Name: Autor destacado: Evaluación de la actividad cerebral en la rehabilitación de miembros inferiores asistida por robot mediante 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 ...

Las opiniones, hipótesis, conclusiones y recomendaciones de este estudio son las de los autores y no representan necesariamente las opiniones de la agencia financiadora. El JRS agradece a la Fundación de Apoyo a la Investigación Científica del Estado de São Paulo (FAPESP, números de subvención 2021/05332-8, 2018/04654-9, 2018/21934-5 y 2023/02538-0) y a Jackson Cionek por su apoyo tecnológico. AMM y Vivax Ltda agradecen a la FAPESP (Fundación de Apoyo a la Investigación Científica del Estado de São Paulo) y a la Finep (Agencia Brasileña de Innovación). Este proyecto fue financiado con subsidios de la FAPESP (número de subsidio 2018/09559-4) y de la Finep (subsidio número 2019/09933-6).

Este estudio fue aprobado por el Comité de Ética local del Centro Universitario Paulista (UNICEP). Todos los participantes dieron su consentimiento informado siguiendo todas las directrices institucionales y las normas federales relativas a la investigación científica con seres humanos. No recibieron ninguna compensación financiera, como lo exigen las regulaciones federales brasileñas.
1. Sistema fNIRS
<ol><li>Prepare la tapa utilizando 16 optos: 8 fuentes de luz (760 ...

Evaluación de la activación cerebral por fNIRS durante una sesión de terapia robótica en miembros inferiores

En este estudio de prueba de concepto, se investigó la viabilidad de hacer inferencias sobre el mapeo de la activación cerebral utilizando datos fNIRS de sujetos sanos mientras se ejercitaban con diferentes tipos de movimientos utilizando un robot para la rehabilitación de miembros inferiores. Las sesiones típicas de grabación de fNIRS en adultos duran más de 6 min54. Sin embargo, para que las grabaciones sean factibles en el contexto de un entorno de rehabilitación, la duración total del ...

Los datos epidemiológicos indican que en todo el mundo hay ~17 millones de nuevos casos de accidente cerebrovascular cada año, con un aumento de la incidencia en los países de ingresos bajos y medianos1. Se estima que el número de nuevos casos aumentará a 77 millones en 20302. El deterioro motor debido a un accidente cerebrovascular a menudo afecta la movilidad del paciente y su participación en las actividades de la vida diaria, lo que contribuye a una baja calidad de vida. La rehabilitación motora tradicional incluye la terapia manual, pero en las últimas décadas se han desarrollado sistemas robóticos para la rehabilitación. Estos sistemas pueden administrar terapia a alta intensidad, dosis, cuantificabilidad, fiabilidad, repetibilidad y flexibilidad3 y han demostrado su potencial como tratamientos de rehabilitación eficaces para pacientes con ictus agudo y crónico 4,5,6. Además de administrar la terapia, los sistemas robóticos para la rehabilitación pueden utilizarse como herramientas de evaluación, ya que pueden equiparse con sensores que pueden medir los datos cinemáticos/cinéticos del movimiento del paciente 7,8. Para la rehabilitación motora de las extremidades superiores, estos datos no solo han demostrado ser útiles para evaluar el nivel de recuperación motora del paciente provocado por la terapia robótica y han servido como herramienta complementaria a las evaluaciones clínicas tradicionales 9,10, sino que también han contribuido a avanzar en la comprensión del proceso de recuperación motora del ictus11. 12 así como el control neural del movimiento y el aprendizaje motor en sujetos sanos 3,13,14. Como resultado, estos hallazgos han proporcionado una base para mejorar los tratamientos de rehabilitación15.
En las últimas dos décadas, se han propuesto muchos dispositivos robóticos para la neurorrehabilitación de las extremidades inferiores, que van desde exoesqueletos que soportan el peso corporal del paciente durante la marcha (por ejemplo, sobre una cinta de correr, como Lokomat16) hasta sistemas robóticos estacionarios que permiten al paciente ejercitar el tobillo, la rodilla o el pie sin caminar (como el Rutgers Ankle17, el Robot de Rehabilitación de Tobillo de Alto Rendimiento18, y el Robot de Rehabilitación de Tobillo/Pie del Instituto de Ciencia y Tecnología de Gwangju (GIST)19) u órtesis activas de pie que son exoesqueletos accionados que lleva el paciente para caminar sobre el suelo o sobre una cinta de correr (como la Órtesis de Marcha Motorizada20 y el Anklebot21 del MIT). Véase 22,23,4 para una revisión sobre los robots para la rehabilitación de las extremidades inferiores.
Los resultados de los estudios clínicos de dispositivos robóticos para la rehabilitación de miembros inferiores en pacientes con accidente cerebrovascular han sido alentadores y han demostrado que estos sistemas pueden mejorar el rango de movimiento (ROM) de las articulaciones, la fuerza muscular o la marcha, según el dispositivo específico y el protocolo clínico (ver 24,25 para una revisión sobre la eficacia de los robots de extremidades inferiores para la rehabilitación). Si bien se ha postulado que la terapia asistida por robot promueve cambios neuroplásticos, que en última instancia resultan en una mejora de las habilidades motoras26, cómo ocurre exactamente el proceso de recuperación motora de un accidente cerebrovascular y qué protocolos de entrenamiento robótico optimizan el proceso de recuperación de las habilidades motoras de las extremidades inferiores, siguen siendo en su mayoría poco claras. De hecho, existe una disparidad significativa y creciente entre el creciente desarrollo de robots de rehabilitación (ya sea por parte de investigadores académicos o entidades comerciales) y la limitada comprensión de los mecanismos neurofisiológicos que subyacen a la recuperación motora4. Las mediciones de la cinemática del movimiento o de los torques articulares tomadas con sensores integrados han contribuido a describir cuantitativamente los cambios en el comportamiento motor que ocurren a medida que los pacientes recuperan las habilidades motoras de las extremidades inferiores 27,28,29, llenando parcialmente este vacío. Sin embargo, los correlatos neuronales que subyacen a tales cambios han sido menos investigados. Esto se debe a varias razones.
Las imágenes funcionales del cerebro requieren mucho tiempo y, a veces, son difíciles de completar en el contexto de los ensayos clínicos, que a menudo requieren mantener la carga del paciente al mínimo para maximizar la probabilidad de que el paciente se adhiera al estudio. Esto es particularmente cierto para las personas que han sufrido un accidente cerebrovascular, dado el hecho de que la fatiga y la debilidad muscular posteriores al accidente cerebrovascular se observan con frecuencia30. Además, las modalidades de imágenes que se basan en campos magnéticos, como la resonancia magnética funcional (fMRI), requieren que tanto el paciente como el hardware robótico sean seguros para los imanes.
Entre las modalidades de imagen no invasivas, la espectroscopia funcional de infrarrojo cercano (fNIRS) es una técnica de imagen especialmente adecuada para evaluar áreas de activación cerebral en sujetos sometidos a terapia robótica. De manera similar a la resonancia magnética funcional, la fNIRS mide la oxigenación/desoxigenación de la sangre en el cerebro. Sin embargo, a diferencia de la resonancia magnética funcional, la fNIRS es totalmente compatible con el hardware robótico y, a menudo, es portátil, incluso se puede utilizar junto a la cama. Además, fNIRS tiene bajo costo y menos sensibilidad a los artefactos de movimiento 31,32,33.
A pesar de sus claras ventajas y su uso generalizado en muchos entornos clínicos desde su primera introducción a finales de los años 7034, solo unos pocos estudios han utilizado fNIRS para cuantificar la activación cerebral asociada con los movimientos de las extremidades inferiores y la recuperación motora del ictus. Los estudios FNIRS dirigidos a dilucidar los mecanismos de control neural del movimiento y/o los mecanismos o la evaluación de la recuperación motora del accidente cerebrovascular han investigado principalmente los movimientos de una sola articulación (p. ej., movimientos de dorsiflexión, flexión plantar o extensión de rodilla 35,36,37), caminar 38,39,40,41,42,43 o andar en bicicleta44. Véase45 para una revisión. Del mismo modo, los estudios de fNIRS sobre la terapia asistida por robot para las extremidades inferiores se han centrado principalmente en la rehabilitación de la marcha asistida por robot; Véase46 para una revisión. Algunos estudios se han centrado en el uso de fNIRS como parte de un sistema de interfaz cerebro-computadora (BCI) para derivar señales de control para dispositivos robóticos47,48; Si bien esta área de investigación también se basa en el procesamiento de señales fNIRS, su objetivo es diferente y se centra principalmente en decodificar las intenciones de los pacientes (por ejemplo, pacientes con discapacidades motoras graves).
El estudio piloto presentado en este documento es parte de un esfuerzo inicial para investigar los efectos de un sistema robótico para la rehabilitación de extremidades inferiores. El robot puede ofrecer rehabilitación de extremidades inferiores orientada a objetivos que implica entrenamiento en movimientos multiarticulares cotidianos, así como administrar terapia a articulaciones individuales (por ejemplo, rodilla o tobillo) de la extremidad inferior (es decir, implementar un programa de rehabilitación de abajo hacia arriba).
El estudio tuvo como objetivo investigar la viabilidad de un protocolo experimental que requiriera la adquisición de datos fNIRS durante la realización de movimientos de apuntamiento multiarticular de miembros inferiores. La duración del período de adquisición de datos en este estudio, que se limitó a 6 min, es más corta que la de los protocolos fNIRS típicos. Esta fue una elección deliberada con el objetivo de mejorar la practicidad y la aplicabilidad clínica de esta investigación, particularmente en pacientes con movilidad o fuerza limitadas. La identificación de los correlatos fNIRS de movimientos multiarticulares tan complejos y la obtención de información sobre cómo la activación cerebral fue modulada por la asistencia de robots también fueron puntos de interés. Para ello, se llevaron a cabo dos sesiones de experimentos con los mismos participantes: una sin asistencia robótica y otra con asistencia robótica. Por último, es importante destacar que este estudio se centró en sujetos sanos con el fin de establecer una base para futuras investigaciones en cuanto a la viabilidad del protocolo de registro y la evaluación de la activación cerebral durante los movimientos dirigidos a la terapia robótica.
Aparato Para llevar a cabo nuestros experimentos se utilizó un robot portátil diseñado para llevar a cabo la rehabilitación de las extremidades inferiores (véase la Figura 1). El robot tiene un espacio de trabajo accesible en 3D y es compacto y liviano, pesa alrededor de 35 libras, lo que facilita su transporte e instalación.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> Figura 1: Configuración experimental. (A) El sistema robótico (instalado en el suelo) diseñado para la extremidad inferior. Se muestra a un voluntario utilizando la interfaz con su pie derecho. (B) Estructura de soporte para el pie del sujeto que permite la fijación al sistema robótico. (C) Una captura de pantalla del juego Picnic. El objetivo del juego es mover el pie (zapato verde y blanco) hasta el objetivo (círculo amarillo). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
El sistema robótico está diseñado para ayudar al paciente a realizar movimientos de las extremidades inferiores similares a los que se realizan en las tareas cotidianas, como señalar o patear. Utiliza juegos interactivos de realidad virtual, que se muestran en un monitor de computadora o en una pantalla de televisión colocada frente al dispositivo robótico (ver Figura 1). El efector del extremo del robot está conectado a la extremidad inferior del paciente (por ejemplo, el tobillo) y su posición se asigna a la posición de un cursor en la pantalla. Un juego típico muestra los objetivos de movimiento del paciente (por ejemplo, el objeto al que apuntar o dónde patear la pelota).
Para completar la tarea de movimiento, el robot puede ayudar al paciente con un nivel de asistencia que puede variar desde asistencia completa hasta ninguna. El nivel de asistencia robótica se elige al comienzo de cada sesión de rehabilitación en función del nivel de discapacidad motora del paciente. Los movimientos realizados por el sujeto son utilizados por el juego para puntuar el rendimiento del paciente y proporcionarle información sobre su rendimiento (por ejemplo, ROM, número de movimientos y nivel de asistencia robótica). Los juegos están diseñados para ser interactivos y entretenidos para mantener el interés y la atención del paciente. En este estudio, los participantes jugaron el "juego de picnic", en el que el jugador tenía que evitar que los insectos alcanzaran la toalla y robaran la comida (consulte la Figura 1, panel inferior, para obtener una captura de pantalla).
La adquisición de datos se realizó con un sistema de adquisición fNIRS portátil con dos optodos de onda continua diferentes (760 nm y 850 nm), 8 fuentes LED de doble punta y 8 detectores activos de doble punta. Las señales se adquirieron utilizando una frecuencia de muestreo de 10,17 Hz. Se utilizó un ordenador portátil para la calibración, la optimización y el registro de la señal mediante una red Wi-Fi creada por el sistema fNIRS.
Se utilizó una tapa para mantener los optodes en los lugares predeterminados. Las fuentes y los detectores se colocaron de acuerdo con el sistema EEG internacional 10-10 en una distribución espacial de cuadrícula. Cada canal fNIRS se definió mediante un par fuente-detector con distancias entre optótodos de aproximadamente 30 mm. Los optodos se colocaron sobre las áreas suplementarias del motor, el premotor y el motor en las ubicaciones que se muestran en la Figura 2. El número total de canales fue de 28, donde 8 eran canales de corta distancia que se acoplaron a cada fuente mediante un adaptador de fibra óptica a un solo detector. Dada la configuración de multiplexación del hardware, es posible adquirir información a corta distancia de todas las fuentes utilizando un solo detector.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> Figura 2: Diseño del montaje utilizando el sistema de EEG 10-10. Las letras y los números indican la ubicación de la fuente/detector. Los puntos rojos y azules representan los optodos de origen y detector, respectivamente. Las líneas verdes representan los canales fNIRS que constan de pares de fuente y detector. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
Diseño experimental El experimento se llevó a cabo en dos condiciones experimentales distintas, que difieren en el nivel de asistencia proporcionado por el robot para los movimientos del sujeto. En la primera condición, el robot fue programado para no proporcionar ninguna ayuda a los movimientos del sujeto, mientras que en la segunda condición, el robot controló los movimientos de los pies y las piernas del sujeto (movimiento asistido por robot).
Cada experimento siguió un paradigma de diseño de bloques que involucraba ciclos alternos de una tarea motora (jugar el juego - 30 s) y descansar (30 s), como se ilustra en la Figura 3. El inicio y la conclusión de cada fase (juego/juego o descanso) se señalizaban visualmente al sujeto a través de la pantalla del ordenador. Durante la fase de descanso, se mostraba un mensaje que indicaba una pausa. Cada ciclo (juego/juego + descanso) tuvo una duración de 60 s y se repitió seis veces, lo que resultó en un tiempo de ejecución total de 360 s (6 min).
Los participantes jugaron al "Juego de picnic", en el que el objetivo era evitar que los insectos llegaran a la toalla y robaran la comida. Este juego consistía en una secuencia de movimientos de las extremidades inferiores, comenzando desde un objetivo local designado (posición inicial) y extendiéndose hacia uno de los tres objetivos exteriores antes de regresar al objetivo local. En la pantalla, los objetivos exteriores se representaban visualmente como insectos animados en movimiento, a los que los participantes tenían que llegar y pisar. Había tres objetivos de alcance exterior, cada uno presentado aleatoriamente un número igual de veces, junto con un objetivo de inicio común para cada movimiento. La distancia que el pie debía recorrer desde el objetivo local hasta la posición de los objetivos exteriores formaba un arco, que medía aproximadamente 26 cm. La tarea motora requirió la ejecución de movimientos multiarticulares, exigiendo coordinación entre los movimientos de flexión/extensión de rodilla, flexión plantar y dorsiflexión.
Las grabaciones de datos de fNIRS se sincronizaron con los estímulos visuales presentados por el juego al sujeto a través de un pulso transistor-transistor-lógico (TTL) generado por el robot. Los pulsos se generaron al inicio de cada fase (juego/juego y descanso). Por lo tanto, todo el control de tiempo fue realizado por el juego, que proporcionó señales visuales (objetivos) al participante para iniciar cada movimiento, envió señales TTL al sistema fNIRS para marcar los registros de actividad cerebral y, si el experimento lo requería, envió señales al sistema de control del robot para iniciar la asistencia de movimiento.

<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

El accidente cerebrovascular afecta aproximadamente a 17 millones de personas en todo el mundo cada año y es una de las principales causas de discapacidad a largo plazo. La terapia robótica ha demostrado ser prometedora para ayudar a los pacientes con accidente cerebrovascular a recuperar las funciones motoras perdidas. Una vía potencial para aumentar la comprensión de cómo se produce la recuperación motora es estudiar la activación cerebral durante los movimientos a los que se dirige la terapia en individuos sanos. La espectroscopia funcional de infrarrojo cercano (fNIRS) se ha convertido en una técnica de neuroimagen prometedora para examinar los fundamentos neurales de la función motora. Este estudio tuvo como objetivo investigar los correlatos neuronales fNIRS de movimientos complejos de las extremidades inferiores en sujetos sanos. Se pidió a los participantes que realizaran ciclos de descanso y movimiento durante 6 minutos utilizando un dispositivo robótico para la rehabilitación motora. La tarea requería movimientos coordinados de las articulaciones de la rodilla y el tobillo para apuntar a los objetivos que se mostraban en la pantalla de una computadora. Se exploraron dos condiciones experimentales con diferentes niveles de asistencia al movimiento proporcionada por el robot. Los resultados mostraron que el protocolo fNIRS detectó eficazmente regiones cerebrales asociadas con el control motor durante la tarea. En particular, todos los sujetos exhibieron una mayor activación en el área premotora contralateral durante la condición sin asistencia en comparación con la condición asistida. En conclusión, el fNIRS parece ser un enfoque valioso para detectar cambios en la concentración de oxihemoglobina asociados con movimientos multiarticulares de apuntamiento de la extremidad inferior. Esta investigación podría contribuir a la comprensión de los mecanismos de recuperación motora del ictus y podría allanar el camino para mejorar los tratamientos de rehabilitación de los pacientes con ictus. Sin embargo, se necesita más investigación para dilucidar completamente el potencial de fNIRS en el estudio de la función motora y sus aplicaciones en entornos 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 destacado: Evaluación de la actividad cerebral en la rehabilitación de miembros inferiores asistida por robot mediante fNIRS

Un experimento que utiliza espectroscopía funcional de infrarrojo cercano y movimientos de apuntamiento multiarticular asistidos por robots de la extremidad 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.

Los seis sujetos completaron ambos experimentos. En la condición sin asistencia, un promedio de 76,67 ensayos (std. 10,73) fue completado por cada sujeto (nótese que, para cada sujeto, el número de ensayos dependía del número de alcances exitosos, ya que solo se mostraba un nuevo objetivo si se alcanzaba el anterior). En la condición de asistencia, en la que el movimiento del sujeto fue totalmente ayudado por el robot, todos los sujetos completaron 70 ensayos. Los datos de fNIRS se registraron con éxito de todos l...

Se estima que 1 de cada 6 personas en todo el mundo sufrirá un accidente cerebrovascular a lo largo de su vida, lo que le causará una discapacidad a largo plazo, cuyos mecanismos de rehabilitación aún no se conocen bien. Este estudio propone un protocolo para evaluar la activación cerebral mediante espectroscopia funcional de infrarrojo cercano (fNIRS) durante una sesión de terapia robótica de miembros inferiores.

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

En este estudio, nuestro objetivo es investigar la viabilidad de un protocolo experimental que involucre movimientos de la extremidad inferior conectados a un dispositivo robótico y la adquisición simultánea de datos de espectroscopia funcional de infrarrojo cercano, fNIRS. Pocos estudios han empleado fNIRS para estudiar la activación cerebral en el accidente cerebrovascular, la recuperación motora y los movimientos de las extremidades inferiores, centrándose principalmente en acciones de una sola articulación, caminar o andar en bicicleta. Nuestro estudio es pionero en la exploración del entrenamiento multiarticular de las extremidades inferiores para la rehabilitación de objetivos.La espectroscopia funcional de infrarrojo cercano, fNIRS, mide eficazmente los cambios temporales en la oxigenación de la sangre del cerebro, sirviendo como un indicador indirecto de la actividad cerebral, a las señales funcionales de resonancia magnética. A diferencia de la resonancia magnética funcional, fNIRS es compatible con hardware robótico, portátil y más resistente a los artefactos de movimiento. Hay dos desafíos principales.La primera es sincronizar los movimientos del dispositivo robótico con los datos de fNIRS. El segundo es obtener los datos suficientes para lograr el poder estadístico, para detectar cambios hemodinámicos en solo seis minutos. Nuestro estudio confirmó la viabilidad del protocolo y arrojó los resultados esperados.En la condición asistida, solo dos sujetos exhibieron una activación cerebral significativa. El ejercicio sin asistencia, que requirió mayor esfuerzo, mostró un mayor cambio en la concentración de HbO que los asistidos, con notable diferencia en la CMP 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

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.