機能的近赤外分光法とロボット支援下肢の多関節指差し運動を用いた実験

サマリー

世界では、6人に1人が一生のうちに脳卒中を発症し、長期的な障害を引き起こすと推定されていますが、そのリハビリテーションメカニズムはまだよくわかっていません。この研究では、機能的近赤外分光法(fNIRS)による脳の活性化を評価するためのプロトコルを提案します 下肢ロボット療法セッション中。

要約

脳卒中は、世界中で毎年約1,700万人が罹患しており、長期的な障害の主な原因となっています。ロボット療法は、脳卒中患者が失われた運動機能を取り戻すのを助けることが期待されています。運動回復がどのように起こるかについての理解を深めるための1つの潜在的な手段は、健康な人の治療の対象となる運動中の脳の活性化を研究することです。機能的近赤外分光法(fNIRS)は、運動機能の神経基盤を調べるための有望な神経イメージング技術として浮上しています。この研究は、健康な被験者における複雑な下肢運動のfNIRS神経相関を調査することを目的としていました。参加者は、運動リハビリテーション用のロボットデバイスを使用して、6分間の休息と運動のサイクルを実行するように求められました。このタスクでは、膝関節と足首関節を協調して動かし、コンピューター画面に表示されたターゲットを指す必要がありました。ロボットによる移動支援のレベルが異なる2つの実験条件が検討されました。その結果、fNIRSプロトコルは、タスク中の運動制御に関連する脳領域を効果的に検出することを示しました。特に、すべての被験者は、補助状態と比較して、補助なしの状態中に反対側の運動前野でより大きな活性化を示しました。結論として、fNIRSは、下肢の多関節ポインティング運動に関連するオキシヘモグロビン濃度の変化を検出するための貴重なアプローチであるように思われます。本研究は、脳卒中の運動回復機構の解明に寄与し、脳卒中患者のリハビリテーション治療の改善に道を開くことが期待されます。しかし、fNIRSの運動機能研究や臨床現場での応用の可能性を十分に解明するには、さらなる研究が必要です。

概要

疫学データによると、世界中で毎年1,700~1,700万人の脳卒中患者が新たに発生しており、低・中所得国で発生率が増加しています¹。新規感染者数は2030年までに7,700万人に増加すると推定され^ています2。脳卒中による運動障害は、患者の可動性や日常生活活動への参加に影響を与えることが多く、生活の質の低下の一因となります。従来の運動リハビリテーションには手技療法が含まれますが、過去数十年の間にリハビリテーション用のロボットシステムが開発されてきました。これらのシステムは、高強度、線量、定量化可能性、信頼性、再現性^{、柔軟性3}で治療を提供することができ、急性および慢性脳卒中患者の両方に効果的なリハビリテーション治療としての可能性を示しています^4,5,6。リハビリテーション用のロボットシステムは、治療を提供するだけでなく、患者の運動学的/運動学的データを測定できるセンサーを装備できるため、評価ツールとして使用することができます^7,8。上肢の運動リハビリテーションでは、このようなデータは、ロボット療法によって誘発される患者の運動回復のレベルを評価するのに有用であることが証明され、従来の臨床評価^9,10の補足ツールとして役立つだけでなく、脳卒中からの運動回復プロセスの理解を深めることにも貢献しています^11。12、および^{健康な被験者における}運動と運動学習の神経制御^3,13,14。その結果、これらの知見はリハビリテーション治療を強化するための基盤を提供した¹⁵。

過去20年間にわたり、下肢のニューロリハビリテーションのための多くのロボット装置が提案され、歩行中に患者の体重を支える外骨格(例えば、ロコマット¹⁶のようなトレッドミルの上)から、患者が歩かずに足首、膝、または足を運動できる固定ロボットシステム(ラトガースアンクル¹⁷など、 高性能足関節リハビリテーションロボット¹⁸、および光州科学技術院(GIST)の足首/足リハビリテーションロボット¹⁹)、または患者が地上またはトレッドミルの上を歩くために装着する作動式外骨格であるアクティブフット装具(電動歩行装具²⁰やMITアンクルボット²¹など)。下肢のリハビリテーションのためのロボットのレビューについては^、22,23,4を参照してください。

脳卒中患者の下肢リハビリテーションのためのロボットデバイスの臨床試験の結果は有望であり、これらのシステムは、特定のデバイスと臨床プロトコルに応じて、関節の可動域(ROM)、筋力、または歩行を改善する可能性があることが示されています(リハビリテーションのための下肢ロボットの有効性に関するレビューについては^、24,25を参照してください)。ロボット支援療法は神経可塑性の変化を促進し、最終的には運動能力の改善をもたらすと仮定されているが²⁶、脳卒中からの運動回復のプロセスが正確にどのように起こるのか、そしてどのロボットトレーニングプロトコルが下肢の運動能力の回復プロセスを最適化するのかは、ほとんど不明のままである。実際、リハビリテーションロボットの開発が進んでいること(学術研究者や営利団体によるもの)と、^{運動回復の}根底にある神経生理学的メカニズムの理解が限られていることとの間には、大きな格差が広がっています4。埋め込まれたセンサーで取得された運動学または関節トルクの測定は、患者が下肢の運動能力を回復するにつれて発生する運動行動の変化を定量的に記述することに貢献し^ています27,28,29、このギャップを部分的に埋めます。しかし、このような変化の根底にある神経相関はあまり研究されていません。これにはいくつかの理由があります。

脳機能イメージングは時間がかかり、臨床試験の文脈では完了するのが難しい場合があり、多くの場合、患者の負担を最小限に抑えて、患者が研究にアドヒアランスする可能性を最大限に高める必要があります。これは、脳卒中後の倦怠感や筋力低下が頻繁に観察されることを考えると、脳卒中を患った人に特に当てはまります³⁰。また、機能的磁気共鳴画像法(fMRI)など、磁場に基づくイメージングモダリティでは、患者とロボットの両方のハードウェアが磁石で安全であることが求められます。

非侵襲的イメージングモダリティの中で、機能的近赤外分光法(fNIRS)は、ロボット療法を受けている被験者の脳活性化領域を評価するのに特に適したイメージング技術です。fMRIと同様に、fNIRSは脳内の血液酸素化/脱酸素化を測定します。しかし、fMRIとは異なり、fNIRSはロボットハードウェアと完全に互換性があり、多くの場合、ポータブルであり、ベッドサイドでも使用できます。また、fNIRSは低コストであり、モーションアーチファクトに対する感度が低い31,32,33。

70年代後半に初めて導入されて以来、多くの臨床現場でfNIRSの明らかな利点と広く使用されているにもかかわらず³⁴、下肢運動と脳卒中運動回復に関連する脳の活性化を定量化するためにfNIRSを使用した研究はごくわずかです。運動の神経制御のメカニズムの解明や脳卒中からの運動回復のメカニズムや評価を目的としたFNIRS研究は、主に単関節運動(背屈、足底屈曲、膝伸展運動^35,36,37)、歩行38,39,40,41,42,43、サイクリング⁴⁴を調査してきた。レビューについては^、45を参照してください。同様に、下肢のロボット支援療法に関するfNIRSの研究は、主にロボット支援歩行リハビリテーションに焦点を当てています。レビューについては^、46を参照してください。いくつかの研究は、ロボットデバイスの制御信号を導き出すために、ブレイン・コンピュータ・インターフェース(BCI)システムの一部としてfNIRSを使用することに焦点を当てています^47,48。この研究分野もfNIRS信号の処理に依存していますが、その目標は異なり、主に患者の意図(重度の運動障害のある患者など)を解読することに焦点を当てています。

本稿で紹介するパイロット研究は、下肢のリハビリテーションにおけるロボットシステムの効果を調査するための初期取り組みの一環である。このロボットは、日常的な多関節運動のトレーニングを含むターゲット指向の下肢リハビリテーションを提供するだけでなく、下肢の単一関節(膝や足首など)に治療を提供する(つまり、ボトムアップのリハビリテーションプログラムを実施する)ことができます。

この研究は、下肢の多関節ポインティング運動の実行中にfNIRSデータの取得を必要とする実験プロトコルの実現可能性を調査することを目的としていました。本研究におけるデータ取得期間は6分に制限されており、一般的なfNIRSプロトコルよりも短くなっています。これは、特に可動性や筋力が制限されている患者において、この研究の実用性と臨床的応用性を高めることを目的として行われた意図的な選択でした。また、このような複雑な多関節運動のfNIRS相関を特定し、ロボットの支援によって脳の活性化がどのように調節されているかについての洞察を得ることも興味深いポイントでした。この目的のために、同じ参加者で、ロボット支援なしとロボット支援ありの2つの実験セッションを実施しました。最後に、この研究は、ロボット療法の対象となる運動中の脳の活性化の記録プロトコルの実現可能性と評価の観点から、将来の研究の基礎を確立するために、健康な被験者に焦点を当てたことに注意することが重要です。

装置
下肢のリハビリテーションを行うように設計されたポータブルロボット( 図1参照)を使用して実験を行いました。ロボットは3Dで到達可能なワークスペースを備えており、コンパクトで軽量で、重量は約35ポンドであるため、持ち運びや設置が簡単です。

図1:実験装置。 (A)下肢用に設計されたロボットシステム(床に設置)。ボランティアが右足でインターフェースを利用している様子が描かれています。(B)ロボットシステムへの取り付けを可能にする被験者の足の支持構造。(C)ピクニックゲームのスクリーンショット。ゲームの目的は、足(緑と白の靴)をターゲット(黄色の円)に移動することです。 この図の拡大版をご覧になるには、ここをクリックしてください。

このロボットシステムは、指差しや蹴りなどの日常的な作業と同様の下肢の動きを患者が行うのを支援するように設計されています。インタラクティブなバーチャルリアリティゲームを使用しており、ロボットデバイスの前に設置されたコンピューターモニターまたはテレビ画面に表示されます( 図1を参照)。ロボットエンドエフェクタは患者の下肢(足首など)に取り付けられ、その位置は画面上のカーソルの位置にマッピングされます。典型的なゲームは、患者の運動ターゲット(例えば、指し示す物体やボールを蹴る場所)を示す。

移動タスクを完了するために、ロボットは、完全な支援からなしまでの範囲のレベルの支援で患者を支援する場合があります。ロボット支援のレベルは、患者の運動障害のレベルに基づいて、各リハビリテーションセッションの開始時に選択されます。被験者が行った動きは、患者のパフォーマンスをスコアリングし、パフォーマンスに関するフィードバック(ROM、動きの数、ロボット支援のレベルなど)を提供するためにゲームによって使用されます。ゲームは、患者の興味と注意を維持するために、インタラクティブで楽しいように設計されています。この研究では、参加者は「ピクニックゲーム」をプレイし、プレイヤーは昆虫がタオルに到達して食べ物を盗むのを阻止しなければなりませんでした(スクリーンショットは 図1の下部パネルを参照)。

データ取得は、2つの異なる連続波オプトード(760 nmおよび850 nm)、8つのデュアルチップLED光源、および8つのデュアルチップアクティブ検出器を備えたポータブルfNIRS取得システムを使用して実行しました。信号は、10.17Hzのサンプリングレートを使用して取得されました。ラップトップは、fNIRSシステムによって作成されたWi-Fiネットワークを使用して、キャリブレーションの最適化と信号記録に使用されました。

キャップを使用して、オプトードを所定の位置に保持しました。線源と検出器は、10-10 国際脳波システムに従ってグリッド空間分布に配置されました。各fNIRSチャネルは、オプトード間距離が約30 mmのソース-検出器ペアによって定義されました。オプトードは、 図2に示す位置の補助モーター、プリモーター、およびモーター領域の上に配置されました。チャンネルの総数は28で、そのうち8つは短距離チャンネルで、光ファイバーアダプタを使用して1つの検出器に結合されていました。ハードウェアの多重化設定により、1つの検出器のみを使用して、すべてのソースから短距離情報を取得することができます。

図2:10-10脳波システムを使用したモンタージュレイアウト。 文字と数字は、ソース/検出器の位置を示します。赤と青のドットは、それぞれ光源と検出器のオプトードを表します。緑色の線は、光源と検出器のペアで構成されるfNIRSチャンネルを表しています。 この図の拡大版をご覧になるには、ここをクリックしてください。

実験計画法
この実験は、被験者の動きに対するロボットの支援レベルが異なる2つの異なる実験条件で行われました。第1の条件では、ロボットは被験者の動きを補助しないようにプログラムされ、第2の条件では、ロボットは被験者の足と脚の動きを制御する(ロボット支援運動)ようにプログラムされました。

各実験は、 図3に示すように、運動タスク(ゲームをプレイする-30秒)と休息(30秒)の交互のサイクルを含むブロック設計パラダイムに従っていました。各フェーズ(プレイ/ゲームまたは休憩)の開始と終了は、コンピューター画面を介して被験者に視覚的に信号されました。休止フェーズ中に、一時停止を示すメッセージが表示されました。各サイクル (プレイ/ゲーム + 休憩) の持続時間は 60 秒で、6 回繰り返されたため、合計実行時間は 360 秒 (6 分) になりました。

参加者は「ピクニックゲーム」を行い、昆虫がタオルに手を伸ばして食べ物を盗むのを防ぐことを目的としました。このゲームでは、指定されたホームターゲット(初期位置)から始まり、ホームターゲットに戻る前に、3つの外側のターゲットのうちの1つに向かって伸びるという、一連の下肢の動きが含まれていました。画面上では、外側のターゲットが動く昆虫のアニメーションとして視覚的に表現され、参加者は手を伸ばして踏まなければなりませんでした。外側に到達するターゲットは3つあり、それぞれが同じ回数ランダムに提示され、すべての動きに共通のホームターゲットがいました。ホームターゲットから外側のターゲットの位置まで足が移動するのに必要な距離は、約26cmの円弧を形成しました。運動課題は、膝の屈伸、足底屈曲、背屈運動の協調を必要とする多関節運動の実行を必要としました。

fNIRSのデータ記録は、ロボットが生成したトランジスタ-トランジスタ-ロジック(TTL)パルスを介して、ゲームが被験者に提示する視覚刺激と同期しました。パルスは、各フェーズ(プレイ/ゲームおよび休息)の開始時に生成されました。したがって、すべてのタイミング制御はゲームによって行われ、参加者に視覚的な手がかり(ターゲット)を提供して各動きを開始し、TTL信号をfNIRSシステムに送信して脳活動の記録をマークし、実験で必要に応じてロボット制御システムに信号を送信して動作支援を開始します。

プロトコル

この研究は、UNICEP(Centro Universitario Paulista)の地元の倫理審査委員会によって承認されました。すべての参加者は、人間が関与する科学研究に関するすべての機関のガイドラインと連邦規範に従って、インフォームドコンセントを提供しました。彼らは、ブラジル連邦規制で義務付けられている金銭的補償を受けていませんでした。

1. fNIRSシステム

1. 8つの光源(760 nmおよび850 nm)と8つの光検出器( 図2を参照、光源の位置:FC1、FC2、C3、Cz、C4、CP1、CP2、Pz、検出器の位置(FCz、C1、C2、CPz、P1、P3)の16個のオプトードを使用してキャップを準備します。8番目の検出器を、各ソースオプトードに接続されている短距離アダプターに取り付けます。
2. fNIRS 取得ソフトウェアを開き、各オプトードの配置を含むモンタージュを読み込みます。
3. fNIRS 信号の時間サンプリング レートを 10.17 Hz に設定します。

2.参加者

1. 研究の関連性と実験プロトコルを参加者に簡単に説明します。
2. 参加者がボランティアに同意する場合は、ボランティアが人間が関与する科学研究に関するすべての機関のガイドラインと連邦規範に従ってインフォームドコンセントを提供することを確認してください。
3. ロボットの前の肘掛け椅子に座り、コンピューターのモニターから約150cm離れた場所に座るよう指示します。
4. 靴を脱いだ後、ベルクロ(面ファスナー)ストラップで参加者の足をロボットアームに快適に取り付けます( 図1、左上のパネルを参照)。
5. オプトード付きのfNIRSキャップを参加者の頭に置き、顎の下の面ファスナーでしっかりと固定します。
6. オーバーキャップをオプトードキャップに配置して、周囲光の干渉を減らします。

3. データ取得

1. 動きのアーチファクトのリスクを最小限に抑えるために、急な頭の動きをしないように各参加者に指示します。
2. 最適な信号品質が得られるように fNIRS システムを較正します。
3. インターフェイスに示されているように、すべてのチャネルが高品質であることを証明します。そうでない場合は、頭皮とオプトードチップの間の毛を取り除きます。
4. ロボットに取り付けた足を動かして、画面に示された目標に到達することで、ゲームの遊び方を参加者に説明します。
5. ロボットの支援なしとロボット支援ありの2つの条件があることを参加者に説明します。

4.ロボットシステム

1. モニターとロボットを電気ネットワーク電源に接続して、システムの電源を入れます。オペレーティングシステムが初期化されると、最初のゲームインターフェイスが表示されます。
2. ロボットアームを標準の位置に配置し、 正しく配置されたロボットアーム のフィードバックメッセージを受信するのを待ちます。
3. 参加者と実験者に関する記述データをシステムに入力して、ロボットゲームインターフェースにログインします。
4. ゲーム選択インターフェイスで、セッション時間を 6 分、休憩間隔 30 秒に設定します。
5. 参加者が使用する適切な脚 (右または左) を選択します。
6. ピクニックゲームを選択し、[移動]をクリックしてゲームをプレイします。

5. データ解析

1. 修正されたランベルトベール方程式⁴⁹を使用して、生のシグナルを血行動態状態(オキシヘモグロビン(HbO)およびデオキシヘモグロビン(HbR))に変換します。
2. ロバスト推定および自己相関推定を伴う一般線形モデル(GLM)を使用して、モーションアーチファクト⁵⁰の影響が少ない個々の活性化マップを作成する。正準血行動態応答関数(HRF)によって畳み込まれた実験計画(rest = 0; game/play = 1)を独立変数として使用し、観測されたHbOまたはHbR信号を従属変数として使用します。
3. 各チャネルについて、ゲーム/プレイ中のベータ係数(チャネルの活性化の強さを反映)を他のチャネルと比較して抽出します。
4. 3 つの関心領域 (ROI) のチャネルをマージし、ROI チャネル全体の活性化係数 (GLM ベータ) を平均します。ROIを次のように定義します( 図2を参照):(1)左半球の運動前野(チャネル[FC1-FCz、C1-FC1、C1-Cz、C3-C1]);(2)左半球の体性運動野(チャネル[C3-CP1、CP1-P1、CP1-CPz、P1-Pz]);(3)補助運動野(SMA)(チャネル[Cz-FCz、CPz-Cz])。
   注:本明細書で調査したものと同様の運動タスクに関する以前の文献に基づいて ^51,52,53 すべての参加者が右足で運動タスクを実行したことを考えると、左(反対側)の運動前運動と体性運動、およびSMA領域は、両方の条件でのゲーム/プレイパフォーマンス中に活性化を示し、補助なしの状態でより強い活性化を示すという仮説が立てられました。
5. ノンパラメトリックWilcoxon検定をこれらのベータに適用します。タイプIの誤差を5%に設定します(片側分析)。

結果

6人の被験者全員が両方の実験を完了しました。補助なしの条件では、各被験者が平均76.67回(標準10.73回)の試行を完了しました(注:各被験者について、新しいターゲットは前のターゲットに到達した場合にのみ表示されるため、試行回数は成功したリーチの数に依存しました)。被験者の動きがロボットによって完全に補助された補助条件では、すべての被験者が70回の試行を完了しました。fNIRSデータは、すべての被験者から正常に記録されました。

図4 は、HbOとHbRのプレイ/ゲームと休息期間を比較した単一被験者の脳活性化マップを示しています。各被験者について、HbO変化に関連するマップは、ロボット支援なしの実験条件で統計的に有意な活性化(p < 0.01)を示しましたが、ロボット支援のある実験条件で統計的に有意な活性化を示した被験者は2人だけでした。HbRに関しては、4人の被験者が、HbOと比較してチャネル数が少ないものの、両方の条件で統計的に有意な活性化(p < 0.01)を示しました。

図5 は、ROIベースの仮説主導型分析の個々の被験者の結果をまとめたものです。調査したすべてのROIのうち、左運動前皮質のみが、ゲーム/プレイ中に休息時と比較してHbO活性化の統計的に有意な増加を示し(p = 0.046)、ロボットの支援のない状態でのみ示されました。さらに、このROIは、ロボット支援ありの状態と比較して、ロボット支援なしの状態でより大きな活性化を示しました(p = 0.016)。他のROIやHbRベースの分析では、プレイ/ゲームと休息の分析、または条件間の比較のいずれにおいても、統計学的に有意な差はありませんでした(p>0.05)。したがって、グループレベルでは、左体性運動皮質、SMA、またはHbRベースの分析で統計学的に有意な差は見られませんでした。

図3:ゲームと静止状態のブロックを交互に使用したブロック設計実験。 被験者はピクニックゲームを30秒間連続してプレイし(ゲーム期間)、次の30秒間(休憩時間)じっとしていました。このサイクルを 6 回繰り返し、セッション時間は 6 分になりました (注: 図では 150 秒のみを示しています)。 この図の拡大版をご覧になるには、ここをクリックしてください。

図4:単一被験者の脳の閾値による統計的活性化マップ。 6 人の被験者 (S1-S6) の HbO と HbR の 6 人の被験者の閾値 (チャネル p 値 < 0.01) の統計的活性化マップ (ロボット支援の有無にかかわらずの動き)。統計的に有意な活性化を示すマップのみが提示されることに注意してください(つまり、空白のスロットを持つ被験者と条件は、その特定の組み合わせで有意な活性化が観察されなかったことを示します)。カラーバーは、各fNIRSチャネルの活性化係数(GLMベータ)のt統計振幅を表します。 この図の拡大版をご覧になるには、ここをクリックしてください。

図5:HbOシグナルに基づく左運動前皮質の活性化。 ステップ5.2で詳述したように、ベータ係数はGLMを用いて推定され、各被験者、実験条件(補助なしおよび補助的な動き)、および特定のチャネル(注:ROIのベータ値は、左運動前皮質内のチャネルを平均することによって得られた)について定量化されました。ドットチャートは、各被験者と条件のROI平均ベータ係数を視覚的に表し、赤と緑のドットはそれぞれ補助された動きと補助されていない動きを示します。各被験者について、補助なし条件のROIベータ係数は補助条件のROIベータ係数よりも大きく、前者の条件でより大きな活性化を意味します。この結果は、すべての被験者で一貫しています。 この図の拡大版をご覧になるには、ここをクリックしてください。

ディスカッション

本実証研究では、健常者が下肢リハビリテーションロボットを用いて様々な動きで運動している間に、fNIRSデータを用いて脳活性化マッピングを推論する可能性を検討しました。成人の典型的なfNIRS記録セッションは、6分⁵⁴秒以上です。ただし、リハビリテーションの設定で記録を実行可能にするには、被験者の不必要な疲労と労力を避けるために、実験の全体的な期間を最小限に抑える必要があります。この研究では、6つのタスク繰り返しブロック(セッション期間6分)を使用したブロック設計実験が、血行動態反応を評価し、介助状態と介助なし状態の違いを検出するのに十分であるかどうかもテストしました。この知見は、これらの記録が有益であり、fNIRSが、下肢に対するロボット支援のレベルが異なる運動レジームに関連するHbO濃度の変化を検出するための有用な方法である可能性を示唆している。サンプルサイズが小さい場合でも、タスクブロックと休息ブロックを比較したときにHbOで測定された有意な対側運動前活性化が見つかりました。すべての被験者は、ロボット支援のものと比較して、介助なしの状態でこの領域でより大きな活性化を示しました。

fNIRSデータは、運動タスクを完了するために必要な被験者の努力の2つの異なるレベルに対応する2つの異なる条件で記録されました。最初の実験セットでは、ロボット K を 10 に設定しましたが、これはロボットの支援なしに対応しました。2 番目の実験セットでは、K を 150 に設定しました。このKの値では、被験者の下肢はほぼ完全にロボットによって動かされました。 図4に示されているように、すべての被験者は、補助なしの状態で統計的に有意な脳の活性化を示しました。K を 150 に設定した場合、有意な活性化を示した被験者は 2 人だけでした。

図5に要約されているように、結果は、補助なしの運動(より高いレベルの努力)に関連するHbO濃度の変化が、補助運動に関連する変化よりも全体的に高いことも示しました。しかし、有意差は対側の運動前皮質(PMC)にのみ見られました。この発見は、力のレベルが上がるとニューロンの活性化が増加することがわかったヒトに関する以前のいくつかの神経画像研究の結果と一致しています^55,56。しかし、これまでのほとんどの研究では、上肢が調査されていました。大多数は静的なアイソメトリックタスクに焦点を当てていましたが、動的動きを評価した人はごくわずかでした^57,58,59。

下肢に焦点を当てた研究は比較的少ない。それらのいくつかは、静的な運動タスクに焦点を当てています。Alexandreら⁵¹は、健康および慢性閉塞性肺疾患の被験者における膝伸筋の最大および最大下随意収縮(MVC)のfNIRS相関を調査しました。Yoonらは、fMRIを用いて、異なるMVCレベルでの足首背屈筋との等尺性収縮中の皮質活性化^{の変化を調査しました}。他の研究では、歩行^60,61,62に焦点を当てています。原田らはfNIRSを用いて、健常者を対象に3つの強度で歩行中の皮質活性化^{パターンを調査し、}自発運動速度とケイデンスの増加が皮質活性化の度合いが高いことを発見した。Bonnal et ^al.62は、外骨格を介した歩行中の健康な被験者の皮質活性化をさまざまなレベルの身体的補助で調査し、2つの補助なし条件(50%と100%)で最大の皮質活性化を発見しましたが、補助条件間の皮質活性化にはわずかな違いしかありませんでした。この研究の結果は、これらの先行研究の結果全体と一致しています。

下肢運動の神経制御に関連する皮質領域の役割は、上肢の神経制御と比較して、まだほとんど理解されておらず、研究も進んでいません。特にリハビリテーションの文脈では、このような理解は、神経学的起源の運動障害、運動運動、または老化の結果として発生する可能性のあるこれらの領域の神経可塑性を特定するための基盤を確立するための鍵となります。図4に示すように、すべての被験者は、補助なしの状態中にPMCまたはSMA領域で活性化を示しました。図に示されたチャネル特異的な結果は、活性化は両側性であるが、対側の半球でより顕著であることを示しています。全体として、これらの所見は、膝伸展中の対側一次運動(M1)および一次体性感覚(S1)、PMC、および前頭前野(PFC)皮質領域の活性化を示したAlexandreらの研究と一致しています。さらに、これらの知見は、足首背屈時の対側M1、SMA、被殻、淡蒼蒼皮質、および同側小脳の活性化を示したYoonらの研究結果⁵²、および対側M1および感覚皮質の活性化を発見したCiccarelliらの研究結果と一致しています。 足首の動き中のPMCおよび皮質下領域も同様です。

半球の動きは、大脳皮質の対側半球によって制御されていると考えられています。しかし、同側の皮質関与は、単手運動^56,63,64、および片側足運動について報告されている(レビューについては⁶⁵も参照)。これらの研究とは異なり、この分析では、図4に示すように、すべての被験者で体性運動皮質の一貫した活性化が明らかになりませんでした。さらに、ROI分析の結果は有意な活性化を示しませんでした。この発見は、縦溝⁶⁶に位置する上肢と比較して、下肢の体性運動皮質が比較的小さく、より深い位置にあることに起因している可能性がある。さらに、fNIRS信号は、非表在性脳領域に対する感受性が低い⁶⁷。

介助なしと介助条件を比較すると、反対側のPMCのみが2つの条件の間で有意に異なる活性化を示しました。これは、運動タスクが視覚的に誘導されていたことを考えると驚くべきことではなく、したがって、補助のない状態ではより多くの注意と運動努力を必要とする可能性が高い。PMCは、運動の準備や計画などの実行機能に関与していると考えられている⁶⁸。さらに、最近の研究では、空間的注意と作業記憶におけるPMCの役割が示唆されている⁶⁹。この研究の結果は、実行機能⁶⁸、上肢^70、71、72および下肢運動⁷³の運動準備におけるこの領域の役割を強調した以前の研究結果と一致しています。この結果は、タスクを実行するために必要な注意とPMCの活性化との相関関係を示したデュアルタスクを含む歩行研究の結果とも一致しています^74,75。

この研究にはいくつかの限界があります。まず、サンプルサイズが小さかった。今後の調査では、HbOとHbRの両方の規範値を確立するために、女性やその他の年齢層など、より多様な人口統計を含むサンプルサイズを増やすことにより、現在の研究を拡張する必要があります(この研究には、40歳から62歳までの男性5人と女性1人が含まれていました)。第二に、キャップモンタージュは10-10脳波システムに基づいており、ROI分析は標準的なMNI152脳モデルを使用しました。今後の研究では、個々の構造MRI、脳ナビゲーション、または高密度fNIRSが使用される可能性があります。さらに、記録は単一のセッションで実行されたため、fNIRS記録の被験者内変動性は評価されませんでした。さらに、HbOとHbRの分析結果は異なっていましたが、これらの測定値はどちらも同じ神経生理学的現象(すなわち、血行動態応答関数)に関連していました。しかし、観察された違いは、他の全身性交絡因子に対するこれら2つの発色団の感受性が等しくなく、その解釈が一致していないことを示す先行文献と一致している³⁴。最後に、介助なし状態でのゲームのプレイ速度は被験者ごとに異なるため(次の試行は現在の目標が成功裏に達成された後にのみ開始されるため)、これは被験者の脳活性化のばらつきを増加させた可能性があります。

このフィージビリティスタディの結果に基づき、ブラジルのサンカルロス連邦大学で現在進行中の、慢性脳卒中患者の下肢運動能力に対するロボットの治療効果を評価することを目的としたパイロット臨床試験において、ここで提示されたものと同様のfNIRS実験プロトコルを使用する予定です。本明細書に提示された脳活性化マップは、健康な人における脳活性化の基準となる可能性があり、下肢に対するロボット療法の効果を研究するのに役立つ可能性がある。

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
HDMIケーブルを介してロボットに接続された	32インチスマートTV	サムスン	/ ATTV
チップ	NIRxメディカルテクノロジーズ(グレンヘッド、ニューヨーク、米国)	https://nirx.net/nirsport
NIRxメディカルテクノロジーズ(グレンヘッド、ニューヨーク州、米国)	光学照明用8ソースオプトーデスバンドル	https://nirx.net/nirsport
Aurora 取得ソフトウェア	NIRx Medical Technologies (米国ニューヨーク州グレンヘッド)	https://nirx.net/nirsport
Laptop Precision XPS 13	Dell Technologies (米国テキサス州ラウンドロック)
nirsLAB fNIRS 分析ソフトウェア	NIRx Medical Technologies (米国ニューヨーク州グレンヘッド)	https://nirx.net/nirsport
NIRSports2 fNIRS 取得システム	NIRx Medical Technologies(米国ニューヨーク州グレンヘッド)	https://nirx.net/nirsport	2つの異なる連続波光学系(760nmと850nm)、8つのデュアルエンドLED光源、8つのデュアルエンドアクティブ検出器を備えています。
R	R-project.org(オープンソースソフトウェア)	https://www.r-project.org/
標準カットキャップ、最大128個のホルダー用のブラックカラー。	Easycap GmbH (Wörthsee, Germany)	https://www.easycap.de/
Vivax Assistive Rehabilitation Machine(ARM)	ビバックス株式会社(São パウロ、ブラジル)	https://vivaxbr.com/home/	下肢のリハビリテーションを提供するように設計されたポータブルロボットです。3Dで到達可能なワークスペースがあり、コンパクトで軽量で、重量は約35ポンドであるため、輸送と設置が簡単です。