$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Allein in den Vereinigten Staaten sind etwa 130 Millionen Menschen von neuromuskulären und muskuloskelettalen Erkrankungen betroffen, was zu jährlichen wirtschaftlichen Auswirkungen von über 800 Milliarden US-Dollar führt 1,2. Diese Gruppe von Störungen ist typischerweise sekundär zur Pathologie innerhalb des Nervensystems, an der neuromuskulären Verbindung oder im Muskel selbst3. Trotz der Vielfalt der pathologischen Ursprünge teilt die Mehrheit ein gewisses Maß an Extremitätenschwäche 1,3. Leider ist diese Schwäche oft dauerhaft angesichts der Einschränkungen bei der Regeneration von Nerven- und Muskelgewebe, insbesondere im Rahmen eines schweren Traumas 4,5,6.
Algorithmen zur Behandlung von Extremitätenschwächen haben sich klassischerweise auf rehabilitative und unterstützende Maßnahmen konzentriert und stützen sich oft auf die Nutzung der Fähigkeiten der verbleibenden intakten Gliedmaßen (Stöcke, Rollstühle usw.). 7. Diese Strategie greift jedoch für diejenigen zu kurz, deren Schwäche nicht auf ein einzelnes Extrem beschränkt ist. Mit den jüngsten Innovationen in Robotertechnologien wurden fortschrittliche Exoskelett-Geräte entwickelt, die die Funktionalität der Extremitäten für Menschen mit Extremitätenschwächewiederherstellen 8,9,10,11,12,13. Diese Roboter-Exoskelette sind oft angetriebene, tragbare Geräte, die bei der Einleitung und Beendigung von Bewegungen oder der Aufrechterhaltung der Gliedmaßenposition helfen können und eine unterschiedliche Kraft bieten, die individuell auf den Benutzer zugeschnitten werden kann 8,9,10,11,12,13 . Diese Geräte werden entweder als passiv oder aktiv klassifiziert, je nachdem, wie sie den Benutzer motorisch unterstützen: Aktive Geräte enthalten elektrische Aktuatoren, die die Leistung des Benutzers erhöhen, während passive Geräte Energie aus den Bewegungen des Benutzers speichern, um sie bei Bedarf an den Benutzer wieder freizugeben14. Da aktive Geräte die Fähigkeit haben, die Leistungsfähigkeit eines Benutzers zu erhöhen, werden diese Geräte viel häufiger bei Extremitätenschwäche eingesetzt[14].
Um die motorische Absicht in dieser Population zu bestimmen, verlassen sich moderne Exoskelette häufig auf Mustererkennungsalgorithmen, die entweder aus der Elektromyographie (EMG) der distalen Extremitätenmuskulatur 8,15,16,17 oder der Oberflächenelektroenzephalographie (sEEG) des Gehirns generiert werden18,19,20 . Trotz des Versprechens dieser Erkennungsmodalitäten haben beide Optionen erhebliche Einschränkungen, die eine breite Verwendung dieser Geräte ausschließen. Da das sEEG Signale im Mikrovolt-Bereich transkranial detektiert18,19,20, konzentriert sich die Kritik häufig auf die Unfähigkeit, diese Signale vom Hintergrundrauschen 21 zu unterscheiden. Wenn das Hintergrundrauschen dem gewünschten Aufnahmesignal ähnlich ist, führt dies zu niedrigen Signal-Rausch-Abständen (SNRs), was zu einer ungenauen Motorerkennung und Klassifizierung22,23 führt. Die genaue Signalerkennung beruht zusätzlich auf einem stabilen, niederohmigen Kopfhautkontakt21, der durch das Vorhandensein von grobem/dickem Haar, Benutzeraktivität und sogar Schwitzen signifikant beeinflusst werden kann22,24. Im Gegensatz dazu sind EMG-Signale mehrere Größenordnungen größer in der Amplitude, was eine größere Genauigkeit der Motorsignalerkennung ermöglicht15,18,25. Dies hat jedoch seinen Preis, da nahe gelegene Muskeln das Signal kontaminieren können, wodurch die Freiheitsgrade, die vom Gerät 16,17,25 gesteuert werden können, verringert werden können und eine tiefe Muskelbewegung25,26,27,28 nicht erkannt werden kann. Am wichtigsten ist, dass EMG nicht als Kontrollmethode verwendet werden kann, wenn eine signifikante Muskelkompromittierung und eine vollständige Abwesenheit von Gewebe vorliegt29.
Um die Entwicklung robotischer Exoskelette voranzutreiben, ist eine konsistente und genaue Detektion der motorischen Absicht des vorgesehenen Benutzers erforderlich. Schnittstellen, die das periphere Nervensystem nutzen, haben sich aufgrund ihres relativ einfachen Zugangs und ihrer funktionellen Selektivität als vielversprechende Schnittstellentechnik herausgestellt. Aktuelle periphere Nervenschnittstellenmethoden können invasiv oder nicht-invasiv sein und fallen typischerweise in eine von drei Kategorien: extraneurale Elektroden 30,31,32,33, intrafaszikuläre Elektroden 34,35,36 und penetrierende Elektroden37,38,39,40 . Da periphere Nervensignale im Allgemeinen auf dem Niveau von Mikrovolt liegen, kann es schwierig sein, diese Signale von Hintergrundgeräuschen mit ähnlicher Amplitude41,42 zu unterscheiden, was die Gesamtmotorerkennungsgenauigkeit der Schnittstelle verringert. Diese niedrigen Signal-Rausch-Verhältnisse (SNR) verschlechtern sich oft im Laufe der Zeit infolge einer sich verschlechternden Elektrodenimpedanz 43, die entweder durch Abbau der Vorrichtung39,43 oder durch lokale Fremdkörperreaktionen erzeugt wird, die Narbengewebe um die Vorrichtung herum erzeugen und/oder lokale axonale Degeneration37,44. Obwohl diese Mängel in der Regel durch Reoperation und Implantation einer neuen peripheren Nervenschnittstelle behoben werden können, ist dies keine praktikable langfristige Lösung, da weiterhin fremdkörperassoziierte Reaktionen auftreten würden.
Um diese lokalen Gewebereaktionen zu vermeiden, die durch die Interaktion peripherer Nerven mit abiotischen Schnittstellen entstehen, ist eine Grenzfläche mit einer biologischen Komponente erforderlich. Um diesen Mangel zu beheben, wurde das Regenerative Peripheral Nerve Interface (RPNI) entwickelt, um transezierte periphere Nerven in die Stumpfgliedmaßen von Amputationen mit Prothesenzu integrieren 45,46,47,48. Die Herstellung des RPNI beinhaltet die chirurgische Implantation eines transezierten peripheren Nervs in ein Segment autologer freier Muskeltransplantate, wobei Revaskularisation, Regeneration und Reinnervation im Laufe der Zeit auftreten. Durch die Erzeugung von Milli-Volt-Level-Compound-Muskelaktionspotentialen (CMAPs) ist das RPNI in der Lage, das Mikrovolt-Level-Signal seines enthaltenen Nervs um mehrere Größenordnungen zu verstärken, was eine genaue Erkennung der motorischen Absicht45,48,49 ermöglicht. In den letzten zehn Jahren hat sich das RPNI beträchtlich weiterentwickelt, mit bemerkenswerten Erfolgen bei der Verstärkung und Übertragung efferenter motorischer Nervensignale sowohl in Tierversuchen 50,51 als auch am Menschen47, was eine hochpräzise prothetische Gerätesteuerung mit mehreren Freiheitsgraden ermöglicht.
Personen mit Extremitätenschwäche, aber intakten peripheren Nerven würden in ähnlicher Weise von einer hochgenauen Erkennung der motorischen Absicht durch periphere Nervenschnittstellen profitieren, um Exoskelett-Geräte zu steuern. Da das RPNI für die Integration mit transezierten peripheren Nerven, wie z.B. bei Personen mit Amputationen, entwickelt wurde, waren chirurgische Modifikationen notwendig. Aufbauend auf den Erfahrungen mit dem RPNI wurde das Muscle Cuff Regenerative Peripheral Nerve Interface (MC-RPNI) entwickelt. Es besteht aus einem ähnlichen Segment des freien Muskeltransplantats wie beim RPNI und ist stattdessen umlaufend an einem intakten peripheren Nerv befestigt (Abbildung 1). Im Laufe der Zeit regeneriert es sich und wird durch kollaterales axonales Sprießen reinnerviert, wodurch diese efferenten motorischen Nervensignale verstärkt und in EMG-Signale übersetzt werden, die um mehrere Größenordnungen größer sind52. Da das MC-RPNI biologischen Ursprungs ist, vermeidet es die unvermeidliche Fremdkörperreaktion, die bei den derzeit verwendeten peripheren Nervenschnittstellen auftritt52. Darüber hinaus verleiht der MC-RPNI die Fähigkeit, mehrere Freiheitsgrade gleichzeitig zu steuern, da sie auf distal sezierten Nerven zu einzelnen Muskeln ohne signifikantes Übersprechen platziert werden können, wie zuvor in RPNIs49 gezeigt wurde. Schließlich kann der MC-RPNI unabhängig von der distalen Muskelfunktion arbeiten, da er auf dem proximalen Nerv platziert wird. Aufgrund seiner Vorteile gegenüber aktuellen peripheren Nervenschnittstellen ist das MC-RPNI vielversprechend für eine sichere, genaue und zuverlässige Methode der Exoskelettkontrolle.