18. September 2017
Wir beschreiben eine Roman virtual Reality basierte Setup die willentliche Kontrolle einerseits zur Leistungssteigerung der Motor-Skill (ungeübte) andererseits nutzt. Dies wird erreicht durch die Bereitstellung von Echtzeit-Bewegung-basierte sensorischen Feedback als ob die ungeübte Hand bewegt. Dieser neue Ansatz kann zur Rehabilitation von Patienten mit einseitigen Hemiparese zu verbessern.
Das übergeordnete Ziel dieses Trainingsaufbaus mit Hilfe von Virtual Reality ist es, den Leistungszuwachs bei einer einfachen motorischen Fähigkeit in einer Gliedmaße zu steigern, wenn ihre willkürliche körperliche Bewegung fehlt. Diese Methode kann helfen, Schlüsselfragen im Bereich des motorischen Lernens zu beantworten, wie z.B. die Rolle der Sinneswahrnehmung beim Erwerb von Fähigkeiten. Der Hauptvorteil dieser Technik besteht darin, dass sie die volle Kontrolle über den visuellen und propriozeptiven Input während des Trainings ermöglicht.
Die Auswirkungen dieser Technik können sich auf die Therapie der Hemiparese der oberen Gliedmaßen erstrecken, da die Kontrolle über die gesunde Hand zum Training der betroffenen Hand verwendet wird. Shiri, eine wissenschaftliche Mitarbeiterin aus meinem Labor, wird das Verfahren vorführen. Beginnen Sie damit, den Probanden zum Prüfungsstuhl zu begleiten.
Und lassen Sie sie sich mit den Händen nach vorne und den Handflächen nach unten hinsetzen. Platzieren Sie das Virtual-Reality- oder VR-Headset mit der am Kopf montierten 3D-Kamera auf dem Motiv, um ein visuelles Online-Feedback der realen Umgebung zu erhalten. Stellen Sie sicher, dass das Video von der Kamera im VR-Headset angezeigt wird.
Legen Sie als Nächstes bewegungsempfindliche MR-kompatible Handschuhe auf die Hände des Probanden, die eine Online-Überwachung der individuellen Fingerbeugung in jeder Hand ermöglichen. Stellen Sie sicher, dass das Motiv die virtuellen Hände nur sieht, wenn es auf die Stelle schaut, an der sich seine echten Hände befinden würden. Legen Sie dann die Hände des Motivs in ein spezielles Bewegungssteuerungsgerät und schnallen Sie den rechten und linken Finger einzeln an die Kolben.
Stellen Sie sicher, dass die Probanden ihre Finger der rechten Hand separat bewegen können. Stellen Sie abschließend sicher, dass die willkürliche Bewegung der Finger der linken Hand eingeschränkt ist, indem Sie die Probanden bitten, ihre linke Hand zu bewegen, während sie sich im Gerät befindet. Beginnen Sie damit, die Hände des Motivs vom Bewegungssteuerungsgerät abzuschnallen.
Lassen Sie die Probanden dann 30 Sekunden lang eine unimanuelle fünfstellige Fingersequenz so genau und schnell wie möglich mit der nicht trainierenden Hand wiederholen. Schnallen Sie anschließend die Hände des Motivs an das Bewegungssteuerungsgerät. Weisen Sie den Probanden dann auf die bevorstehende Trainingsphase hin, um die Abfolge von Fingerbewegungen mit der aktiven Hand im eigenen Tempo auszuführen.
Analysieren Sie die Daten nach der Auswertung in einer maßgeschneiderten Software, die die Handkonfiguration der Handschuhe während des Experiments aufzeichnet. Klicken Sie auf Linke Sitzungsdatei, und wählen Sie die Dateien aus, die im linken Aufnahmeordner unter dem entsprechenden Betreff erstellt wurden. Klicken Sie dann auf Session Right File (Rechtes Sitzungsdatei) und wählen Sie die Dateien aus, die im rechten Aufnahmeordner unter dem entsprechenden Betreff erstellt wurden.
Klicken Sie anschließend auf Sitzung abspielen, um die virtuellen Handbewegungen während jeder Auswertungsphase basierend auf den von den Sensoren im Bewegungsverfolgungshandschuh aufgezeichneten Daten wiederzugeben und zu visualisieren. Zählen Sie schließlich für jeden Bewertungsschritt und jeden Probanden separat die Anzahl der vollständigen und korrekten Fingersequenzen, die mit der nicht trainierten Hand ausgeführt wurden, und berechnen Sie dann den Leistungssteigerungsindex. Die Leistungssteigerungen der linken Hand nach dem Training in der Cross-Education oder CE und der visuellen Manipulationsbedingung waren signifikant höher im Vergleich zu den Gewinnen, die nach dem Training durch Beobachtung der linken Hand oder nach dem Training der rechten Hand mit kongruentem visuellem Feedback erzielt wurden, was die traditionelle Form der CE.In einer anderen Gruppe gesunder Probanden ist, bei der drei Trainingstypen implementiert wurden. Die Ergebnisse zeigten, dass die Hinzufügung einer passiven Fingerbewegung der linken Hand zur visuellen Manipulation zu den höchsten Leistungssteigerungen der linken Hand führte, die signifikant höher waren als die Leistungsgewinne nach der visuellen Manipulation allein.
Einmal gemeistert, kann diese Technik in etwa 20 Minuten durchgeführt werden, wenn sie richtig ausgeführt wird. Beim Versuch dieses Verfahrens ist es wichtig, angemessene Pausen zwischen den Trainingseinheiten einzuplanen. Da die Handschuhe und der Aufbau MRT-kompatibel sind, kann dieser Eingriff in einem MRT-Scanner durchgeführt werden, um zusätzliche Fragen zu den zugrundeliegenden Neuromechanismen zu beantworten.
Nach ihrer Entwicklung ebnete diese Technik den Weg für Forscher auf dem Gebiet des motorischen Lernens, um Manipulationen von sensorischen Eingaben zu erforschen, sowohl visuell als auch propriozeptiv, im Prozess des Kompetenzerwerbs. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie man ein Glied ohne seine willkürliche körperliche Bewegung trainiert. Vergessen Sie nicht, dass die Arbeit mit einem passiven Bewegungsgerät ermüdend sein kann, daher sollten Pausen während des Trainings eingeplant werden.
Diese Studie stellt ein neuartiges virtuelles Realitäts-Setup vor, das die motorische Leistungsfähigkeit einer nicht trainierten Hand durch freiwillige Kontrolle der anderen Hand verbessert. Durch die Bereitstellung von Echtzeit-Sensorikfeedback kann diese Methode bei der Rehabilitation von Patienten mit einseitiger Hemiparese erheblich helfen.
Translational neuroscience and rehabilitation R&D increasingly require methods that enable motor skill acquisition when voluntary movement is impaired. This VR-based protocol provides a controlled platform for manipulating sensory feedback, supporting mechanistic de-risking and predictive confidence in early-stage therapeutic hypothesis testing. The approach is positioned to inform portfolio decisions in neurorehabilitation and device-enabled intervention pipelines.
This VR-based sensory manipulation protocol integrates into the discovery-to-preclinical continuum for neurorehabilitation and device-enabled therapy development.