área de pesquisa também se baseie no processamento de sinais fNIRS, seu objetivo é diferente e focado principalmente na decodificação das intenções dos pacientes (por exemplo, pacientes com deficiências motoras graves).
O estudo piloto aqui apresentado é parte de um esforço inicial para investigar os efeitos de um sistema robótico na reabilitação de membros inferiores. O robô pode fornecer reabilitação de membros inferiores orientada a alvos que envolve treinamento em movimentos multiarticulares diários, bem como fornecer terapia para articulações únicas (por exemplo, joelho ou tornozelo) do membro inferior (ou seja, implementar um programa de reabilitação de baixo para cima).
O estudo teve como objetivo investigar a viabilidade de um protocolo experimental que exigisse a aquisição de dados do fNIRS durante a realização de movimentos de apontar multiarticulares para membros inferiores. A duração do período de aquisição de dados neste estudo, que foi limitado a 6 min, é menor do que os protocolos típicos de fNIRS. Essa foi uma escolha deliberada com o objetivo de aumentar a praticidade e a aplicabilidade clínica desta pesquisa, particularmente em pacientes com limitação de mobilidade ou força. Identificar correlatos fNIRS de movimentos multiarticulares tão complexos e obter insights sobre como a ativação cerebral foi modulada pela assistência de robôs também foram pontos de interesse. Para tanto, foram realizadas duas sessões de experimentos com os mesmos participantes: uma sem auxílio de robô e outra com auxílio de robô. Finalmente, é importante ressaltar que este estudo se concentrou em indivíduos saudáveis, a fim de estabelecer uma base para pesquisas futuras em termos de registro da viabilidade de protocolos e avaliação da ativação cerebral durante movimentos alvo de terapia robótica.
Aparelho Um robô portátil projetado para realizar reabilitação de membros inferiores (ver Figura 1) foi usado para conduzir nossos experimentos. O robô tem um espaço de trabalho acessível em 3D e é compacto e leve, pesando cerca de 35 lb., o que facilita o transporte e a instalação.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> Figura 1: Montagem experimental: (A) O sistema robótico (instalado no chão) projetado para o membro inferior. Um voluntário é mostrado utilizando a interface com o pé direito. (B) Estrutura de apoio para o pé do sujeito que permite a fixação ao sistema robótico. (C) Uma captura de tela do jogo Picnic. O objetivo do jogo é mover o pé (sapato verde e branco) para o alvo (círculo amarelo). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
O sistema robótico é projetado para auxiliar o paciente a realizar movimentos dos membros inferiores semelhantes aos realizados em tarefas cotidianas, como apontar ou chutar. Ele usa jogos interativos de realidade virtual, que são exibidos em um monitor de computador ou uma tela de televisão colocada na frente do dispositivo robótico (veja a Figura 1). O efetor robô-extremidade é anexado ao membro inferior do paciente (por exemplo, tornozelo), e sua posição é mapeada para a posição de um cursor na tela. Um jogo típico mostra os alvos de movimento do paciente (por exemplo, o objeto para apontar ou onde chutar a bola).
Para completar a tarefa de movimento, o robô pode ajudar o paciente com um nível de assistência que pode variar de assistência completa a nenhuma. O nível de assistência robótica é escolhido no início de cada sessão de reabilitação com base no nível de comprometimento motor do paciente. Os movimentos realizados pelo sujeito são usados pelo jogo para pontuar o desempenho do paciente e fornecer-lhe feedback sobre seu desempenho (por exemplo, ADM, número de movimentos e nível de assistência robótica). Os jogos são projetados para serem interativos e divertidos para manter o interesse e a atenção do paciente. Neste estudo, os participantes jogaram o "jogo do piquenique", no qual o jogador tinha que impedir que os insetos alcançassem a toalha e roubassem o alimento (veja a Figura 1, painel inferior, para uma captura de tela).
A aquisição de dados foi realizada com um sistema portátil de aquisição fNIRS com dois diferentes optodes de onda contínua (760 nm e 850 nm), 8 fontes de LED de ponta dupla e 8 detectores ativos de ponta dupla. Os sinais foram adquiridos utilizando-se uma taxa de amostragem de 10,17 Hz. Um laptop foi utilizado para a otimização da calibração e gravação do sinal utilizando uma rede Wi-Fi criada pelo sistema fNIRS.
Uma tampa foi usada para manter os optodes nos locais pré-determinados. As fontes e os detectores foram colocados de acordo com o sistema internacional de EEG 10-10 em uma grade de distribuição espacial. Cada canal fNIRS foi definido por um par fonte-detector com distâncias interoptodes de aproximadamente 30 mm. Os optodes foram posicionados sobre as áreas motora suplementar, pré-motora e motora nos locais mostrados na Figura 2. O número total de canais foi de 28, sendo 8 canais de curta distância acoplados a cada fonte utilizando um adaptador de fibra óptica para um único detector. Dada a configuração de multiplexação do hardware, é possível adquirir informações de curta distância de todas as fontes usando apenas um detector.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> Figura 2: Layout de montagem utilizando o sistema de EEG 10-10. As letras e os números indicam a localização da fonte/detector. Os pontos vermelho e azul representam os optodes da fonte e do detector, respectivamente. As linhas verdes representam os canais fNIRS que consistem em pares de fontes e detectores. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
Delineamento experimental O experimento foi conduzido em duas condições experimentais distintas, diferindo no nível de assistência fornecido pelo robô para os movimentos do sujeito. Na primeira condição, o robô foi programado para não fornecer qualquer auxílio aos movimentos do sujeito, enquanto na segunda condição, o robô controlou os movimentos dos pés e pernas do sujeito (movimento assistido por robô).
Cada experimento seguiu um paradigma de planejamento de blocos envolvendo ciclos alternados de uma tarefa motora (jogar o jogo - 30 s) e descansar (30 s), como ilustrado na Figura 3. O início e a conclusão de cada fase (jogo/jogo ou descanso) foram sinalizados visualmente ao sujeito através da tela do computador. Durante a fase de descanso, uma mensagem indicando uma pausa foi exibida. Cada ciclo (jogo/jogo + descanso) teve duração de 60 s e foi repetido seis vezes, resultando em um tempo total de execução de 360 s (6 min).
Os participantes jogaram o "Jogo do piquenique", em que o objetivo era evitar que insetos alcançassem a toalha e roubassem alimentos. Este jogo envolveu uma sequência de movimentos dos membros inferiores, começando a partir de um alvo doméstico designado (posição inicial) e estendendo-se para um dos três alvos externos antes de retornar ao alvo inicial. Na tela, os alvos externos eram representados visualmente como insetos em movimento animados, que os participantes tinham que alcançar e pisar. Havia três alvos de alcance externo, cada um apresentado aleatoriamente um número igual de vezes, ao lado de um alvo doméstico comum para cada movimento. A distância que o pé precisava percorrer do alvo doméstico até a posição dos alvos externos formava um arco, medindo aproximadamente 26 cm. A tarefa motora exigia a execução de movimentos multiarticulares, exigindo coordenação entre os movimentos de flexão/extensão do joelho, flexão plantar e dorsiflexão.
Os registros dos dados do fNIRS foram sincronizados com os estímulos visuais apresentados pelo jogo ao sujeito através de um pulso transistor-transistor-lógico (TTL) gerado pelo robô. Pulsos foram gerados no início de cada fase (jogo/jogo e repouso). Assim, todo o controle de cronometragem foi realizado pelo jogo, que forneceu pistas visuais (alvos) para o participante iniciar cada movimento, enviou sinais TTL para o sistema fNIRS para marcar os registros de atividade cerebral e, se exigido pelo experimento, enviou sinais para o sistema de controle do robô para iniciar a assistência ao 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

O acidente vascular cerebral (AVC) afeta aproximadamente 17 milhões de indivíduos em todo o mundo a cada ano e é uma das principais causas de incapacidade a longo prazo. A terapia robótica tem se mostrado promissora em ajudar pacientes com AVC a recuperar as funções motoras perdidas. Um caminho potencial para aumentar a compreensão de como a recuperação motora ocorre é estudar a ativação cerebral durante os movimentos que são alvo da terapia em indivíduos saudáveis. A espectroscopia funcional no infravermelho próximo (fNIRS) tem emergido como uma técnica promissora de neuroimagem para examinar os fundamentos neurais da função motora. O objetivo deste estudo foi investigar os correlatos neurais da fNIRS de movimentos complexos de membros inferiores em indivíduos saudáveis. Os participantes foram solicitados a realizar ciclos de repouso e movimento por 6 min usando um dispositivo robótico para reabilitação motora. A tarefa exigia movimentos coordenados das articulações do joelho e tornozelo para apontar para alvos exibidos na tela do computador. Duas condições experimentais com diferentes níveis de assistência ao movimento fornecidas pelo robô foram exploradas. Os resultados mostraram que o protocolo fNIRS detectou efetivamente regiões cerebrais associadas ao controle motor durante a tarefa. Notadamente, todos os indivíduos exibiram maior ativação na área pré-motora contralateral durante a condição sem assistência em comparação com a condição assistida. Em conclusão, a fNIRS parece ser uma abordagem valiosa para detectar alterações na concentração de oxihemoglobina associadas a movimentos de apontamento multiarticular do membro inferior. Esta pesquisa pode contribuir para a compreensão dos mecanismos de recuperação motora do AVC e pode abrir caminho para melhores tratamentos de reabilitação para pacientes com AVC. No entanto, mais pesquisas são necessárias para elucidar completamente o potencial da fNIRS no estudo da função motora e suas aplicações em ambientes clínicos.

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.

Autor em destaque: avaliando a atividade cerebral na reabilitação de membros inferiores assistida por robótica usando fNIRS

Um experimento usando espectroscopia funcional no infravermelho próximo e movimentos de apontar multi-articulações assistidas por robô do membro inferior

In this study, we aim to investigate the feasibility of an experimental protocol involving movements of the lower limb attached to a robotic device and simultaneous acquisition of functional near-infrared spectroscopy, fNIRS, data. Few studies have employed fNIRS to study brain activation in stroke, motor recovery, and lower limb movements, focusing mainly on single joint actions, walking, or cycling. Our study pioneers in exploring multi-joints lower limb training for target rehabilitation.Functional near-infrared spectroscopy, fNIRS, effectively measures temporal changes in brain blood oxygenation, serving as an indirect brain activity indicator, to functional MRI signals. Unlike fMRI, fNIRS is compatible with robotic hardware, portable, and more robust to motion artifacts. There are two main challenge.The first is to synchronize the robotic device movements with fNIRS data. The second is to obtain enough data to achieve the statistical power, to detect hemodynamic changes in only six minutes. Our study confirmed the feasibility of the protocol and yielded anticipated results.In the assisted condition, only two subject exhibited significant brain activation. The unassisted exercise, requiring more effort, showed a greater HbO concentration change than assisted ones, with notable difference in the contralateral PMC.

Todos os seis indivíduos completaram ambos os experimentos. Na condição de não assistência, uma média de 76,67 tentativas (std. 10,73) foi completada por cada sujeito (nota-se que, para cada sujeito, o número de tentativas dependeu do número de tentativas bem-sucedidas, uma vez que uma nova meta só era mostrada se a anterior fosse atingida). Na condição de assistência, em que o movimento do sujeito foi totalmente auxiliado pelo robô, todos os sujeitos completaram 70 tentativas. Os dados da fNIRS foram regist...

Estima-se que 1 em cada 6 indivíduos no mundo terá um acidente vascular cerebral ao longo da vida, causando incapacidade a longo prazo, cujos mecanismos de reabilitação ainda são pouco compreendidos. Este estudo propõe um protocolo para avaliar a ativação cerebral por espectroscopia funcional no infravermelho próximo (fNIRS) durante uma sessão de terapia robótica de membros inferiores.

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

Neste estudo, objetivamos investigar a viabilidade de um protocolo experimental envolvendo movimentos do membro inferior acoplados a um dispositivo robótico e aquisição simultânea de dados de espectroscopia funcional no infravermelho próximo, fNIRS. Poucos estudos empregaram o fNIRS para estudar a ativação cerebral em AVC, recuperação motora e movimentos de membros inferiores, focando principalmente em ações articulares únicas, caminhada ou ciclismo. Nosso estudo é pioneiro em explorar o treinamento de membros inferiores multiarticulares para reabilitação de alvos.A espectroscopia funcional no infravermelho próximo, fNIRS, mede efetivamente as mudanças temporais na oxigenação do sangue cerebral, servindo como um indicador indireto da atividade cerebral, para sinais funcionais de RM. Ao contrário do fMRI, o fNIRS é compatível com hardware robótico, portátil e mais robusto para artefatos de movimento. Há dois desafios principais.A primeira é sincronizar os movimentos do dispositivo robótico com os dados do fNIRS. A segunda é obter dados suficientes para atingir o poder estatístico, para detectar alterações hemodinâmicas em apenas seis minutos. Nosso estudo confirmou a viabilidade do protocolo e trouxe resultados esperados.Na condição assistida, apenas dois indivíduos apresentaram ativação cerebral significativa. O exercício não assistido, que exigiu maior esforço, apresentou maior alteração na concentração de HbO do que os assistidos, com diferença notável no CPM contralateral.

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

801 visualizações.  Universidade Federal do ABC. Neste estudo, objetivamos investigar a viabilidade de um protocolo experimental envolvendo movimentos do membro inferior acoplados a um dispositivo robótico e aquisição simultânea de dados de espectroscopia funcional no infravermelho próximo, fNIRS. Poucos estudos empregaram o fNIRS para estudar a ativação cerebral em AVC, recuperação motora e movimentos de membros inferiores, focando principalmente em ações articulares únicas, caminhada ou ciclismo. Nosso estudo é pioneiro em ex...

Vídeo: Autor em destaque: avaliando a atividade cerebral na reabilitação de membros inferiores assistida por robótica usando 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.