Name: Pleins feux sur l’auteur : Évaluation de l’activité cérébrale dans la réadaptation des membres inférieurs assistée par robot à l’aide de la fNIRS
Uploaded: 2024-06-07T12:40:00
Description: Stroke affects approximately 17 million individuals worldwide each year and is a leading cause of long-term disability. Robotic therapy has shown promise ...

Les opinions, hypothèses, conclusions et recommandations de cette étude sont celles des auteurs et ne représentent pas nécessairement les opinions de l’organisme de financement. Le JRS est reconnaissant à la Fondation de recherche de São Paulo (FAPESP, numéros de subvention 2021/05332-8, 2018/04654-9, 2018/21934-5 et 2023/02538-0) et à Jackson Cionek pour leur soutien technologique. AMM et Vivax Ltda remercient la FAPESP (Fondation de recherche de São Paulo) et la FINEP (Agence brésilienne pour l’innovation). Ce projet a été financé par des subventions de la FAPESP (numéro de subvention 2018/09559-4) et du FINEP (numéro de subvention 2019/09933-6).

Cette étude a été approuvée par le comité d’éthique local de l’UNICEP (Centro Universitario Paulista). Tous les participants ont donné leur consentement éclairé conformément à toutes les directives institutionnelles et aux normes fédérales concernant la recherche scientifique impliquant des humains. Ils n’ont reçu aucune compensation financière, comme l’exige la réglementation fédérale brésilienne.
1. Système fNIRS
<ol><li>Préparez le capuchon à...

Évaluation de l’activation cérébrale par fNIRS lors d’une séance de thérapie robotique des membres inférieurs

Dans cette étude de preuve de concept, la faisabilité de faire des inférences sur la cartographie de l’activation cérébrale à l’aide de données fNIRS de sujets sains pendant qu’ils s’entraînaient avec différents types de mouvements à l’aide d’un robot pour la rééducation des membres inférieurs a été étudiée. Les sessions d’enregistrement fNIRS typiques chez les adultes durent plus de 6 min54. Cependant, pour rendre les enregistrements réalisables dans le contexte d?...

Les données épidémiologiques indiquent qu’il y a ~17 millions de nouveaux cas d’AVC chaque année dans le monde, avec une augmentation de l’incidence dans les pays à revenu faible et intermédiaire1. Le nombre de nouveaux cas devrait atteindre 77 millions d’ici 20302. La déficience motrice due à un AVC affecte souvent la mobilité du patient et sa participation aux activités de la vie quotidienne, contribuant à une faible qualité de vie. La rééducation motrice traditionnelle comprend la thérapie manuelle, mais au cours des dernières décennies, des systèmes robotiques de rééducation ont été développés. Ces systèmes peuvent fournir une thérapie à haute intensité, dose, quantifiabilité, fiabilité, répétabilité et flexibilité3 et ont montré leur potentiel en tant que traitements de réadaptation efficaces pour les patients victimes d’AVC aigu et chronique 4,5,6. En plus de l’administration de la thérapie, les systèmes robotiques de réadaptation peuvent être utilisés comme outils d’évaluation car ils peuvent être équipés de capteurs capables de mesurer les données cinématiques/cinétiques des mouvements du patient 7,8. Pour la rééducation motrice des membres supérieurs, ces données se sont non seulement avérées utiles pour évaluer le niveau de récupération motrice du patient induit par la thérapie robotique et ont servi d’outil supplémentaire aux évaluations cliniques traditionnelles 9,10, mais elles ont également contribué à faire progresser la compréhension du processus de récupération motrice après un AVC11, 12 ainsi que le contrôle neuronal du mouvement et l’apprentissage moteur chez des sujets sains 3,13,14. En conséquence, ces résultats ont fourni une base pour améliorer les traitements de réadaptation15.
Au cours des deux dernières décennies, de nombreux dispositifs robotiques pour la neuroréhabilitation des membres inférieurs ont été proposés, allant des exosquelettes qui supportent le poids corporel du patient pendant la marche (par exemple, sur un tapis roulant, comme Lokomat16) aux systèmes robotiques stationnaires qui permettent au patient d’exercer la cheville, le genou ou le pied sans marcher (tels que le Rutgers Ankle17, le robot de rééducation de la cheville à haute performance18 et le robot de rééducation cheville/pied de l’Institut des sciences et technologies de Gwangju (GIST)19) ou des orthèses plantaires actives qui sont des exosquelettes actionnés portés par le patient pour marcher sur le sol ou sur un tapis roulant (comme l’orthèse de marche motorisée20 et le MIT Anklebot21). Voir 22,23,4 pour une revue sur les robots pour la rééducation des membres inférieurs.
Les résultats des études cliniques sur les dispositifs robotiques pour la rééducation des membres inférieurs chez les patients victimes d’un AVC ont été encourageants et ont montré que ces systèmes peuvent améliorer l’amplitude des mouvements des articulations, la force musculaire ou la démarche, selon le dispositif spécifique et le protocole clinique (voir 24,25 pour une revue sur l’efficacité des robots des membres inférieurs pour la rééducation). Bien qu’il ait été postulé que la thérapie assistée par robot favorise les changements neuroplastiques, qui se traduisent finalement par une amélioration des capacités motrices26, la façon dont le processus de récupération motrice après un AVC se produit exactement et quels protocoles d’entraînement robotique optimisent le processus de récupération des capacités motrices des membres inférieurs, restent pour la plupart floues. En fait, il existe un écart important et croissant entre le développement croissant des robots de réadaptation (que ce soit par des chercheurs universitaires ou des entités commerciales) et la compréhension limitée des mécanismes neurophysiologiques qui sous-tendent la récupération motrice4. Les mesures de la cinématique du mouvement ou des couples articulaires prises avec des capteurs intégrés ont contribué à décrire quantitativement les changements de comportement moteur qui se produisent lorsque les patients récupèrent les capacités motrices des membres inférieurs 27,28,29, comblant partiellement cette lacune. Cependant, les corrélats neuronaux sous-jacents à ces changements ont été moins étudiés. Cela est dû à plusieurs raisons.
L’imagerie fonctionnelle cérébrale prend du temps et est parfois difficile à réaliser dans le contexte des essais cliniques, qui nécessitent souvent de réduire au minimum la charge des patients afin de maximiser la probabilité que les patients adhèrent à l’étude. Cela est particulièrement vrai pour les personnes ayant subi un AVC, étant donné que la fatigue post-AVC et la faiblesse musculaire sont fréquemment observées30. De plus, les modalités d’imagerie basées sur les champs magnétiques, telles que l’imagerie par résonance magnétique fonctionnelle (IRMf), nécessitent que le patient et le matériel robotique soient sans danger pour les aimants.
Parmi les modalités d’imagerie non invasives, la spectroscopie fonctionnelle proche infrarouge (fNIRS) est une technique d’imagerie particulièrement adaptée à l’évaluation des zones d’activation cérébrale chez les sujets subissant une thérapie robotique. Comme pour l’IRMf, la fNIRS mesure l’oxygénation/désoxygénation du sang dans le cerveau. Cependant, contrairement à l’IRMf, la fNIRS est entièrement compatible avec le matériel robotique et elle est souvent portable, voire utilisable au chevet du patient. De plus, la fNIRS a un faible coût et une sensibilité moindre aux artefacts de mouvement 31,32,33.
Malgré ses avantages évidents et son utilisation généralisée dans de nombreux contextes cliniques depuis son introduction à la fin des années 7034, seules quelques études ont utilisé la fNIRS pour quantifier l’activation cérébrale associée aux mouvements des membres inférieurs et à la récupération motrice de l’AVC. Les études FNIRS visant à élucider les mécanismes du contrôle neuronal du mouvement et/ou les mécanismes ou l’évaluation de la récupération motrice après un AVC ont principalement étudié les mouvements d’une seule articulation (par exemple, la dorsiflexion, la flexion plantaire ou les mouvements d’extension du genou 35,36,37), la marche 38,39,40,41,42,43 ou le cyclisme44. Voir45 pour une critique. De même, les études fNIRS sur la thérapie assistée par robot pour le membre inférieur se sont principalement concentrées sur la rééducation de la marche assistée par robot ; voir46 pour une critique. Quelques études se sont concentrées sur l’utilisation de la fNIRS dans le cadre d’un système d’interface cerveau-ordinateur (BCI) pour dériver des signaux de contrôle pour des dispositifs robotiques47,48 ; bien que ce domaine de recherche repose également sur le traitement des signaux fNIRS, son objectif est différent et principalement axé sur le décodage des intentions des patients (par exemple, les patients souffrant de handicaps moteurs sévères).
L’étude pilote présentée ici fait partie d’un effort initial visant à étudier les effets d’un système robotique pour la rééducation des membres inférieurs. Le robot peut offrir une rééducation ciblée des membres inférieurs qui implique un entraînement aux mouvements multiarticulaires quotidiens ainsi qu’une thérapie aux articulations uniques (par exemple, le genou ou la cheville) du membre inférieur (c’est-à-dire mettre en œuvre un programme de réadaptation ascendant).
L’étude visait à étudier la faisabilité d’un protocole expérimental nécessitant l’acquisition de données fNIRS lors de l’exécution de mouvements de pointage multi-articulaires des membres inférieurs. La durée de la période d’acquisition des données dans cette étude, qui a été limitée à 6 minutes, est plus courte que les protocoles fNIRS typiques. Il s’agissait d’un choix délibéré fait dans le but d’améliorer l’aspect pratique et l’applicabilité clinique de cette recherche, en particulier chez les patients à mobilité ou force limitées. L’identification des corrélats fNIRS de ces mouvements multi-articulaires complexes et la compréhension de la façon dont l’activation cérébrale était modulée par l’assistance robotique étaient également des points d’intérêt. À cette fin, deux sessions d’expérimentations ont été menées avec les mêmes participants : l’une sans assistance robotique et l’autre avec assistance robotisée. Enfin, il est important de noter que cette étude s’est concentrée sur des sujets sains afin d’établir une base pour les recherches futures en termes d’enregistrement de la faisabilité du protocole et d’évaluation de l’activation cérébrale lors des mouvements ciblés par la thérapie robotique.
Appareil Un robot portable conçu pour assurer la rééducation des membres inférieurs (voir Figure 1) a été utilisé pour mener nos expériences. Le robot dispose d’un espace de travail accessible en 3D et est compact et léger, pesant environ 35 lb, ce qui le rend facile à transporter et à installer.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> Figure 1 : Dispositif expérimental. (A) Le système robotique (installé au sol) conçu pour le membre inférieur. Un volontaire est montré en train d’utiliser l’interface avec son pied droit. (B) Structure de support pour le pied du sujet qui permet la fixation au système robotique. (C) Une capture d’écran du jeu Picnic. L’objectif du jeu est de déplacer le pied (chaussure verte et blanche) vers la cible (cercle jaune). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
Le système robotique est conçu pour aider un patient à effectuer des mouvements des membres inférieurs similaires à ceux effectués dans les tâches quotidiennes, telles que pointer ou donner des coups de pied. Il utilise des jeux interactifs de réalité virtuelle, qui sont affichés sur un écran d’ordinateur ou un écran de télévision placé devant le dispositif robotique (voir Figure 1). L’effecteur final du robot est fixé au membre inférieur du patient (par exemple, la cheville) et sa position est mappée à la position d’un curseur sur l’écran. Un jeu typique montre les cibles de mouvement du patient (par exemple, l’objet à pointer ou l’endroit où frapper le ballon).
Pour accomplir la tâche de mouvement, le robot peut aider le patient avec un niveau d’assistance qui peut aller d’une assistance complète à aucune. Le niveau d’assistance robotique est choisi au début de chaque séance de rééducation en fonction du niveau de déficience motrice du patient. Les mouvements effectués par le sujet sont utilisés par le jeu pour noter la performance du patient et lui fournir un retour sur sa performance (par exemple, ROM, nombre de mouvements et niveau d’assistance robotique). Les jeux sont conçus pour être interactifs et divertissants afin de maintenir l’intérêt et l’attention des patients. Dans cette étude, les participants ont joué au « jeu de pique- », dans lequel le joueur devait empêcher les insectes d’atteindre la serviette et de voler la nourriture (voir Figure 1, panneau inférieur, pour une capture d’écran).
L’acquisition des données a été effectuée avec un système d’acquisition fNIRS portable avec deux optodes à ondes continues différentes (760 nm et 850 nm), 8 sources LED à double pointe et 8 détecteurs actifs à double pointe. Les signaux ont été acquis à l’aide d’une fréquence d’échantillonnage de 10,17 Hz. Un ordinateur portable a été utilisé pour l’optimisation de l’étalonnage et l’enregistrement du signal à l’aide d’un réseau Wi-Fi créé par le système fNIRS.
Un capuchon a été utilisé pour maintenir les optodes aux endroits prédéterminés. Les sources et les détecteurs ont été placés selon le système EEG international 10-10 dans une distribution spatiale en grille. Chaque canal fNIRS a été défini par une paire source-détecteur avec des distances inter-optodes d’environ 30 mm. Les optodes ont été placés sur les zones supplémentaires du moteur, du prémoteur et du moteur aux endroits indiqués à la figure 2. Le nombre total de canaux était de 28, dont 8 étaient des canaux à courte distance couplés à chaque source à l’aide d’un adaptateur à fibre optique à un seul détecteur. Compte tenu de la configuration de multiplexage du matériel, il est possible d’acquérir des informations à courte distance à partir de toutes les sources en utilisant un seul détecteur.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> Figure 2 : Disposition du montage à l’aide du système EEG 10-10. Les lettres et les chiffres indiquent l’emplacement de la source/du détecteur. Les points rouges et bleus représentent respectivement la source et les optodes du détecteur. Les lignes vertes représentent les canaux fNIRS qui sont constitués de paires source et détecteur. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
Conception expérimentale L’expérience a été menée dans deux conditions expérimentales distinctes, différant par le niveau d’assistance fourni par le robot pour les mouvements du sujet. Dans la première condition, le robot était programmé pour ne pas fournir d’assistance aux mouvements du sujet, tandis que dans la seconde condition, le robot contrôlait les mouvements des pieds et des jambes du sujet (mouvement assisté par robot).
Chaque expérience a suivi un paradigme de conception de blocs impliquant des cycles alternés d’une tâche motrice (jouer le jeu - 30 s) et de repos (30 s), comme illustré à la figure 3. Le début et la fin de chaque phase (jeu/jeu ou repos) étaient signalés visuellement au sujet par l’écran de l’ordinateur. Pendant la phase de repos, un message indiquant une pause s’est affiché. Chaque cycle (jeu/jeu + repos) a duré 60 s et a été répété six fois, ce qui a donné une durée totale de 360 s (6 min).
Les participants ont joué au « jeu du pique- », dont l’objectif était d’empêcher les insectes d’atteindre la serviette et de voler de la nourriture. Ce jeu impliquait une séquence de mouvements des membres inférieurs, partant d’une cible d’origine désignée (position initiale) et s’étendant vers l’une des trois cibles extérieures avant de revenir à la cible d’origine. Sur l’écran, les cibles extérieures étaient visuellement représentées sous forme d’insectes animés en mouvement, que les participants devaient atteindre et sur lesquels marcher. Il y avait trois cibles extérieures, chacune présentée au hasard un nombre égal de fois, ainsi qu’une cible commune pour chaque mouvement. La distance que le pied devait parcourir entre la cible d’origine et la position des cibles extérieures formait un arc mesurant environ 26 cm. La tâche motrice nécessitait l’exécution de mouvements multi-articulaires, exigeant une coordination entre les mouvements de flexion/extension du genou, de flexion plantaire et de dorsiflexion.
Les enregistrements de données fNIRS ont été synchronisés avec les stimuli visuels présentés par le jeu au sujet par le biais d’une impulsion transistor-transistor-logique (TTL) générée par le robot. Des impulsions ont été générées au début de chaque phase (jeu/jeu et repos). Ainsi, tout le contrôle du timing a été effectué par le jeu, qui a fourni des repères visuels (cibles) au participant pour commencer chaque mouvement, a envoyé des signaux TTL au système fNIRS pour marquer les enregistrements de l’activité cérébrale et, si l’expérience l’exigeait, a envoyé des signaux au système de contrôle du robot pour initier l’assistance au mouvement.

<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’AVC touche environ 17 millions de personnes dans le monde chaque année et constitue l’une des principales causes d’invalidité à long terme. La thérapie robotique s’est révélée prometteuse pour aider les patients victimes d’un AVC à retrouver les fonctions motrices perdues. Une avenue potentielle pour mieux comprendre comment la récupération motrice se produit est d’étudier l’activation cérébrale pendant les mouvements ciblés par la thérapie chez les individus en bonne santé. La spectroscopie fonctionnelle proche infrarouge (fNIRS) est devenue une technique de neuroimagerie prometteuse pour examiner les fondements neuronaux de la fonction motrice. Cette étude visait à étudier les corrélats neuronaux fNIRS des mouvements complexes des membres inférieurs chez des sujets sains. Les participants ont été invités à effectuer des cycles de repos et de mouvement pendant 6 minutes à l’aide d’un dispositif robotique pour la rééducation motrice. La tâche nécessitait des mouvements coordonnés des articulations du genou et de la cheville pour pointer vers des cibles affichées sur un écran d’ordinateur. Deux conditions expérimentales avec différents niveaux d’assistance au mouvement fournies par le robot ont été explorées. Les résultats ont montré que le protocole fNIRS détectait efficacement les régions du cerveau associées au contrôle moteur pendant la tâche. Notamment, tous les sujets présentaient une plus grande activation dans la zone prémotrice controlatérale pendant la condition sans assistance par rapport à la condition assistée. En conclusion, la fNIRS semble être une approche intéressante pour détecter les changements de concentration d’oxyhémoglobine associés aux mouvements de pointage multiarticulaires du membre inférieur. Cette recherche pourrait contribuer à la compréhension des mécanismes de récupération motrice de l’AVC et pourrait ouvrir la voie à de meilleurs traitements de réadaptation pour les patients victimes d’un AVC. Cependant, des recherches supplémentaires sont nécessaires pour élucider pleinement le potentiel de la fNIRS dans l’étude de la fonction motrice et de ses applications en milieu clinique.

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.

Pleins feux sur l’auteur : Évaluation de l’activité cérébrale dans la réadaptation des membres inférieurs assistée par robot à l’aide de la fNIRS

Une expérience utilisant la spectroscopie fonctionnelle proche infrarouge et les mouvements de pointage multi-articulaires assistés par robot du membre inférieur

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.

Les six sujets ont terminé les deux expériences. Dans la condition de non-assistance, une moyenne de 76,67 essais (std. 10,73) a été complétée par chaque sujet (notez que pour chaque sujet, le nombre d’essais dépendait du nombre d’atteintes réussies puisqu’une nouvelle cible n’était indiquée que si la précédente était atteinte). Dans la condition d’assistance, où le mouvement du sujet était entièrement aidé par le robot, tous les sujets ont effectué 70 essais. Les données fNIRS ont été enre...

On estime qu'1 personne sur 6 dans le monde aura un accident vasculaire cérébral au cours de sa vie, entraînant une invalidité à long terme, dont les mécanismes de rééducation sont encore mal connus. Cette étude propose un protocole pour évaluer l’activation cérébrale par spectroscopie fonctionnelle proche infrarouge (fNIRS) lors d’une séance de thérapie robotique des membres inférieurs.

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

Dans cette étude, nous visons à étudier la faisabilité d’un protocole expérimental impliquant des mouvements du membre inférieur attaché à un dispositif robotique et l’acquisition simultanée de données de spectroscopie proche infrarouge fonctionnelle, fNIRS. Peu d’études ont utilisé la fNIRS pour étudier l’activation cérébrale dans les accidents vasculaires cérébraux, la récupération motrice et les mouvements des membres inférieurs, en se concentrant principalement sur les actions articulaires simples, la marche ou le vélo. Notre étude est pionnière dans l’exploration de l’entraînement multi-articulaires des membres inférieurs pour la rééducation ciblée.La spectroscopie fonctionnelle proche infrarouge, fNIRS, mesure efficacement les changements temporels de l’oxygénation du sang du cerveau, servant d’indicateur indirect de l’activité cérébrale, aux signaux IRM fonctionnels. Contrairement à l’IRMf, la fNIRS est compatible avec le matériel robotique, portable et plus robuste aux artefacts de mouvement. Il y a deux défis principaux.La première consiste à synchroniser les mouvements des dispositifs robotiques avec les données fNIRS. La seconde est d’obtenir suffisamment de données pour atteindre la puissance statistique, pour détecter les changements hémodynamiques en seulement six minutes. Notre étude a confirmé la faisabilité du protocole et a donné les résultats attendus.Dans la condition assistée, seuls deux sujets ont présenté une activation cérébrale significative. L’exercice non assisté, nécessitant plus d’effort, a montré un changement de concentration d’HbO plus important que les exercices assistés, avec une différence notable dans la CMP controlatérale.

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

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.