Une expérience utilisant la spectroscopie fonctionnelle proche infrarouge et les mouvements de pointage multi-articulaires assistés par robot du membre inférieur

Les données épidémiologiques indiquent qu’il y a ~17 millions de nouveaux cas d’AVC chaque année dans le monde, avec une augmentation de l’incidence dans les pays à revenu faible et intermédiaire¹. Le nombre de nouveaux cas devrait atteindre 77 millions d’ici 2030². La déficience motrice due à un AVC affecte souvent la mobilité du patient et sa participation aux activités de la vie quotidienne, contribuant à une faible qualité de vie. La rééducation motrice traditionnelle comprend la thérapie manuelle, mais au cours des dernières décennies, des systèmes robotiques de rééducation ont été développés. Ces systèmes peuvent fournir une thérapie à haute intensité, dose, quantifiabilité, fiabilité, répétabilité et flexibilité³ et ont montré leur potentiel en tant que traitements de réadaptation efficaces pour les patients victimes d’AVC aigu et chronique ^4,5,6. En plus de l’administration de la thérapie, les systèmes robotiques de réadaptation peuvent être utilisés comme outils d’évaluation car ils peuvent être équipés de capteurs capables de mesurer les données cinématiques/cinétiques des mouvements du patient ^7,8. Pour la rééducation motrice des membres supérieurs, ces données se sont non seulement avérées utiles pour évaluer le niveau de récupération motrice du patient induit par la thérapie robotique et ont servi d’outil supplémentaire aux évaluations cliniques traditionnelles ^9,10, mais elles ont également contribué à faire progresser la compréhension du processus de récupération motrice après un AVC^{11, 12} ainsi que le contrôle neuronal du mouvement et l’apprentissage moteur chez des sujets sains ^3,13,14. En conséquence, ces résultats ont fourni une base pour améliorer les traitements de réadaptation¹⁵.

Au cours des deux dernières décennies, de nombreux dispositifs robotiques pour la neuroréhabilitation des membres inférieurs ont été proposés, allant des exosquelettes qui supportent le poids corporel du patient pendant la marche (par exemple, sur un tapis roulant, comme Lokomat¹⁶) aux systèmes robotiques stationnaires qui permettent au patient d’exercer la cheville, le genou ou le pied sans marcher (tels que le Rutgers Ankle¹⁷, le robot de rééducation de la cheville à haute performance¹⁸ et le robot de rééducation cheville/pied de l’Institut des sciences et technologies de Gwangju (GIST)¹⁹) ou des orthèses plantaires actives qui sont des exosquelettes actionnés portés par le patient pour marcher sur le sol ou sur un tapis roulant (comme l’orthèse de marche motorisée²⁰ et le MIT Anklebot²¹). Voir 22,23,4 pour une revue sur les robots pour la rééducation des membres inférieurs.

Les résultats des études cliniques sur les dispositifs robotiques pour la rééducation des membres inférieurs chez les patients victimes d’un AVC ont été encourageants et ont montré que ces systèmes peuvent améliorer l’amplitude des mouvements des articulations, la force musculaire ou la démarche, selon le dispositif spécifique et le protocole clinique (voir ^24,25 pour une revue sur l’efficacité des robots des membres inférieurs pour la rééducation). Bien qu’il ait été postulé que la thérapie assistée par robot favorise les changements neuroplastiques, qui se traduisent finalement par une amélioration des capacités motrices²⁶, la façon dont le processus de récupération motrice après un AVC se produit exactement et quels protocoles d’entraînement robotique optimisent le processus de récupération des capacités motrices des membres inférieurs, restent pour la plupart floues. En fait, il existe un écart important et croissant entre le développement croissant des robots de réadaptation (que ce soit par des chercheurs universitaires ou des entités commerciales) et la compréhension limitée des mécanismes neurophysiologiques qui sous-tendent la récupération motrice⁴. Les mesures de la cinématique du mouvement ou des couples articulaires prises avec des capteurs intégrés ont contribué à décrire quantitativement les changements de comportement moteur qui se produisent lorsque les patients récupèrent les capacités motrices des membres inférieurs 27,28,29, comblant partiellement cette lacune. Cependant, les corrélats neuronaux sous-jacents à ces changements ont été moins étudiés. Cela est dû à plusieurs raisons.

L’imagerie fonctionnelle cérébrale prend du temps et est parfois difficile à réaliser dans le contexte des essais cliniques, qui nécessitent souvent de réduire au minimum la charge des patients afin de maximiser la probabilité que les patients adhèrent à l’étude. Cela est particulièrement vrai pour les personnes ayant subi un AVC, étant donné que la fatigue post-AVC et la faiblesse musculaire sont fréquemment observées³⁰. De plus, les modalités d’imagerie basées sur les champs magnétiques, telles que l’imagerie par résonance magnétique fonctionnelle (IRMf), nécessitent que le patient et le matériel robotique soient sans danger pour les aimants.

Parmi les modalités d’imagerie non invasives, la spectroscopie fonctionnelle proche infrarouge (fNIRS) est une technique d’imagerie particulièrement adaptée à l’évaluation des zones d’activation cérébrale chez les sujets subissant une thérapie robotique. Comme pour l’IRMf, la fNIRS mesure l’oxygénation/désoxygénation du sang dans le cerveau. Cependant, contrairement à l’IRMf, la fNIRS est entièrement compatible avec le matériel robotique et elle est souvent portable, voire utilisable au chevet du patient. De plus, la fNIRS a un faible coût et une sensibilité moindre aux artefacts de mouvement 31,32,33.

Malgré ses avantages évidents et son utilisation généralisée dans de nombreux contextes cliniques depuis son introduction à la fin des années 70³⁴, seules quelques études ont utilisé la fNIRS pour quantifier l’activation cérébrale associée aux mouvements des membres inférieurs et à la récupération motrice de l’AVC. Les études FNIRS visant à élucider les mécanismes du contrôle neuronal du mouvement et/ou les mécanismes ou l’évaluation de la récupération motrice après un AVC ont principalement étudié les mouvements d’une seule articulation (par exemple, la dorsiflexion, la flexion plantaire ou les mouvements d’extension du genou 35,36,37), la marche 38,39,40,41,42,43 ou le cyclisme⁴⁴. Voir⁴⁵ pour une critique. De même, les études fNIRS sur la thérapie assistée par robot pour le membre inférieur se sont principalement concentrées sur la rééducation de la marche assistée par robot ; voir⁴⁶ pour une critique. Quelques études se sont concentrées sur l’utilisation de la fNIRS dans le cadre d’un système d’interface cerveau-ordinateur (BCI) pour dériver des signaux de contrôle pour des dispositifs robotiques^47,48 ; bien que ce domaine de recherche repose également sur le traitement des signaux fNIRS, son objectif est différent et principalement axé sur le décodage des intentions des patients (par exemple, les patients souffrant de handicaps moteurs sévères).

L’étude pilote présentée ici fait partie d’un effort initial visant à étudier les effets d’un système robotique pour la rééducation des membres inférieurs. Le robot peut offrir une rééducation ciblée des membres inférieurs qui implique un entraînement aux mouvements multiarticulaires quotidiens ainsi qu’une thérapie aux articulations uniques (par exemple, le genou ou la cheville) du membre inférieur (c’est-à-dire mettre en œuvre un programme de réadaptation ascendant).

L’étude visait à étudier la faisabilité d’un protocole expérimental nécessitant l’acquisition de données fNIRS lors de l’exécution de mouvements de pointage multi-articulaires des membres inférieurs. La durée de la période d’acquisition des données dans cette étude, qui a été limitée à 6 minutes, est plus courte que les protocoles fNIRS typiques. Il s’agissait d’un choix délibéré fait dans le but d’améliorer l’aspect pratique et l’applicabilité clinique de cette recherche, en particulier chez les patients à mobilité ou force limitées. L’identification des corrélats fNIRS de ces mouvements multi-articulaires complexes et la compréhension de la façon dont l’activation cérébrale était modulée par l’assistance robotique étaient également des points d’intérêt. À cette fin, deux sessions d’expérimentations ont été menées avec les mêmes participants : l’une sans assistance robotique et l’autre avec assistance robotisée. Enfin, il est important de noter que cette étude s’est concentrée sur des sujets sains afin d’établir une base pour les recherches futures en termes d’enregistrement de la faisabilité du protocole et d’évaluation de l’activation cérébrale lors des mouvements ciblés par la thérapie robotique.

Appareil
Un robot portable conçu pour assurer la rééducation des membres inférieurs (voir Figure 1) a été utilisé pour mener nos expériences. Le robot dispose d’un espace de travail accessible en 3D et est compact et léger, pesant environ 35 lb, ce qui le rend facile à transporter et à installer.

Figure 1 : Dispositif expérimental. (A) Le système robotique (installé au sol) conçu pour le membre inférieur. Un volontaire est montré en train d’utiliser l’interface avec son pied droit. (B) Structure de support pour le pied du sujet qui permet la fixation au système robotique. (C) Une capture d’écran du jeu Picnic. L’objectif du jeu est de déplacer le pied (chaussure verte et blanche) vers la cible (cercle jaune). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Le système robotique est conçu pour aider un patient à effectuer des mouvements des membres inférieurs similaires à ceux effectués dans les tâches quotidiennes, telles que pointer ou donner des coups de pied. Il utilise des jeux interactifs de réalité virtuelle, qui sont affichés sur un écran d’ordinateur ou un écran de télévision placé devant le dispositif robotique (voir Figure 1). L’effecteur final du robot est fixé au membre inférieur du patient (par exemple, la cheville) et sa position est mappée à la position d’un curseur sur l’écran. Un jeu typique montre les cibles de mouvement du patient (par exemple, l’objet à pointer ou l’endroit où frapper le ballon).

Pour accomplir la tâche de mouvement, le robot peut aider le patient avec un niveau d’assistance qui peut aller d’une assistance complète à aucune. Le niveau d’assistance robotique est choisi au début de chaque séance de rééducation en fonction du niveau de déficience motrice du patient. Les mouvements effectués par le sujet sont utilisés par le jeu pour noter la performance du patient et lui fournir un retour sur sa performance (par exemple, ROM, nombre de mouvements et niveau d’assistance robotique). Les jeux sont conçus pour être interactifs et divertissants afin de maintenir l’intérêt et l’attention des patients. Dans cette étude, les participants ont joué au « jeu de pique- », dans lequel le joueur devait empêcher les insectes d’atteindre la serviette et de voler la nourriture (voir Figure 1, panneau inférieur, pour une capture d’écran).

L’acquisition des données a été effectuée avec un système d’acquisition fNIRS portable avec deux optodes à ondes continues différentes (760 nm et 850 nm), 8 sources LED à double pointe et 8 détecteurs actifs à double pointe. Les signaux ont été acquis à l’aide d’une fréquence d’échantillonnage de 10,17 Hz. Un ordinateur portable a été utilisé pour l’optimisation de l’étalonnage et l’enregistrement du signal à l’aide d’un réseau Wi-Fi créé par le système fNIRS.

Un capuchon a été utilisé pour maintenir les optodes aux endroits prédéterminés. Les sources et les détecteurs ont été placés selon le système EEG international 10-10 dans une distribution spatiale en grille. Chaque canal fNIRS a été défini par une paire source-détecteur avec des distances inter-optodes d’environ 30 mm. Les optodes ont été placés sur les zones supplémentaires du moteur, du prémoteur et du moteur aux endroits indiqués à la figure 2. Le nombre total de canaux était de 28, dont 8 étaient des canaux à courte distance couplés à chaque source à l’aide d’un adaptateur à fibre optique à un seul détecteur. Compte tenu de la configuration de multiplexage du matériel, il est possible d’acquérir des informations à courte distance à partir de toutes les sources en utilisant un seul détecteur.

Figure 2 : Disposition du montage à l’aide du système EEG 10-10. Les lettres et les chiffres indiquent l’emplacement de la source/du détecteur. Les points rouges et bleus représentent respectivement la source et les optodes du détecteur. Les lignes vertes représentent les canaux fNIRS qui sont constitués de paires source et détecteur. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Conception expérimentale
L’expérience a été menée dans deux conditions expérimentales distinctes, différant par le niveau d’assistance fourni par le robot pour les mouvements du sujet. Dans la première condition, le robot était programmé pour ne pas fournir d’assistance aux mouvements du sujet, tandis que dans la seconde condition, le robot contrôlait les mouvements des pieds et des jambes du sujet (mouvement assisté par robot).

Chaque expérience a suivi un paradigme de conception de blocs impliquant des cycles alternés d’une tâche motrice (jouer le jeu - 30 s) et de repos (30 s), comme illustré à la figure 3. Le début et la fin de chaque phase (jeu/jeu ou repos) étaient signalés visuellement au sujet par l’écran de l’ordinateur. Pendant la phase de repos, un message indiquant une pause s’est affiché. Chaque cycle (jeu/jeu + repos) a duré 60 s et a été répété six fois, ce qui a donné une durée totale de 360 s (6 min).

Les participants ont joué au « jeu du pique- », dont l’objectif était d’empêcher les insectes d’atteindre la serviette et de voler de la nourriture. Ce jeu impliquait une séquence de mouvements des membres inférieurs, partant d’une cible d’origine désignée (position initiale) et s’étendant vers l’une des trois cibles extérieures avant de revenir à la cible d’origine. Sur l’écran, les cibles extérieures étaient visuellement représentées sous forme d’insectes animés en mouvement, que les participants devaient atteindre et sur lesquels marcher. Il y avait trois cibles extérieures, chacune présentée au hasard un nombre égal de fois, ainsi qu’une cible commune pour chaque mouvement. La distance que le pied devait parcourir entre la cible d’origine et la position des cibles extérieures formait un arc mesurant environ 26 cm. La tâche motrice nécessitait l’exécution de mouvements multi-articulaires, exigeant une coordination entre les mouvements de flexion/extension du genou, de flexion plantaire et de dorsiflexion.

Les enregistrements de données fNIRS ont été synchronisés avec les stimuli visuels présentés par le jeu au sujet par le biais d’une impulsion transistor-transistor-logique (TTL) générée par le robot. Des impulsions ont été générées au début de chaque phase (jeu/jeu et repos). Ainsi, tout le contrôle du timing a été effectué par le jeu, qui a fourni des repères visuels (cibles) au participant pour commencer chaque mouvement, a envoyé des signaux TTL au système fNIRS pour marquer les enregistrements de l’activité cérébrale et, si l’expérience l’exigeait, a envoyé des signaux au système de contrôle du robot pour initier l’assistance au mouvement.

Cette étude a été approuvée par le comité d’éthique local de l’UNICEP (Centro Universitario Paulista). Tous les participants ont donné leur consentement éclairé conformément à toutes les directives institutionnelles et aux normes fédérales concernant la recherche scientifique impliquant des humains. Ils n’ont reçu aucune compensation financière, comme l’exige la réglementation fédérale brésilienne.

1. Système fNIRS

1. Préparez le capuchon à l’aide de 16 optodes : 8 sources lumineuses (760 nm et 850 nm) et 8 détecteurs de lumière (voir Figure 2 ; emplacement des sources : FC1, FC2, C3, Cz, C4, CP1, CP2 et Pz ; emplacement des détecteurs (FCz, C1, C2, CPz, P1 et P3). Fixez le huitième détecteur à l’adaptateur courte distance, qui est connecté à chacun des optodes sources.
2. Ouvrez le logiciel d’acquisition fNIRS et chargez le montage avec le placement de chaque optode.
3. Réglez la fréquence d’échantillonnage temporelle du signal fNIRS à 10,17 Hz.

2. Participants

1. Expliquez brièvement la pertinence de la recherche et le protocole expérimental au participant.
2. Si le participant accepte de faire du bénévolat, assurez-vous qu’il donne son consentement éclairé en suivant toutes les directives institutionnelles et les normes fédérales concernant la recherche scientifique impliquant des humains.
3. Demandez au volontaire de s’asseoir sur un fauteuil devant le robot, positionné à environ 150 cm de l’écran de l’ordinateur.
4. Après avoir retiré les chaussures, attachez confortablement le pied du participant au bras du robot avec des sangles velcro (voir Figure 1, panneau supérieur gauche).
5. Placez le capuchon fNIRS avec les optodes dans la tête du participant et fixez-le solidement avec la fermeture auto-agrippante sous le menton.
6. Placez le capuchon sur le capuchon d’optique pour réduire les interférences de la lumière ambiante.

3. Acquisition de données

1. Demandez à chaque participant de ne pas faire de mouvements brusques de la tête pour minimiser le risque d’artefacts de mouvement.
2. Calibrez le système fNIRS pour une qualité de signal optimale.
3. Certifiez que tous les canaux sont de bonne qualité, comme le montre l’interface. Sinon, essayez d’enlever les cheveux entre le cuir chevelu et l’embout optode.
4. Expliquez au participant comment jouer au jeu en déplaçant le pied attaché au robot pour atteindre les cibles indiquées à l’écran.
5. Expliquez aux participants qu’il y aura deux conditions : sans et avec assistance robotique.

4. Système robotique

1. Mettez le système sous tension en connectant le moniteur et le robot à la source du réseau électrique. Une fois le système d’exploitation initialisé, la première interface de jeu apparaît.
2. Positionnez le bras robotique à l’emplacement standard et attendez de recevoir le message de retour d’information du bras robotique correctement positionné .
3. Entrez des données descriptives sur le participant et l’expérimentateur dans le système pour vous connecter à l’interface de jeu du robot.
4. Dans l’interface de sélection du jeu, configurez la durée de la session sur 6 min avec des intervalles de repos de 30 s.
5. Sélectionnez la jambe appropriée (droite ou gauche) à utiliser par le participant.
6. Sélectionnez le jeu de pique- et cliquez sur Aller pour jouer au jeu.

5. Analyse des données

1. Convertir les signaux bruts en états hémodynamiques (oxyhémoglobine (HbO) et désoxyhémoglobine (HbR)) en utilisant l’équation de Beer-Lambert^{modifiée 49}.
2. Créez des cartes d’activation individuelles à l’aide du modèle linéaire général (GLM) avec une estimation robuste et une estimation d’autocorrélation, qui est moins affectée par les artefacts de mouvement⁵⁰. Utilisez le plan expérimental (repos = 0 ; jeu/jeu = 1) alambiqué par la fonction de réponse hémodynamique canonique (HRF) comme variable indépendante et le signal HbO ou HbR observé comme variable dépendante.
3. Pour chaque canal, extrayez le coefficient bêta (qui reflète la force d’activation du canal) pendant le jeu/le jeu par rapport au reste.
4. Fusionnez les canaux dans trois régions d’intérêt (ROI) et faites la moyenne des coefficients d’activation (bêta GLM) sur les canaux ROI. Définissez les ROI comme suit (voir Figure 2) : (1) zone prémotrice pour l’hémisphère gauche (canaux [FC1-FCz, C1-FC1, C1-Cz, C3-C1]) ; (2) aire somatomotrice de l’hémisphère gauche (canaux [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]) ; et (3) surface motrice supplémentaire (SMA) (canaux [Cz-FCz, CPz-Cz]).
   REMARQUE : D’après la littérature antérieure sur les tâches motrices similaires à celle étudiée ici 51,52,53 et étant donné que tous les participants ont exécuté la tâche motrice avec leur jambe droite, on a émis l’hypothèse que les régions prémotrice et somatomotrice gauche (controlatérale), ainsi que l’AS, présenteraient une activation pendant la performance de jeu/jeu dans les deux conditions, avec une activation plus forte dans la condition non assistée.
5. Appliquez le test de Wilcoxon non paramétrique à ces bêtas. Définissez l’erreur de type I à 5 % (analyse unilatérale).

Les six sujets ont terminé les deux expériences. Dans la condition de non-assistance, une moyenne de 76,67 essais (std. 10,73) a été complétée par chaque sujet (notez que pour chaque sujet, le nombre d’essais dépendait du nombre d’atteintes réussies puisqu’une nouvelle cible n’était indiquée que si la précédente était atteinte). Dans la condition d’assistance, où le mouvement du sujet était entièrement aidé par le robot, tous les sujets ont effectué 70 essais. Les données fNIRS ont été enregistrées avec succès chez tous les sujets.

La figure 4 montre les cartes d’activation cérébrale d’un seul sujet comparant les périodes de jeu/jeu et de repos pour l’HbO et l’HbR. Pour chaque sujet, les cartes associées aux changements d’HbO ont montré une activation statistiquement significative (p < 0,01) dans la condition expérimentale sans l’assistance d’un robot, tandis que seuls deux sujets ont montré une activation statistiquement significative dans la condition expérimentale avec l’assistance d’un robot. En ce qui concerne l’HbR, quatre sujets ont présenté une activation statistiquement significative (p < 0,01) dans les deux conditions, bien que dans moins de canaux que l’HbO.

La figure 5 résume les résultats des sujets individuels des analyses basées sur des hypothèses basées sur le retour sur investissement. Parmi tous les ROI examinés, seul le cortex prémoteur gauche présentait une augmentation statistiquement significative de l’activation de l’HbO pendant le jeu/le jeu par rapport à la comparaison au repos (p = 0,046) et uniquement dans la condition sans assistance robotique. De plus, ce retour sur investissement présentait une plus grande activation dans la condition sans assistance robotique par rapport à la condition avec assistance robotique (p = 0,016). Il n’y avait pas de différences statistiquement significatives pour les autres ROI ou dans les analyses basées sur l’HbR, que ce soit dans les analyses de jeu/jeu par rapport au repos ou dans les comparaisons entre les conditions (p>0,05). Ainsi, au niveau du groupe, aucune différence statistiquement significative n’a été observée au niveau du cortex somatomoteur gauche, de l’AS ou dans les analyses basées sur l’HbR.

Figure 3 : Expérience de conception de blocs avec des blocs alternés de conditions de jeu et d’état de repos. Le sujet a joué au jeu du pique-en continu pendant 30 s (période de jeu) et est resté immobile pendant les 30 s suivantes (période de repos). Ce cycle a été répété 6 fois, ce qui a donné une durée de session de 6 min (notez que seulement 150 s sont montrées sur la figure). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4 : Cartes d’activation statistique du cerveau à seuil monosujet. Cartes d’activation statistique du cerveau d’un seul sujet (valeur p du canal < 0,01) des six sujets (S1-S6) pour l’HbO et l’HbR dans les deux conditions expérimentales (mouvements avec et sans assistance robotique). Notez que seules les cartes affichant une activation statistiquement significative sont présentées (c’est-à-dire que tout sujet et condition avec un emplacement vide indique qu’aucune activation significative n’a été observée pour cette combinaison particulière). La barre de couleur représente l’amplitude des statistiques t du coefficient d’activation (GLM beta) de chaque canal fNIRS. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5 : Activation du cortex prémoteur gauche basée sur les signaux HbO. Comme détaillé à l’étape 5.2, les coefficients bêta ont été estimés à l’aide d’un GLM, et l’amplitude d’activation a été quantifiée pour chaque sujet, condition expérimentale (mouvements non assistés et assistés) et canaux spécifiques (notez que les valeurs bêta pour le ROI ont été obtenues en faisant la moyenne des canaux dans le cortex prémoteur gauche). Le graphique à points représente visuellement les coefficients bêta moyens du retour sur investissement pour chaque sujet et condition, les points rouges et verts indiquant respectivement les mouvements assistés et non assistés. Pour chaque sujet, le coefficient bêta du retour sur investissement de la condition non assistée est supérieur à celui de la condition assistée, ce qui signifie une plus grande activation dans la première condition. Ce résultat est cohérent dans toutes les matières. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Dans cette étude de preuve de concept, la faisabilité de faire des inférences sur la cartographie de l’activation cérébrale à l’aide de données fNIRS de sujets sains pendant qu’ils s’entraînaient avec différents types de mouvements à l’aide d’un robot pour la rééducation des membres inférieurs a été étudiée. Les sessions d’enregistrement fNIRS typiques chez les adultes durent plus de 6 min⁵⁴. Cependant, pour rendre les enregistrements réalisables dans le contexte d’un contexte de réadaptation, la durée globale de l’expérience doit être réduite au minimum afin d’éviter une fatigue et des efforts inutiles pour le sujet. Cette étude a également testé si une expérience de conception de blocs avec 6 blocs de répétition de tâches (d’une durée de 6 min) était suffisante pour évaluer la réponse hémodynamique et détecter la différence entre la condition d’assistance et la condition de non-assistance. Les résultats suggèrent que ces enregistrements sont informatifs et que la fNIRS pourrait en effet être une méthode utile pour détecter les changements dans la concentration d’HbO associés aux régimes d’exercice avec différents niveaux d’assistance robotique aux membres inférieurs. Même avec un échantillon de petite taille, une activation prémotrice controlatérale significative mesurée par HbO lors de la comparaison des blocs de tâche et de repos a été trouvée ; Tous les sujets présentaient une plus grande activation dans cette région dans la condition sans assistance par rapport à la condition assistée par robot.

Les données fNIRS ont été enregistrées dans deux conditions différentes, correspondant à deux niveaux différents d’effort du sujet nécessaire pour accomplir la tâche motrice. Dans la première série d’expériences, le robot K a été réglé sur 10, ce qui correspondait à l’absence d’assistance du robot. Dans la deuxième série d’expériences, K a été fixé à 150 ; avec cette valeur de K, le membre inférieur du sujet a été presque entièrement déplacé par le robot. Comme le montre la figure 4, tous les sujets présentaient une activation cérébrale statistiquement significative dans la condition non assistée ; lorsque K était réglé à 150, seuls deux sujets présentaient une activation significative.

Comme le résume la figure 5, les résultats ont également montré que les changements de concentration d’HbO associés aux exercices non assistés (niveau d’effort plus élevé) étaient globalement plus élevés que les changements associés aux exercices assistés. Cependant, une différence significative n’a été observée que dans le cortex prémoteur controlatéral (PMC). Cette découverte est cohérente avec les résultats de plusieurs études antérieures de neuroimagerie sur l’homme qui ont révélé une augmentation de l’activation neuronale avec des niveaux croissants de force^55,56. La plupart des études précédentes, cependant, ont examiné le membre supérieur ; La majorité s’est concentrée sur des tâches statiques et isométriques, tandis que seules quelques-unes ont évalué les mouvements dynamiques 57,58,59.

Relativement moins d’études se sont concentrées sur le membre inférieur. Quelques-uns d’entre eux se sont concentrés sur des tâches motrices statiques. Alexandre et ^al.51 ont étudié les corrélats fNIRS des contractions volontaires maximales et sous-maximales (MVC) des extenseurs du genou chez des sujets sains et chroniques atteints de bronchopneumopathie obstructive. À l’aide de l’IRMf, Yoon et ^al.52 ont étudié les changements d’activation corticale pendant les contractions isométriques avec les muscles dorsifléchisseurs de la cheville à différents niveaux MVC. D’autres études se sont concentrées sur la marche 60,61,62. À l’aide de la fNIRS, Harada et ^al.60 ont étudié les modèles d’activation corticale pendant la marche à trois intensités chez des sujets sains et ont constaté que l’augmentation de la vitesse et de la cadence locomotrices était associée à un degré plus élevé d’activation corticale. Bonnal et ^al.62 ont étudié l’activation corticale chez des sujets sains pendant la marche médiée par l’exosquelette à différents niveaux d’assistance physique et ont également trouvé la plus grande activation corticale pendant les deux conditions non assistées (50 % et 100 %), mais seulement de légères différences dans l’activation corticale entre les conditions assistées. Les résultats de cette étude sont cohérents avec les résultats de ces études précédentes dans l’ensemble.

Le rôle des aires corticales associées au contrôle neuronal des mouvements des membres inférieurs est encore peu compris et moins étudié par rapport au contrôle neuronal des membres supérieurs. Dans le contexte de la rééducation en particulier, une telle compréhension est essentielle pour établir une base permettant d’identifier la neuroplasticité de ces zones, qui peut survenir, par exemple, à la suite de troubles moteurs d’origine neurologique, d’un exercice moteur ou du vieillissement. Comme le montre la figure 4, tous les sujets ont montré une activation dans les zones PMC ou SMA pendant la condition non assistée. Les résultats spécifiques au canal présentés dans la figure indiquent que bien que l’activation soit bilatérale, elle était plus importante dans l’hémisphère controlatéral. Dans l’ensemble, ces résultats sont cohérents avec l’étude d’Alexandre et ^al.51 qui a montré l’activation des zones corticales controlatérales motrices primaires (M1) et somatosensorielles primaires (S1), PMC et préfrontales (PFC) pendant l’extension du genou. De plus, ces résultats sont cohérents avec les résultats de l’étude de Yoon et ^al.52 qui ont montré une activation dans la M1 controlatérale, l’AS, le putamen, le cortex cingulaire pallidum et le cervelet ipsilatéral pendant la flexion dorsale de la cheville, et avec les résultats de l’étude de Ciccarelli et ^al.53 qui ont trouvé l’activation de la M1 controlatérale et des cortex sensoriels. ainsi que PMC et les régions sous-corticales lors des mouvements de la cheville.

Les mouvements de l’hémicorps sont considérés comme contrôlés par l’hémisphère controlatéral du cortex cérébral. Cependant, une atteinte corticale ipsilatérale a été rapportée pour les mouvements unimanuels 56,63,64, ainsi que pour les mouvements unilatéraux du pied (voir aussi⁶⁵ pour une revue). Contrairement à ces études, l’analyse n’a pas révélé d’activation cohérente dans le cortex somatomoteur chez tous les sujets, comme illustré à la figure 4 ; de plus, les résultats de l’analyse du retour sur investissement n’indiquaient pas d’activation significative. Cette découverte pourrait être attribuée à la taille relativement petite et à l’emplacement plus profond du cortex somatomoteur pour les membres inférieurs, par rapport aux membres supérieurs, qui est situé au sillon^{longitudinal 66}. De plus, le signal fNIRS est moins sensible aux zones cérébrales non superficielles⁶⁷.

En comparant l’absence d’assistance à la condition d’assistance, seule la PMC controlatérale présentait une activation significativement différente entre les deux conditions. Cela n’est pas surprenant étant donné que la tâche motrice était guidée visuellement et nécessitait donc probablement plus d’attention et d’effort moteur dans la condition de non-assistance. La PMC est considérée comme ayant un rôle dans la fonction exécutive, y compris la préparation motrice et la planification⁶⁸. De plus, des études récentes ont suggéré un rôle PMC dans l’attention spatiale et la mémoire de travail⁶⁹. Le résultat de cette étude est conforme aux précédentes qui ont mis en évidence le rôle de cette zone dans la fonction exécutive⁶⁸ et la préparation motrice des mouvements des membres supérieurs 70,71,72 et des membres inférieurs ⁷³. Ce résultat est également cohérent avec les résultats d’études de marche impliquant des tâches doubles qui ont montré la corrélation entre l’attention requise pour effectuer la tâche et l’activation de la PMC^74,75.

Cette étude présente plusieurs limites. Premièrement, la taille de l’échantillon était petite. Les recherches futures devraient élargir la recherche actuelle en augmentant la taille de l’échantillon, y compris un groupe démographique plus diversifié, comme les femmes et d’autres groupes d’âge, afin d’établir des valeurs normatives pour l’HbO et l’HbR (cette étude comprenait 5 hommes et 1 femme, âgés de 40 à 62 ans). Deuxièmement, le montage du capuchon était basé sur le système EEG 10-10 et l’analyse du retour sur investissement a utilisé un modèle cérébral standard MNI152. Les études futures pourraient utiliser des IRM structurelles individuelles, la navigation cérébrale ou la fNIRS à haute densité. De plus, les enregistrements ont été effectués en une seule session, et par conséquent, la variabilité intra-sujet des enregistrements fNIRS n’a pas été évaluée. De plus, les résultats des analyses HbO et HbR étaient différents, bien que ces deux mesures soient associées aux mêmes phénomènes neurophysiologiques (à savoir, la fonction de réponse hémodynamique). Cependant, la différence observée s’aligne sur la littérature antérieure indiquant une sensibilité inégale de ces deux chromophores à d’autres facteurs de confusion systémiques et l’absence d’accord sur son interprétation³⁴. Enfin, comme la vitesse de jeu sans assistance était différente pour chaque sujet (parce que l’essai suivant n’a commencé qu’après que l’objectif actuel ait été atteint avec succès), cela pourrait avoir augmenté la variance de l’activation cérébrale des sujets.

Sur la base des résultats de cette étude de faisabilité, nous prévoyons d’utiliser un protocole expérimental fNIRS similaire à celui présenté ici dans une étude clinique pilote actuellement en cours à l’Université fédérale de Sao Carlos, au Brésil, qui vise à évaluer les effets thérapeutiques du robot sur les capacités motrices des membres inférieurs des patients victimes d’un AVC chronique. Les cartes d’activation cérébrale présentées ici peuvent potentiellement offrir une référence pour l’activation cérébrale chez les individus en bonne santé qui pourrait être utile pour étudier les effets de la thérapie robotique sur le membre inférieur.