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

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 ictus^{11. 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 robóticos^47,48; 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.

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). Haga clic aquí para ver una versión más grande de esta figura.

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.

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. Haga clic aquí para ver una versión más grande de esta figura.

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.

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

1. Prepare la tapa utilizando 16 optos: 8 fuentes de luz (760 nm y 850 nm) y 8 detectores de luz (ver Figura 2; ubicación de las fuentes: FC1, FC2, C3, Cz, C4, CP1, CP2 y Pz; ubicación de los detectores (FCz, C1, C2, CPz, P1 y P3). Conecte el octavo detector al adaptador de corta distancia, que está conectado a cada uno de los optodos de la fuente.
2. Abra el software de adquisición fNIRS y cargue el montaje con la colocación de cada optodo.
3. Ajuste la frecuencia de muestreo temporal de la señal fNIRS a 10,17 Hz.

2. Participantes

1. Explique brevemente la relevancia de la investigación y el protocolo experimental al participante.
2. Si el participante acepta ser voluntario, asegúrese de que el voluntario proporcione su consentimiento informado siguiendo todas las pautas institucionales y las normas federales con respecto a la investigación científica que involucra seres humanos.
3. Indique al voluntario que se siente en un sillón frente al robot, colocado aproximadamente a 150 cm del monitor de la computadora.
4. Después de quitarse los zapatos, sujete cómodamente el pie del participante al brazo robótico con correas de velcro (cierre de velcro) (consulte la Figura 1, panel superior izquierdo).
5. Coloque la gorra fNIRS con los optodes en la cabeza del participante y fíjela firmemente con el cierre de velcro debajo de la barbilla.
6. Coloque la tapa superior en la tapa del optodo para reducir la interferencia de la luz ambiental.

3. Adquisición de datos

1. Instruya a cada participante para que no haga movimientos bruscos de la cabeza para minimizar el riesgo de artefactos de movimiento.
2. Calibre el sistema fNIRS para obtener una calidad de señal óptima.
3. Certificar que todos los canales son de buena calidad, como se muestra en la interfaz. Si no es así, intente eliminar el cabello entre el cuero cabelludo y la punta del optodo.
4. Explique al participante cómo jugar el juego moviendo el pie unido al robot para alcanzar los objetivos indicados en la pantalla.
5. Explique a los participantes que habrá dos condiciones: sin y con asistencia robótica.

4. Sistema robótico

1. Encienda el sistema conectando el monitor y el robot a la fuente de la red eléctrica. Una vez inicializado el sistema operativo, aparece la primera interfaz del juego.
2. Coloque el brazo robótico en la ubicación estándar y espere a recibir el mensaje de retroalimentación del brazo robótico colocado correctamente .
3. Introduzca datos descriptivos sobre el participante y el experimentador en el sistema para iniciar sesión en la interfaz de juego de robots.
4. En la interfaz de selección de juegos, configure el tiempo de sesión en 6 minutos con intervalos de descanso de 30 s.
5. Seleccione la pierna apropiada (derecha o izquierda) para ser utilizada por el participante.
6. Selecciona el juego de picnic y haz clic en Ir para jugar.

5. Análisis de datos

1. Convertir las señales brutas en estados hemodinámicos (oxihemoglobina (HbO) y desoxihemoglobina (HbR)) utilizando la ecuación⁴⁹ modificada de Beer-Lambert.
2. Cree mapas de activación individuales utilizando el Modelo Lineal General (GLM) con estimación robusta y estimación de autocorrelación, que se ve menos afectada por los artefactos de movimiento⁵⁰. Utilizar el diseño experimental (descanso = 0; juego/juego = 1) enrevesado por la Función de Respuesta Hemodinámica (FCR) canónica como variable independiente y la señal de HbO o HbR observada como variable dependiente.
3. Para cada canal, extrae el coeficiente beta (que refleja la fuerza de activación del canal) durante el juego/juego en comparación con el resto.
4. Combine canales en tres regiones de interés (ROI) y promedie los coeficientes de activación (GLM betas) en los canales de ROI. Defina las ROI de la siguiente manera (véase la Figura 2): (1) área premotora para el hemisferio izquierdo (canales [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) área somatomotora del hemisferio izquierdo (canales [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); y (3) área motora suplementaria (AME) (canales [Cz-FCz, CPz-Cz]).
   NOTA: Con base en la literatura previa sobre tareas motoras similares a la aquí investigada 51,52,53 y dado que todos los participantes ejecutaron la tarea motora con la pierna derecha, se planteó la hipótesis de que las regiones premotoras y somatomotoras izquierdas (contralaterales), así como la AME, mostrarían activación durante el rendimiento del juego/juego en ambas condiciones, con una activación más fuerte en la condición no asistida.
5. Aplique la prueba no paramétrica de Wilcoxon a estas betas. Establezca el error de tipo I en 5% (análisis de una cola).

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 los sujetos.

La Figura 4 muestra los mapas de activación cerebral de un solo sujeto que comparan los períodos de juego/juego frente a los períodos de descanso para HbO y HbR. Para cada sujeto, los mapas asociados con los cambios en la HbO mostraron una activación estadísticamente significativa (p < 0,01) en la condición experimental sin asistencia de un robot, mientras que solo dos sujetos mostraron una activación estadísticamente significativa en la condición experimental con la asistencia de un robot. En cuanto a la HbR, cuatro sujetos presentaron activación estadísticamente significativa (p < 0,01) en ambas condiciones, aunque en menor número de canales en comparación con la HbO.

La Figura 5 resume los resultados de los sujetos individuales de los análisis basados en hipótesis basados en el ROI. Entre todos los ROI examinados, solo la corteza premotora izquierda mostró un aumento estadísticamente significativo en la activación de HbO durante el juego/juego en relación con la comparación en reposo (p = 0,046) y solo en la condición sin asistencia robótica. Además, este ROI presentó una mayor activación en la condición sin asistencia robótica en comparación con la condición con asistencia robótica (p = 0,016). No hubo diferencias estadísticamente significativas para los otros ROI ni en los análisis basados en HbR, ni en los análisis de juego/juego vs. descanso ni en las comparaciones entre condiciones (p>0,05). Por lo tanto, a nivel de grupo, no se encontraron diferencias estadísticamente significativas en la corteza somatomotora izquierda, AME o en los análisis basados en HbR.

Figura 3: Experimento de diseño de bloques con bloques alternados de condiciones de juego y estado de reposo. El sujeto jugó el juego de picnic de forma continua durante 30 s (período de juego) y permaneció quieto durante los siguientes 30 s (período de descanso). Este ciclo se repitió 6 veces, lo que resultó en una duración de sesión de 6 minutos (nota, solo se muestran 150 s en la figura). Haga clic aquí para ver una versión más grande de esta figura.

Figura 4: Mapas de activación estadística con umbral cerebral de un solo sujeto. Mapas estadísticos de activación de los seis sujetos (S1-S6) para HbO y HbR en ambas condiciones experimentales (movimientos con y sin asistencia robótica) con umbral cerebral de un solo sujeto (valor p del canal < 0,01). Tenga en cuenta que solo se presentan mapas que muestran una activación estadísticamente significativa (es decir, cualquier sujeto y condición con una ranura en blanco indica que no se observó una activación significativa para esa combinación en particular). La barra de color representa la amplitud de las estadísticas t del coeficiente de activación (GLM beta) de cada canal fNIRS. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5: Activación de la corteza premotora izquierda basada en señales de HbO. Como se detalla en el paso 5.2, los coeficientes beta se estimaron utilizando un GLM, y se cuantificó la amplitud de activación para cada sujeto, condición experimental (movimientos asistidos y no asistidos) y canales específicos (nota, los valores beta para el ROI se obtuvieron promediando los canales dentro de la corteza premotora izquierda). El gráfico de puntos representa visualmente los coeficientes beta promedio de ROI para cada sujeto y condición, con los puntos rojo y verde que indican los movimientos asistidos y no asistidos, respectivamente. Para cada sujeto, el coeficiente ROI beta de la condición no asistida es mayor que el de la condición asistida, lo que significa una mayor activación en la condición anterior. Este resultado es consistente en todas las asignaturas. Haga clic aquí para ver una versión más grande de esta figura.

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 experimento debe minimizarse para evitar fatiga y esfuerzo innecesarios para el sujeto. Este estudio también probó si un experimento de diseño de bloques con 6 bloques de repetición de tareas (con una duración de sesión de 6 min) era suficiente para evaluar la respuesta hemodinámica y detectar la diferencia entre la condición de asistencia y la de no asistencia. Los hallazgos sugieren que estos registros son informativos y que fNIRS podría ser un método útil para detectar cambios en la concentración de HbO asociados con regímenes de ejercicio con diferentes niveles de asistencia robótica a las extremidades inferiores. Incluso con un tamaño de muestra pequeño, se encontró una activación premotora contralateral significativa medida por HbO al comparar los bloqueos de tarea con los de descanso; Todos los sujetos presentaron mayor activación en esta región en la condición sin asistencia en comparación con la asistida por robot.

Los datos de fNIRS se registraron durante dos condiciones diferentes, correspondientes a dos niveles diferentes de esfuerzo necesario del sujeto para completar la tarea motora. En el primer conjunto de experimentos, el robot K se ajustó a 10, lo que correspondía a que no había asistencia de robot. En el segundo conjunto de experimentos, K se fijó en 150; con este valor de K, la extremidad inferior del sujeto fue movida casi en su totalidad por el robot. Como se muestra en la Figura 4, todos los sujetos mostraron una activación cerebral estadísticamente significativa en la condición sin asistencia; cuando K se fijó en 150, solo dos sujetos presentaron activación significativa.

Como se resume en la Figura 5, los resultados también mostraron que los cambios en la concentración de HbO asociados con los ejercicios sin asistencia (mayor nivel de esfuerzo) fueron en general más altos que los cambios asociados con los ejercicios asistidos. Sin embargo, solo se encontró una diferencia significativa en la corteza premotora contralateral (CMP). Este hallazgo es consistente con los resultados de varios estudios previos de neuroimagen en humanos que encontraron un aumento de la activación neuronal con el aumento de los niveles de fuerza^55,56. Sin embargo, la mayoría de los estudios anteriores investigaron la extremidad superior; la mayoría se centró en tareas estáticas e isométricas, mientras que solo unos pocos han evaluado los movimientos dinámicos 57,58,59.

Relativamente pocos estudios se han centrado en la extremidad inferior. Algunos de ellos se han centrado en tareas motoras estáticas. Alexandre et ^al.51 investigaron los correlatos fNIRS de las contracciones voluntarias máximas y submáximas (MVC) de los extensores de la rodilla en sujetos sanos y con enfermedad pulmonar obstructiva crónica. Utilizando fMRI, Yoon et ^al.52 investigaron los cambios en la activación cortical durante las contracciones isométricas con los músculos dorsiflexores del tobillo a diferentes niveles de MVC. Otros estudios se han centrado en la marcha 60,61,62. Utilizando fNIRS, Harada et ^al.60 investigaron los patrones de activación cortical durante la marcha a tres intensidades en sujetos sanos y encontraron que el aumento de la velocidad y la cadencia locomotoras se asociaban con un mayor grado de activación cortical. Bonnal et ^al.62 investigaron la activación cortical en sujetos sanos durante la marcha mediada por exoesqueleto a diferentes niveles de asistencia física y también encontraron la mayor activación cortical durante las dos condiciones no asistidas (50% y 100%), pero solo ligeras diferencias en la activación cortical entre las condiciones asistidas. Los resultados de este estudio son consistentes con los resultados de estos estudios previos en general.

El papel de las áreas corticales asociadas con el control neural de los movimientos de las extremidades inferiores es aún poco conocido y menos estudiado en comparación con el control neural de las extremidades superiores. Especialmente en el contexto de la rehabilitación, esta comprensión es clave para establecer una base para identificar la neuroplasticidad de estas áreas, que puede ocurrir, por ejemplo, como resultado de trastornos motores de origen neurológico, ejercicio motor o envejecimiento. Como se muestra en la Figura 4, todos los sujetos mostraron activación en las áreas PMC o AME durante la condición sin asistencia. Los resultados específicos del canal presentados en la figura indican que, aunque la activación fue bilateral, fue más prominente en el hemisferio contralateral. En general, estos hallazgos son consistentes con el estudio de Alexandre et ^al.51 que mostró la activación de las áreas corticales contralaterales motoras primarias (M1) y somatosensoriales primarias (S1), PMC y prefrontales (PFC) durante la extensión de la rodilla. Además, estos hallazgos son consistentes con los resultados del estudio de Yoon et ^al.52 que mostró activación en la corteza contralateral M1, AME, putamen, corteza cingulada del pálido y cerebelo ipsilateral durante la flexión dorsal del tobillo, y con los resultados del estudio de Ciccarelli et ^al.53 que encontró activación de la corteza contralateral M1 y sensitiva, así como PMC y regiones subcorticales durante los movimientos del tobillo.

Se considera que los movimientos del hemicuerpo están controlados por el hemisferio contralateral de la corteza cerebral. Sin embargo, se ha descrito afectación cortical ipsilateral para los movimientos unimanuales 56,63,64, así como para los movimientos unilaterales del pie (véase también⁶⁵ para una revisión). A diferencia de estos estudios, el análisis no reveló una activación consistente en la corteza somatomotora en todos los sujetos, como se ilustra en la Figura 4; además, los resultados del análisis del ROI no indicaron una activación significativa. Este hallazgo podría atribuirse al tamaño relativamente pequeño y a la ubicación más profunda de la corteza somatomotora de las extremidades inferiores, en comparación con las extremidades superiores, que se encuentra en el surco longitudinal⁶⁶. Además, la señal fNIRS es menos sensible a las áreas cerebrales no superficiales⁶⁷.

Al comparar la condición de no asistencia con la condición de asistencia, solo la PMC contralateral mostró una activación significativamente diferente entre las dos condiciones. Esto no es sorprendente dado que la tarea motora fue guiada visualmente y, por lo tanto, probablemente requirió más atención y esfuerzo motor en la condición de no asistencia. Se considera que la CMP tiene un papel en la función ejecutiva, incluida la preparación motora y la planificación⁶⁸. Además, estudios recientes han sugerido un papel de la PMC en la atención espacial y la memoria de trabajo⁶⁹. El resultado de este estudio está en línea con los anteriores que destacaron el papel de esta área en la función ejecutiva⁶⁸ y la preparación motora de los miembros superiores 70,71,72 y los movimientos de los miembros inferiores⁷³. Este resultado también es consistente con los resultados de estudios de marcha que involucran tareas duales que han demostrado la correlación entre la atención requerida para realizar la tarea y la activación de la CMP^74,75.

Este estudio tiene varias limitaciones. En primer lugar, el tamaño de la muestra fue pequeño. Las investigaciones futuras deben ampliar la investigación actual aumentando el tamaño de la muestra, incluyendo un grupo demográfico más diverso, como las mujeres y otros grupos de edad, para establecer valores normativos tanto para la HbO como para la HbR (este estudio incluyó a 5 hombres y 1 mujer, entre 40 y 62 años). En segundo lugar, el montaje de la tapa se basó en el sistema de EEG 10-10, y el análisis del ROI utilizó un modelo cerebral MNI152 estándar. Los estudios futuros podrían utilizar resonancias magnéticas estructurales individuales, navegación cerebral o fNIRS de alta densidad. Además, las grabaciones se realizaron en una sola sesión, por lo que no se evaluó la variabilidad intrasujeto de las grabaciones fNIRS. Además, los resultados de los análisis de HbO y HbR fueron diferentes, aunque ambas medidas se asocian a los mismos fenómenos neurofisiológicos (es decir, la función de respuesta hemodinámica). Sin embargo, la diferencia observada se alinea con la literatura previa que indica la sensibilidad desigual de estos dos cromóforos a otros factores de confusión sistémicos y la falta de acuerdo sobre su interpretación³⁴. Finalmente, dado que la velocidad de juego en la condición de no asistencia fue diferente para cada sujeto (porque el siguiente ensayo solo comenzó después de que se logró con éxito el objetivo actual), esto podría haber aumentado la varianza de la activación cerebral de los sujetos.

Sobre la base de los resultados de este estudio de viabilidad, estamos planeando utilizar un protocolo experimental fNIRS similar al presentado en este documento en un estudio clínico piloto actualmente en curso en la Universidad Federal de São Carlos, Brasil, que tiene como objetivo evaluar los efectos terapéuticos del robot sobre las habilidades motoras de las extremidades inferiores de pacientes con accidente cerebrovascular crónico. Los mapas de activación cerebral presentados en este documento pueden ofrecer una referencia para la activación cerebral en individuos sanos que podría ser útil para estudiar los efectos de la terapia robótica en la extremidad inferior.