Эксперимент с использованием функциональной ближней инфракрасной спектроскопии и роботизированных многосуставных точечных движений нижней конечности

Эпидемиологические данные свидетельствуют о том, что ежегодно во всем мире регистрируется ~17 миллионов новых случаев инсульта, при этом рост заболеваемости наблюдается^{в странах с} низким и средним уровнем дохода1. По оценкам, к 2030 г. число новых случаев заболевания увеличится до 77 миллионов². Двигательные нарушения, вызванные инсультом, часто влияют на подвижность пациента и его участие в повседневной жизни, способствуя низкому качеству жизни. Традиционная двигательная реабилитация включает в себя мануальную терапию, но за последние несколько десятилетий были разработаны роботизированные системы для реабилитации. Эти системы могут обеспечивать терапию с высокой интенсивностью, дозой, количественной поддаемостью, надежностью, повторяемостью и гибкостью³ и продемонстрировали потенциал в качестве эффективных реабилитационных методов лечения как для острых, так и для хронических пациентов с инсультом ^4,5,6. В дополнение к проведению терапии, роботизированные системы для реабилитации могут использоваться в качестве оценочных инструментов, поскольку они могут быть оснащены датчиками, которые могут измерять кинематические/кинетические данные движения пациента ^7,8. Для двигательной реабилитации верхних конечностей такие данные не только оказались полезными для оценки уровня двигательного восстановления пациента с помощью роботизированной терапии и послужили дополнительным инструментом к традиционным клиническим оценкам ^9,10, но и способствовали углублению понимания процесса восстановления моторики после инсульта^{11. 12}, а также нейронный контроль движения и моторного обучения у здоровых людей ^3,13,14. В результате, эти результаты послужили основой для совершенствования реабилитационных методов^{лечения 15}.

За последние два десятилетия было предложено множество роботизированных устройств для нейрореабилитации нижних конечностей, начиная от экзоскелетов, которые поддерживают вес тела пациента во время ходьбы (например, на беговой дорожке, такой как Lokomat¹⁶), и заканчивая стационарными роботизированными системами, которые позволяют пациенту тренировать голеностопный, коленный или стопный суставы без ходьбы (например, Rutgers Ankle¹⁷, Высокопроизводительный робот для реабилитации голеностопного сустава¹⁸ и робот для реабилитации голеностопного сустава и стопы Института науки и технологий Кванджу (GIST)¹⁹) или активные ортезы стопы, которые представляют собой приводимые в действие экзоскелеты, которые пациент носит для ходьбы по земле или по беговой дорожке (например, ортез для ходьбы с электроприводом²⁰ и робот MIT Anklebot²¹). Смотрите ^22,23,4 обзор роботов для реабилитации нижних конечностей.

Результаты клинических исследований роботизированных устройств для реабилитации нижних конечностей у пациентов, перенесших инсульт, были обнадеживающими и показали, что эти системы могут улучшать диапазон движений суставов (ROM), мышечную силу или походку, в зависимости от конкретного устройства и клинического протокола (см. ^24,25 обзор эффективности роботов для нижних конечностей для реабилитации). В то время как было постулировано, что робот-ассистированная терапия способствует нейропластическим изменениям, которые в конечном итоге приводят к улучшению двигательных способностей²⁶, остается в основном неясным, как именно происходит процесс восстановления двигательных способностей после инсульта и какие протоколы роботизированной тренировки оптимизируют процесс восстановления двигательных способностей нижних конечностей. На самом деле, существует значительное, растущее несоответствие между растущим развитием реабилитационных роботов (как академическими исследователями, так и коммерческими организациями) и ограниченным пониманием нейрофизиологических механизмов, лежащих в^{основе восстановления} моторики. Измерения кинематики движений или крутящих моментов суставов, выполненные с помощью встроенных датчиков, способствовали количественному описанию изменений в двигательном поведении, которые происходят по мере восстановления двигательных способностей нижних конечностей^{пациентов} 27,28,29, частично заполняя этот пробел. Однако нейронные корреляты, лежащие в основе таких изменений, были менее изучены. Это обусловлено несколькими причинами.

Функциональная визуализация головного мозга отнимает много времени и иногда ее трудно выполнить в контексте клинических испытаний, которые часто требуют свести к минимуму нагрузку на пациента, чтобы максимизировать вероятность приверженности пациента к исследованию. Это особенно верно для людей, перенесших инсульт, учитывая тот факт, что постинсультная усталость и мышечная слабость^{часто наблюдаются}. Кроме того, методы визуализации, основанные на магнитных полях, такие как функциональная магнитно-резонансная томография (фМРТ), требуют, чтобы как пациент, так и роботизированное оборудование были безопасными для магнитов.

Среди неинвазивных методов визуализации функциональная спектроскопия ближнего инфракрасного диапазона (fNIRS) является методом визуализации, особенно подходящим для оценки областей активации мозга у пациентов, проходящих роботизированную терапию. Аналогично фМРТ, fNIRS измеряет оксигенацию/деоксигенацию крови в головном мозге. Однако, в отличие от фМРТ, fNIRS полностью совместим с роботизированным оборудованием и часто является портативным, даже может быть использован у постели больного. Также fNIRS имеет низкую стоимость и меньшую чувствительность к артефактам движения 31,32,33.

Несмотря на его явные преимущества и широкое использование во многих клинических условиях с момента его первого появления в конце^70-х годов, только в нескольких исследованиях fNIRS использовали для количественной оценки активации мозга, связанной с движениями нижних конечностей и восстановлением инсультной моторики. Исследования FNIRS, направленные на выяснение механизмов нейронного контроля движений и/или механизмов или оценку восстановления моторики после инсульта, в основном изучали движения одного сустава (например, тыльное сгибание, подошвенное сгибание или разгибание коленного сустава 35,36,37), ходьбу 38,39,40,41,42,43 или езду на велосипеде⁴⁴. Смотрите⁴⁵ для обзора. Аналогичным образом, исследования fNIRS по робот-ассистированной терапии нижних конечностей в основном были сосредоточены на робот-ассистированной реабилитации ходьбы; Смотрите⁴⁶ для обзора. Несколько исследований были сосредоточены на использовании fNIRS как части системы интерфейса мозг-компьютер (BCI) для получения управляющих сигналов для роботизированных устройств^47,48; Несмотря на то, что эта область исследований также опирается на обработку сигналов fNIRS, ее цель иная и в основном сосредоточена на расшифровке намерений пациента (например, пациентов с тяжелыми двигательными нарушениями).

Пилотное исследование, представленное в настоящем документе, является частью первоначальных усилий по изучению эффектов роботизированной системы для реабилитации нижних конечностей. Робот может проводить целенаправленную реабилитацию нижних конечностей, которая включает в себя обучение повседневным многосуставным движениям, а также проводить терапию отдельных суставов (например, коленного или голеностопного) нижней конечности (т.е. реализовывать программу реабилитации снизу вверх).

Исследование было направлено на изучение осуществимости экспериментального протокола, который требовал получения данных fNIRS во время выполнения многосуставных точечных движений нижних конечностей. Продолжительность периода сбора данных в этом исследовании, которая была ограничена 6 минутами, короче, чем у типичных протоколов fNIRS. Это был осознанный выбор, сделанный с целью повышения практичности и клинической применимости этого исследования, особенно у пациентов с ограниченной подвижностью или силой. Идентификация коррелятов fNIRS таких сложных многосуставных движений и получение информации о том, как активация мозга модулируется с помощью робота, также представляли интерес. Для этого были проведены две сессии экспериментов с одними и теми же участниками: одна без помощи робота, а другая с помощью робота. Наконец, важно отметить, что это исследование было сосредоточено на здоровых людях, чтобы заложить основу для будущих исследований с точки зрения выполнимости протокола регистрации и оценки активации мозга во время движений, направленных на роботизированную терапию.

Аппарат
Для проведения наших экспериментов использовался портативный робот, предназначенный для реабилитации нижних конечностей (см. рис. 1). Робот имеет 3D-доступное рабочее пространство, он компактный и легкий, весит около 35 фунтов, что упрощает его транспортировку и установку.

Рисунок 1: Экспериментальная установка. (А) Роботизированная система (установленная на полу), предназначенная для нижних конечностей. Показано, как доброволец использует интерфейс правой ногой. (B) Опорная конструкция для стопы субъекта, которая позволяет прикрепляться к роботизированной системе. (C) Скриншот игры «Пикник». Цель игры состоит в том, чтобы переместить ногу (зеленый и белый ботинок) к цели (желтый круг). Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.

Роботизированная система предназначена для оказания помощи пациенту в выполнении движений нижних конечностей, аналогичных тем, которые выполняются при выполнении повседневных задач, таких как указание или удар ногой. В нем используются интерактивные игры виртуальной реальности, которые отображаются на мониторе компьютера или телевизионном экране, размещенном перед роботизированным устройством (см. рис. 1). Эффектор роботизированного конца прикрепляется к нижней конечности пациента (например, лодыжке), и его положение сопоставляется с положением курсора на экране. Типичная игра показывает пациенту цели движения (например, объект, на который нужно указать или куда ударить по мячу).

Чтобы выполнить задачу движения, робот может помочь пациенту с таким уровнем помощи, который может варьироваться от полной помощи до ее отсутствия. Уровень роботизированной помощи выбирается в начале каждого сеанса реабилитации исходя из уровня двигательных нарушений пациента. Движения, выполняемые испытуемым, используются игрой для оценки производительности пациента и предоставления ему обратной связи о его работе (например, ROM, количество движений и уровень роботизированной помощи). Игры разработаны таким образом, чтобы быть интерактивными и развлекательными, чтобы поддерживать интерес и внимание пациентов. В этом исследовании участники играли в «Игру в пикник», в которой игрок должен был помешать насекомым добраться до полотенца и украсть еду (см. рисунок 1, нижняя панель, скриншот).

Сбор данных осуществлялся с помощью портативной системы сбора данных fNIRS с двумя различными непрерывными оптодами (760 нм и 850 нм), 8 светодиодными источниками с двумя наконечниками и 8 активными детекторами с двумя наконечниками. Сигналы регистрировались с частотой дискретизации 10,17 Гц. Для оптимизации калибровки и записи сигнала использовался ноутбук с использованием сети Wi-Fi, созданной системой fNIRS.

Для удержания оптодов в заранее определенных местах использовался колпачок. Источники и детекторы размещались по международной системе ЭЭГ 10-10 в пространственном распределении сетки. Каждый канал fNIRS определялся парой источник-детектор с межоптодными расстояниями около 30 мм. Оптоды были размещены над дополнительными моторными, предмоторными и моторными областями в местах, показанных на рисунке 2. Общее количество каналов составило 28, из которых 8 были каналами малого расстояния, которые были подключены к каждому источнику с помощью волоконно-оптического адаптера к одному детектору. Учитывая мультиплексирование аппаратного обеспечения, можно получать информацию на коротких расстояниях от всех источников, используя только один детектор.

Рисунок 2: Монтаж макета с использованием системы 10-10 ЭЭГ. Буквы и цифры обозначают местоположение источника/детектора. Красными и синими точками обозначены оптоды источника и детектора соответственно. Зелеными линиями обозначены каналы fNIRS, состоящие из пар источника и детектора. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.

Экспериментальный дизайн
Эксперимент проводился в двух различных экспериментальных условиях, различающихся по уровню помощи, оказываемой роботом движениям испытуемого. В первом условии робот был запрограммирован на то, чтобы не оказывать никакой помощи в движениях субъекта, в то время как во втором условии робот контролировал движения ног и ног субъекта (роботизированное движение).

Каждый эксперимент следовал парадигме блочного дизайна, включающей чередование циклов двигательной задачи (игра – 30 с) и отдых (30 с), как показано на рисунке 3. Начало и окончание каждой фазы (игра/игра или отдых) визуально сигнализировались испытуемому через экран компьютера. Во время фазы покоя отображалось сообщение, указывающее на паузу. Каждый цикл (игра/игра + отдых) длился 60 секунд и повторялся шесть раз, в результате чего общее время выполнения составляло 360 секунд (6 минут).

Участники играли в «Игру-пикник», в которой цель состояла в том, чтобы не дать насекомым добраться до полотенца и украсть еду. Эта игра включала в себя последовательность движений нижними конечностями, начиная с назначенной домашней цели (начальная позиция) и продолжаясь к одной из трех внешних целей, прежде чем вернуться к домашней цели. На экране внешние мишени визуально представлялись в виде анимированных движущихся насекомых, до которых участники должны были дотянуться и наступить на них. Было три внешние мишени, каждая из которых случайным образом появлялась равное количество раз, наряду с общей домашней мишенью для каждого движения. Расстояние, которое нога должна была пройти от домашней цели до позиции внешних мишеней, образовывало дугу, примерно равную 26 см. Двигательная задача требовала выполнения многосуставных движений, что требовало координации между сгибанием/разгибанием колена, подошвенным сгибанием и тыльным сгибанием.

Записи данных fNIRS были синхронизированы с визуальными стимулами, предъявляемыми игрой испытуемому через импульс транзистор-транзисторная логика (TTL), генерируемый роботом. Импульсы генерировались в начале каждой фазы (игра/игра и отдых). Таким образом, весь контроль времени осуществлялся игрой, которая предоставляла участнику визуальные подсказки (цели) для начала каждого движения, посылала сигналы TTL в систему fNIRS для маркировки записей мозговой активности и, если того требовал эксперимент, посылала сигналы в систему управления роботом для инициирования помощи в движении.