Sistema robótico de extremidades superiores controlado por interfaz cerebro-computadora para mejorar las actividades diarias en pacientes con accidente cerebrovascular

Nuestro protocolo evalúa un robot de asistencia de extremidades superiores controlado por BCI para la rehabilitación de accidentes cerebrovasculares utilizando señales de EEG y EOG para mejorar la función bimanual. Evalúa las mejoras funcionales a través de BeBiTS, avanzando en la neurorrehabilitación asistida.

Esta técnica beneficia a los pacientes con hemiplejía posterior a un accidente cerebrovascular al ayudar a la función parética de la mano. También podría ayudar a los pacientes con discapacidad motora debido a lesiones de la médula espinal o enfermedades neurodegenerativas.

Esta técnica une la intención motora y la ejecución, utilizando EEG EOG, lo que permite a los pacientes con accidente cerebrovascular controlar una mano robótica. Mejora la función bimanual, mejorando la independencia en las actividades de la vida diaria en comparación con los enfoques de asistencia convencionales.

Los pacientes pueden enfrentar dificultades si experimentan entrenamiento de imágenes motoras por primera vez. Por lo tanto, se necesitan orientaciones e instrucciones adecuadas para garantizar la imagen motora cinestésica.

El robot de extremidades superiores controlado por DCI abarca componentes de neurorrehabilitación como la neuroplasticidad y el aprendizaje motor. Este sistema se puede extender a la rehabilitación motora en pacientes con accidente cerebrovascular, así como parálisis cerebral y enfermedades neurodegenerativas.

[Instructor] Para comenzar, proporcione a todos los pacientes reclutados información detallada sobre el procedimiento experimental. Obtenga el consentimiento informado firmado de cada participante. Después de completar el formulario de consentimiento, evalúe los 10 elementos de la evaluación BeBiTS antes de entrenar al robot BCI en una silla cómoda frente a un escritorio. Inicie la interfaz cerebro-computadora o el sistema BCI. Coloque la tapa en la cabeza del paciente y conecte el amplificador. En el módulo de origen, seleccione EegoModule, seguido del modo de impedancia y presione iniciar para activar el módulo. Observe la luz azul que indica la activación. Asegúrese de que las impedancias estén por debajo de los 10 kilo ohmios. Luego presione detener en el módulo fuente. Cambie el modo a EEG para la transmisión de datos. Presione iniciar y verifique la calidad de la señal. Para la calibración de EOG, en el módulo de tareas, establezca el número de señales. Indique al participante que realice breves movimientos oculares laterales, siguiendo las 10 flechas que aparecen en la pantalla. Comprueba el gráfico de resultados inmediatamente después del entrenamiento. Para la calibración de EEG, seleccione el módulo de tareas de calibración de EEG y establezca el número de señales en el módulo de tareas en cinco. En el módulo de retroalimentación, establezca la lateralidad al lado de la mano robótica. Asegúrese de que el pacman de visualización no esté seleccionado. Ahora indique al participante que imagine apretar el puño cuando aparezca el mensaje, imagínese hacer un puño, en la pantalla negra y luego revise el gráfico de resultados. Después del entrenamiento de EOG y EEG, establezca parámetros para la frecuencia de interés objetivo específica, el valor de referencia y el umbral, que distingan la intención de cerrar el puño. Usando los parámetros configurados, continúe con el entrenamiento de retroalimentación usando la interfaz pacman. Con un dongle USB, conecte una mano robótica de asistencia de forma inalámbrica a una computadora. A continuación, haga que el participante use el robot y realice la evaluación BeBiTS. Espere a que aparezca la luz blanca en la pantalla que indica el estado listo. Tras la confirmación, indique al participante que mueva los ojos hacia un lado para cambiar la luz a verde. Cuando aparezca la luz verde, indíqueles que imaginen apretar el puño. Usando el robot, ayude al participante a apretar el puño y realizar la tarea. Después de completar la tarea, indique al participante que observe la luz roja en la pantalla. Si el participante quiere abrir la mano, puede mover los ojos para cambiar el color de la luz a blanco. Finalmente, el paciente es evaluado nuevamente, después de BeBiTS, utilizando el sistema de robot BCI. Los valores de EOG de un participante bien entrenado mostraron ensayos consistentes, donde la curva media alcanzó el nivel umbral, y sus resultados de EEG diferenciaron claramente entre el estado de reposo y las imágenes motoras. Por el contrario, los ensayos de EOG del participante mal entrenado fueron inconsistentes, ya que la curva media no alcanzó el nivel umbral y sus resultados de EEG carecían de una distinción clara entre el estado de reposo y las imágenes motoras. Los participantes P1, P4 y P5 no realizaron la mayoría de las tareas durante las evaluaciones previas y posteriores a BeBiTS. El participante P3 inicialmente puntuó en la evaluación pre-BeBiTS, pero no mostró ninguna puntuación en la evaluación post-BeBiTS después de un entrenamiento inadecuado. Los participantes P2 y P6 a P8 mostraron una mejora en algunas tareas durante las evaluaciones posteriores a BeBiTS en comparación con las evaluaciones previas a BeBiTS.