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.

Это исследование было одобрено местным Советом по этике ЮНИСЕП (Centro Universitario Paulista). Все участники предоставили информированное согласие в соответствии со всеми институциональными рекомендациями и федеральными нормами, касающимися научных исследований с участием людей. Они не получили никакой финансовой компенсации, как того требуют федеральные законы Бразилии.

1. Система fNIRS

1. Подготовьте колпачок с помощью 16 оптодов: 8 источников света (760 нм и 850 нм) и 8 детекторов света (см. рис. 2; расположение источников: FC1, FC2, C3, Cz, C4, CP1, CP2 и Pz; расположение детекторов (FCz, C1, C2, CPz, P1 и P3). Присоедините восьмой детектор к адаптеру ближнего действия, который подключен к каждому из оптодов-источников.
2. Откройте программное обеспечение для сбора данных fNIRS и загрузите монтаж с размещением каждого оптода.
3. Установите временную частоту дискретизации сигнала fNIRS на 10,17 Гц.

2. Участники

1. Кратко объясните участнику актуальность исследования и протокол эксперимента.
2. Если участник согласен стать волонтером, убедитесь, что он дает информированное согласие в соответствии со всеми институциональными рекомендациями и федеральными нормами, касающимися научных исследований с участием людей.
3. Попросите добровольца сесть на кресло перед роботом, расположив его на расстоянии примерно 150 см от монитора компьютера.
4. Сняв обувь, удобно прикрепите ногу участника к манипулятору робота с помощью ремней на липучке (Velcro (застежка-липучка) (см. Рисунок 1, верхняя левая панель).
5. Поместите колпачок fNIRS с оптодами в голову участника и надежно закрепите его застежкой-липучкой ниже подбородка.
6. Наденьте верхний колпачок на колпачок оптода, чтобы уменьшить интерференцию окружающего света.

3. Сбор данных

1. Проинструктируйте каждого участника не делать резких движений головой, чтобы свести к минимуму риск возникновения артефактов движения.
2. Откалибруйте систему fNIRS для обеспечения оптимального качества сигнала.
3. Удостоверьтесь, что все каналы хорошего качества, как показано в интерфейсе. Если нет, попробуйте удалить волосы между кожей головы и кончиком оптоды.
4. Объясните участнику, как играть в игру, двигая ногой, прикрепленной к роботу, чтобы достичь целей, указанных на экране.
5. Объясните участникам, что будет два условия: без и с роботизированной помощью.

4. Роботизированная система

1. Включите систему, подключив монитор и робота к источнику электрической сети. После инициализации операционной системы появляется первый игровой интерфейс.
2. Расположите роботизированную руку в стандартном месте и дождитесь получения сообщения обратной связи о правильном положении роботизированной руки .
3. Введите в систему описательные данные об участнике и экспериментаторе, чтобы авторизоваться в игровом интерфейсе робота.
4. В интерфейсе выбора игры установите время сеанса на 6 минут с интервалами отдыха 30 с.
5. Выберите соответствующую ногу (правую или левую), которую будет использовать участник.
6. Выберите игру «Пикник» и нажмите «Перейти», чтобы сыграть в игру.

5. Анализ данных

1. Преобразуйте исходные сигналы в гемодинамические состояния (оксигемоглобин (HbO) и дезоксигемоглобин (HbR)) с помощью модифицированного уравнения Бера-Ламберта⁴⁹.
2. Создание индивидуальных карт активации с использованием общей линейной модели (GLM) с робастной оценкой и автокорреляционной оценкой, на которую меньше влияют артефакты движения⁵⁰. Используйте схему эксперимента (rest = 0; game/play = 1), свернутую канонической функцией гемодинамического отклика (HRF) в качестве независимой переменной и наблюдаемым сигналом HbO или HbR в качестве зависимой переменной.
3. Для каждого канала извлеките коэффициент бета (который отражает силу активации канала) во время игры/игры по сравнению с остальными.
4. Объедините каналы в трех областях интереса (ROI) и усредните коэффициенты активации (бета-коэффициенты GLM) по каналам ROI. Определите ROI следующим образом (см. рис. 2): (1) премоторная зона для левого полушария (каналы [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) соматомоторная область левого полушария (каналы [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); и (3) дополнительная моторная зона (SMA) (каналы [Cz-FCz, CPz-Cz]).
   Примечание: Основываясь на предыдущей литературе по двигательным задачам, подобным тем, которые были исследованы здесь 51,52,53^, и учитывая, что все участники выполняли двигательную задачу правой ногой, было выдвинуто предположение, что левая (контралатеральная) премоторная и соматомоторная области, а также СМА будут демонстрировать активацию во время игры/игры в обоих состояниях, с более сильной активацией в состоянии без посторонней помощи.
5. Примените к этим бетам непараметрический критерий Вилкоксона. Установите Ошибку рода I на 5% (односторонний анализ).

Все шесть испытуемых завершили оба эксперимента. В условиях отсутствия помощи каждый субъект завершил в среднем 76,67 испытания (стандарт 10,73) (обратите внимание, что для каждого субъекта количество испытаний зависело от количества успешных достижений, поскольку новая цель показывалась только в том случае, если была достигнута предыдущая). В условиях ассистанса, когда движение испытуемого полностью поддерживалось роботом, все испытуемые выполнили 70 попыток. Данные fNIRS были успешно зарегистрированы у всех испытуемых.

На рисунке 4 показаны карты активации мозга одного субъекта, сравнивающие периоды игры/игры и отдыха для HbO и HbR. Для каждого субъекта карты, ассоциированные с изменениями HbO, показали статистически значимую активацию (p < 0,01) в экспериментальных условиях без помощи робота, в то время как только у двух испытуемых была выявлена статистически значимая активация в экспериментальном состоянии с помощью робота. Что касается HbR, то у четырех пациентов наблюдалась статистически значимая активация (p < 0,01) в обоих состояниях, хотя и в меньшем количестве каналов по сравнению с HbO.

На рисунке 5 обобщены результаты анализа на основе гипотез на основе ROI. Среди всех исследованных РОИ только в левой премоторной коре наблюдалось статистически значимое увеличение активации HbO во время игры/игры по сравнению с покоем (p = 0,046) и только в состоянии без роботизированной помощи. Кроме того, этот ROI представлял большую активацию в состоянии без роботизированной помощи по сравнению с состоянием с роботизированной помощью (p = 0,016). Не было выявлено статистически значимых различий по другим показателям ROI или в анализе на основе HbR, ни в анализе игры/игры и отдыха, ни в сравнении условий (p>0,05). Таким образом, на групповом уровне не было обнаружено статистически значимых различий в левой соматомоторной коре, СМА или в анализе на основе HbR.

Рисунок 3: Эксперимент по проектированию блоков с чередованием блоков условий игры и состояния покоя. Испытуемый непрерывно играл в игру «Пикник» в течение 30 секунд (период игры) и оставался неподвижным в течение следующих 30 секунд (период отдыха). Этот цикл повторялся 6 раз, в результате чего продолжительность сеанса составила 6 минут (обратите внимание, что на рисунке показано всего 150 с). Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.

Рисунок 4: Статистические карты пороговых активаций мозга одного субъекта. Статистические карты активации мозга одного субъекта (p-значение канала < 0,01) шести испытуемых (S1-S6) для HbO и HbR в обоих экспериментальных условиях (движения с роботизированной помощью и без нее). Обратите внимание, что представлены только карты, отображающие статистически значимую активацию (т.е. любой субъект и условие с пустым слотом указывают на то, что для этой конкретной комбинации не наблюдалось значимой активации). Цветная полоса представляет собой амплитуду t-статистики коэффициента активации (GLM beta) каждого канала fNIRS. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.

Рисунок 5: Активация левой премоторной коры на основе сигналов HbO. Как подробно описано на шаге 5.2, бета-коэффициенты были оценены с помощью GLM, а амплитуда активации была количественно определена для каждого испытуемого, экспериментальных условий (самостоятельные и вспомогательные движения) и конкретных каналов (обратите внимание, что бета-значения ROI были получены путем усреднения каналов в левой премоторной коре). На точечной диаграмме визуально представлены средние коэффициенты ROI для каждого субъекта и состояния, а красная и зеленая точки обозначают вспомогательные и невспомогательные движения соответственно. Для каждого субъекта коэффициент ROI бета в непостороннем состоянии больше, чем в вспомогательном состоянии, что означает большую активацию в первом состоянии. Этот результат одинаков по всем предметам. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.

В этом экспериментальном исследовании была изучена возможность делать выводы о картировании активации мозга с использованием данных fNIRS у здоровых испытуемых, когда они выполняли различные типы движений с использованием робота для реабилитации нижних конечностей. Типичные сеансы записи fNIRS у взрослых длятся более 6 минут⁵⁴ минуты. Тем не менее, для того, чтобы сделать запись возможной в контексте реабилитационных условий, общая продолжительность эксперимента должна быть сведена к минимуму, чтобы избежать ненужной усталости и усилий для испытуемого. В этом исследовании также проверялось, достаточно ли эксперимента с дизайном блоков с 6 блоками повторения заданий (с продолжительностью сеанса 6 минут) для оценки гемодинамического ответа и выявления разницы между состоянием помощи и отсутствием помощи. Полученные данные свидетельствуют о том, что эти записи являются информативными, и fNIRS действительно может быть полезным методом для обнаружения изменений концентрации HbO, связанных с режимами упражнений с различными уровнями роботизированной помощи нижним конечностям. Даже при небольшом объеме выборки была обнаружена значимая контралатеральная премоторная активация, измеренная по HbO при сравнении блоков задачи и покоя; У всех испытуемых наблюдалась большая активация в этой области в условиях отсутствия помощи по сравнению с теми, кто находился с роботизированной помощью.

Данные fNIRS были записаны в двух различных условиях, соответствующих двум различным уровням усилий испытуемого, необходимых для выполнения двигательной задачи. В первой серии экспериментов робот K был установлен на 10, что соответствовало отсутствию помощи робота. Во второй серии экспериментов K было установлено равным 150; при этом значении K нижняя конечность испытуемого почти полностью перемещалась роботом. Как показано на рисунке 4, у всех испытуемых наблюдалась статистически значимая активация мозга в условиях без посторонней помощи; Когда K было установлено на 150, только у двух испытуемых наблюдалась значительная активация.

Как показано на рисунке 5, результаты также показали, что изменения концентрации HbO, связанные с упражнениями без посторонней помощи (более высокий уровень усилий), были в целом выше, чем изменения, связанные с упражнениями с помощью. Однако существенная разница была обнаружена только в контралатеральной премоторной коре (ПМК). Этот вывод согласуется с результатами нескольких предыдущих исследований нейровизуализации на людях, которые обнаружили увеличение активации нейронов с увеличением уровня силы ^55,56. Большинство предыдущих исследований, однако, изучали верхнюю конечность; Большинство из них сосредоточились на статических, изометрических задачах, в то время как лишь немногие оценивали динамические движения 57,58,59.

Относительно меньшее количество исследований было сосредоточено на нижних конечностях. Некоторые из них были сосредоточены на задачах статического мотора. Alexandre et ^al.51 исследовали корреляты fNIRS максимальных и субмаксимальных произвольных сокращений (MVC) разгибателей коленного сустава у здоровых и хронических пациентов с обструктивной болезнью легких. Используя фМРТ, Yoon et ^al.52 исследовали изменения активации коры головного мозга во время изометрических сокращений с тыльными мышцами-сгибателями голеностопного сустава на разных уровнях MVC. Другие исследования были сосредоточены на походке 60,61,62. Используя fNIRS, Harada et ^al.60 исследовали паттерны активации коры головного мозга во время ходьбы с тремя интенсивностями у здоровых людей и обнаружили, что увеличение локомоторной скорости и частоты вращения педалей было связано с более высокой степенью активации коры головного мозга. Bonnal et ^al.62 исследовали активацию коры головного мозга у здоровых испытуемых во время экзоскелетно-опосредованной походки на разных уровнях физической помощи, а также обнаружили наибольшую активацию коры головного мозга в двух состояниях без посторонней помощи (50% и 100%), но лишь незначительные различия в активации коры головного мозга между состояниями с помощью помощи. Результаты этого исследования согласуются с результатами предыдущих исследований в целом.

Роль корковых областей, связанных с нервным контролем движений нижних конечностей, все еще мало изучена и менее изучена по сравнению с нейронным контролем верхних конечностей. Особенно в контексте реабилитации такое понимание является ключевым для создания основы для выявления нейропластичности этих областей, которая может возникнуть, например, в результате двигательных нарушений неврологического происхождения, двигательных упражнений или старения. Как показано на рисунке 4, у всех испытуемых наблюдалась активация в области PMC или SMA во время самостоятельного состояния. Результаты, специфичные для канала, представленные на рисунке, указывают на то, что, хотя активация была двусторонней, она была более выражена в контралатеральном полушарии. В целом, эти результаты согласуются с исследованием Alexandre et ^al.51, которое показало активацию контралатеральной первичной моторной (M1) и первичной соматосенсорной (S1), PMC и префронтальной (PFC) корковых областей во время разгибания коленного сустава. Кроме того, эти результаты согласуются с результатами исследования Yoon et ^al.52, которые показали активацию в контралатеральной коре M1, СМА, путамене, поясной коре паллидума и ипсилатеральном мозжечке во время тыльного сгибания голеностопного сустава, а также с результатами исследования Ciccarelli et ^al.53, которые обнаружили активацию контралатеральной М1 и сенсорной коры. а также ПМК и подкорковые области во время движений голеностопного сустава.

Считается, что движения полушарий контролируются контралатеральным полушарием коры головного мозга. Тем не менее^, сообщалось об ипсилатеральном поражении коры головного мозга при одномануальных движениях 56,63,64, а также об односторонних движениях стопы (см. также ^{обзор 65}). В отличие от этих исследований, анализ не выявил последовательной активации соматомоторной коры у всех испытуемых, как показано на рисунке 4; Кроме того, результаты анализа ROI не указывали на значимую активацию. Этот вывод может быть связан с относительно небольшим размером и более глубоким расположением соматомоторной коры нижних конечностей по сравнению с верхними конечностями, которая расположена в продольной борозде⁶⁶. Кроме того, сигнал fNIRS менее чувствителен к неповерхностным областям мозга⁶⁷.

При сравнении состояния «без помощи» и «с помощью» только контралатеральная ЧВК показала существенно отличающуюся активацию между этими двумя состояниями. Это не удивительно, учитывая, что двигательная задача была визуально управляемой и, таким образом, вероятно, требовала большего внимания и двигательных усилий в условиях отсутствия помощи. Считается, что ПМК играет роль в исполнительной функции, включая двигательную подготовку и планирование⁶⁸. Кроме того, недавние исследования показали роль ПМК в пространственном внимании и рабочей памяти^. Результаты этого исследования согласуются с предыдущими, в которых подчеркивалась роль этой области в исполнительной функции⁶⁸ и двигательной подготовке верхних конечностей 70,71,72 и движениях нижних конечностей⁷³. Этот результат также согласуется с результатами исследований походки, включающих двойные задачи, которые показали корреляцию между вниманием, необходимым для выполнения задачи, и активацией PMC^74,75.

Данное исследование имеет ряд ограничений. Во-первых, размер выборки был небольшим. Будущие исследования должны расширить текущие исследования за счет увеличения размера выборки, включая более разнообразные демографические группы, такие как женщины и другие возрастные группы, чтобы установить нормативные значения как для HbO, так и для HbR (в этом исследовании приняли участие 5 мужчин и 1 женщина в возрасте от 40 до 62 лет). Во-вторых, монтаж крышки был основан на системе ЭЭГ 10-10, а анализ ROI использовал стандартную модель мозга MNI152. В будущих исследованиях могут использоваться индивидуальные структурные МРТ, навигация мозга или fNIRS высокой плотности. Кроме того, записи выполнялись в течение одного сеанса, и, таким образом, внутрисубъектная вариабельность записей fNIRS не оценивалась. Кроме того, результаты анализов HbO и HbR были разными, хотя оба этих измерения связаны с одними и теми же нейрофизиологическими явлениями (а именно с функцией гемодинамического ответа). Тем не менее, наблюдаемые различия согласуются с предшествующей литературой, указывающей на неодинаковую чувствительность этих двух хромофоров к другим системным искажающим факторам и отсутствие согласия в их интерпретации³⁴. Наконец, поскольку скорость игры в условиях отсутствия помощи была разной для каждого испытуемого (потому что следующее испытание начиналось только после того, как текущая цель была успешно достигнута), это могло увеличить дисперсию активации мозга испытуемых.

Основываясь на результатах этого технико-экономического обоснования, мы планируем использовать экспериментальный протокол fNIRS, аналогичный представленному здесь, в пилотном клиническом исследовании, проводимом в настоящее время в Федеральном университете Сан-Карлоса, Бразилия, целью которого является оценка терапевтического воздействия робота на двигательные способности нижних конечностей пациентов с хроническим инсультом. Карты активации мозга, представленные здесь, потенциально могут служить эталоном для активации мозга у здоровых людей, что может быть полезно при изучении эффектов роботизированной терапии на нижние конечности.