Summary

运动意象脑机接口在脑卒中后上肢运动功能障碍康复中的应用

Published: September 01, 2023
doi:

Summary

本研究旨在为脑卒中后上肢运动功能障碍运动意象脑机接口(MI-BCI)的标准临床操作提供重要参考。

Abstract

中度或重度上肢运动功能障碍患者脑卒中后康复效果较差,由于遇到的困难,一直是研究的重点。脑机接口(BCI)是脑神经科学研究中的热门前沿技术。它是指将使用者或主体的感官知觉、意象、认知和思维直接转化为动作,不依赖周围神经或肌肉,在大脑和外部设备之间建立直接的沟通和控制通道。运动意象脑机接口(MI-BCI)是康复作为一种非侵入性康复手段最常见的临床应用。先前的临床研究证实,MI-BCI对中风后患者的运动功能障碍有积极改善。然而,目前缺乏临床操作示范。为此,本文详细阐述了MI-BCI治疗脑卒中后中重度上肢功能障碍患者的治疗,并通过临床功能评估和脑功能评估结果展示了MI-BCI的干预效果,为临床康复应用和机制研究提供思路和参考。

Introduction

近85%的脑卒中患者存在运动功能障碍1,特别是由于中重度上肢运动功能障碍患者的康复效果有限,严重影响了患者独立日常生活的能力,一直是研究的重点和难点。非侵入性脑机接口 (BCI) 被称为中风2 后运动功能障碍康复的新兴治疗方法。脑机接口是将使用者或主体的感官知觉、意象、认知和思维直接转化为行动,不依赖周围神经或肌肉,在大脑和外部设备之间建立直接的沟通和控制通道3。目前,脑机接口用于临床康复的范式包括运动意象(MI)、稳态视觉诱发电位(SSVEP)和听觉诱发电位(AEP)P3004,其中最常用和方便的是运动意象脑机接口(MI-BCI)。心肌梗死是一种干预措施,它使用视觉/动觉运动图像来可视化运动任务(如手、手臂或脚的运动)的执行。一方面,先前的研究表明,心肌梗死期间相关运动皮层的激活与实际的运动执行相似5。另一方面,与其他范式不同,MI可以通过运动记忆激活特定的活动区域,而无需任何外部刺激来改善运动功能;这有利于在中风患者中实施,特别是当与听力障碍相结合时6.

此外,MI-BCI 已被证明对改善中风患者的运动功能障碍具有积极作用。Cheng等人报道,与简单的软性机器人手套干预相比,基于MI-BCI的软性机器人手套结合以日常生活活动为导向的任务,在干预6周后的慢性脑卒中患者中表现出更明显的功能改善和更持久的动觉体验。此外,它还能够引起对运动的感知7.此外,Ang 等人纳入了 21 名患有中度至重度上肢功能障碍的慢性中风患者进行随机干预。通过上肢 Fugl-Meyer 评估 (FMA-UE) 评估干预前后的临床功能。结果显示,与简单触觉旋钮(HK)机器人干预(HK组)和标准手臂治疗干预(SAT组)相比,基于MI-BCI干预的HK运动增益效果(BCI-HK组)明显优于其他两组8。然而,MI-BCI的具体操作仍需要规范的标准,必须充分认识神经重塑的机制,这限制了MI-BCI的临床应用和推广。因此,本研究通过展示MI-BCI对36岁男性脑卒中上肢运动功能障碍患者的干预过程,总结干预前后的功能结局变化和脑功能重塑,以展示MI-BCI的完整手术过程,为临床康复应用和机制研究提供思路和参考。

Protocol

该项目获得广州医科大学第五附属医院医学伦理协会立项(批准编号:广州医科大学第五附属医院医学伦理协会批准。KY01-2021-05-01)于2021年8月19日。该试验于2021年8月19日在中国临床试验注册中心注册(注册号:ChiCTR2100050162)。所有患者均签署了知情同意书。 1. 招聘 纳入标准招募符合第四届全国脑血管病学学术会议制定的脑卒中诊断标准的患者;通?…

Representative Results

该研究介绍了一名 36 岁男性中风患者在 MI-BCI 干预前后的临床功能和脑功能重塑。脑出血后4个多月,影像学结果显示右额叶和右基底神经节区域-放射冠区域慢性出血。患者在脑出血恢复期间被诊断为左肢运动功能障碍。在医院进行MI-BCI的简单门诊治疗10天(30分钟/次/天),并在治疗前和治疗后10 d完成脑功能评估和临床功能评估(图5)。治疗前后临床评估结果为FMA-UE=12/14(…

Discussion

脑卒中后中重度上肢运动功能障碍的康复期长,恢复困难,一直是临床康复研究的重点18。传统的上肢康复训练多为简单的外周介入治疗或中枢介入治疗19.同时,由于中度和重度肢体功能障碍患者缺乏积极参与,主要采用被动治疗,康复效果较差20。因此,不断开发新的中风康复技术/策略具有重要意义21.MI-BCI作为一种无创康?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

本研究得到广东省国家科学基金面上项目(No.2023A1515010586)、广州市临床特色技术建设项目(No.2023C-TS19)、广东省教育科学规划项目(No.2022GXJK299)、广州市卫生与计划生育总体指导项目(20221A011109、20231A011111)、2022年广州市高等学校教学质量与教学改革项目的支持 高校教学改革总体项目(No.2022JXGG088/02-408-2306040XM), 2022年度广州医科大学学生创新能力提升计划项目(No.PX-66221494/02-408-2304-19062XM), 2021年度校级教育科学规划项目(2021: NO.45), 2023年度高水平大学一流本科专业建设资金(2022JXA009, 2022JXD001, 2022JXD003)/(02-408-2304-06XM)、广州市教育局大学科研项目(第202235384号)、广州医科大学2022年度本科教学质量与教学改革项目(2022年第33号)、广东省国家自然科学基金项目(第2021A1515012197号)、广州市及大学基金项目(第202102010100号)。

Materials

MI-BCI Rui Han, China RuiHan Bangde NA
E-Prime  version 3.0 behavioral research software.
fNIRS Hui Chuang, China NirSmart-500 NA
NirSpark preprocess near-infrared data

References

  1. Dawson, J., et al. Vagus nerve stimulation paired with rehabilitation for upper limb motor function after ischaemic stroke (VNS-REHAB): a randomised, blinded, pivotal, device trial. Lancet. 397 (10284), 1545-1553 (2021).
  2. Lin, Q., et al. The Frequency Effect of the Motor Imagery Brain Computer Interface Training on Cortical Response in Healthy Subjects: A Randomized Clinical Trial of Functional Near-Infrared Spectroscopy Study. Frontiers in Neuroscience. 16, 810553 (2022).
  3. Carino-Escobar, R. I., et al. Longitudinal Analysis of Stroke Patients’ Brain Rhythms during an Intervention with a Brain-Computer Interface. Neural Plasticity. 2019, 7084618 (2019).
  4. Mane, R., Chouhan, T., Guan, C. BCI for stroke rehabilitation: motor and beyond. Journal of Neural Engineering. 17 (4), 041001 (2020).
  5. Khan, M. A., Das, R., Iversen, H. K., Puthusserypady, S. Review on motor imagery based BCI systems for upper limb post-stroke neurorehabilitation: From designing to application. Computers In Biology And Medicine. 123, 103843 (2020).
  6. Hendricks, H. T., van Limbeek, J., Geurts, A. C., Zwarts, M. J. Motor recovery after stroke: a systematic review of the literature. Archives of Physical Medicine and Rehabilitation. 83 (11), 1629-1637 (2002).
  7. Cheng, N., et al. Brain-Computer Interface-Based Soft Robotic Glove Rehabilitation for Stroke. IEEE Transactions on Biomedical Engineering. 67 (12), 3339-3351 (2020).
  8. Ang, K. K., et al. Brain-computer interface-based robotic end effector system for wrist and hand rehabilitation: results of a three-armed randomized controlled trial for chronic stroke. Frontiers in Neuroengineering. 7, 30 (2014).
  9. Nuwer, M. R., et al. IFCN standards for digital recording of clinical EEG. The International Federation of Clinical Neurophysiology. Electroencephalography and Clinical Neurophysiology. 52, 11-14 (1999).
  10. Klem, G. H., Lüders, H. O., Jasper, H. H., Elger, C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalography and Clinical Neurophysiology. 52, 3-6 (1999).
  11. Uwe Herwig, ., Peyman Satrapi, ., Schönfeldt-Lecuona, C. Using the international 10-20 EEG system for positioning of transcranial magnetic stimulation. Brain Topography. , (2003).
  12. Mane, R., Robinson, N., Vinod, A. P., Lee, S. W., Guan, C. A Multi-view CNN with Novel Variance Layer for Motor Imagery Brain Computer Interface. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2020, 2950-2953 (2020).
  13. Sanford, J., Moreland, J., Swanson, L. R., Stratford, P. W., Gowland, C. Reliability of the Fugl-Meyer assessment for testing motor performance in patients following stroke. Physical Therapy. 73 (7), 447-454 (1993).
  14. Martinez, C., et al. A Reaching Performance Scale for 2 Wolf Motor Function Test Items. Archives of Physical Medicine and Rehabilitation. 101 (11), 2015-2026 (2020).
  15. Dufouil, C., et al. Population norms for the MMSE in the very old: estimates based on longitudinal data. Mini-Mental State Examination. Neurology. 55 (11), 1609-1613 (2000).
  16. Thompson, E. Hamilton Rating Scale for Anxiety (HAM-A). Occupational Medicine. 65 (7), 601 (2015).
  17. Zimmerman, M., Martinez, J. H., Young, D., Chelminski, I., Dalrymple, K. Severity classification on the Hamilton Depression Rating Scale. Journal of Affective Disorders. 150 (2), 384-388 (2013).
  18. Bai, X., et al. Different Therapeutic Effects of Transcranial Direct Current Stimulation on Upper and Lower Limb Recovery of Stroke Patients with Motor Dysfunction: A Meta-Analysis. Neural Plasticity. 2019, 1372138 (2019).
  19. Dimyan, M. A., Cohen, L. G. Neuroplasticity in the context of motor rehabilitation after stroke. Nature Reviews Neurology. 7 (2), 76-85 (2011).
  20. Bai, Z., Fong, K. N. K., Zhang, J. J., Chan, J., Ting, K. H. Immediate and long-term effects of BCI-based rehabilitation of the upper extremity after stroke: a systematic review and meta-analysis. Journal of NeuroEngineering and Rehabilitation. 17 (1), 57 (2020).
  21. Yang, W., et al. The Effect of Brain-Computer Interface Training on Rehabilitation of Upper Limb Dysfunction After Stroke: A Meta-Analysis of Randomized Controlled Trials. Frontiers in Neuroscience. 15, 766879 (2021).
  22. Pandian, S., Arya, K. N. Stroke-related motor outcome measures: do they quantify the neurophysiological aspects of upper extremity recovery. Journal of Bodywork and Movement Therapies. 18 (3), 412-423 (2014).
  23. Potter, S. M., El Hady, A., Fetz, E. E. Closed-loop neuroscience and neuroengineering. Frontiers in Neural Circuits. 8, 115 (2014).
  24. Nowak, D. A., Grefkes, C., Ameli, M., Fink, G. R. Interhemispheric competition after stroke: brain stimulation to enhance recovery of function of the affected hand. Neurorehabilitation and Neural Repair. 23 (7), 641-656 (2009).

Play Video

Cite This Article
Jiang, Y., Yin, J., Zhao, B., Zhang, Y., Peng, T., Zhuang, W., Wang, S., Huang, S., Zhong, M., Zhang, Y., Tang, G., Shen, B., Ou, H., Zheng, Y., Lin, Q. Motor Imagery Brain-Computer Interface in Rehabilitation of Upper Limb Motor Dysfunction After Stroke. J. Vis. Exp. (199), e65405, doi:10.3791/65405 (2023).

View Video