方法論記事

脳卒中患者の日常生活向上のためのブレイン・コンピュータ・インターフェース制御上肢ロボットシステム

2.4K 閲覧数

⸱

DOI：

10.3791/67601

⸱

2025年4月18日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Health Science and Technology, Graduate School of Convergence Science and Technology, Seoul National University, 2Department of Rehabilitation Medicine, Seoul National University College of Medicine, Seoul National University Bundang Hospital, 3Clinical Neurotechnology Laboratory, Dept. of Psychiatry and Neurosciences, Charité Campus Mitte (CCM), Charité – Universitätsmedizin Berlin, 4SRH Gesundheitszentrum Bad Wimpfen GmbH

この記事について

サマリー

本研究では、脳波患者向けのブレイン・コンピュータ・インターフェース(BCI)システムを導入し、脳波と眼電図の信号を組み合わせて上肢のロボットハンドを制御し、日常生活の活性化を図るシステムを紹介します。評価には、ベルリン脳卒中二手動試験(BeBiTS)を使用しました。

要約

本研究では、脳卒中後のリハビリテーションのためのBrain-Computer Interface(BCI)制御上肢支援ロボットについて紹介する。このシステムは、脳波(EEG)と眼電図(EOG)の信号を利用して、ユーザーがロボットハンドと対話しながら日常のタスクで上肢の機能を支援します。このBCIロボットシステムの有効性は、両手を含む10の日常生活課題のセットであるBerlin Bimanual Test for Stroke(BeBiTS)を使用して評価しました。この研究には8人の脳卒中患者が参加しましたが、BCIロボットシステムのトレーニングに適応し、postBeBiTSを実行できたのは4人の参加者だけでした。特に、各項目のpreBeBiTSスコアが4以下の場合、BCIロボットシステムはpostBeBiTS評価でより大きな支援効果を示しました。さらに、現在のロボットハンドは腕や手首の機能を支援していないため、複雑な手の動きを必要とするタスクでの使用が制限されています。BCIロボットシステムの訓練効果を確認するためには、より多くの参加者が必要であり、今後の研究では、より広範な上肢機能を支援できるロボットの使用を検討する必要があります。この研究は、BCIロボットシステムが患者の日常生活活動を支援する能力を決定することを目的としていました。

概要

脳卒中による上肢機能の障害は、日常活動、特に両手作業を行う能力を制限します1.したがって、手のリハビリテーションは脳卒中リハビリテーションの重要な要素であり、ミラー療法2と拘束誘発運動療法(CIMT)3はよく知られたアプローチです。最近の研究では、脳波ベースのブレイン・コンピューター・インターフェース(BCI)ロボットシステムが、脳卒中患者の手の機能回復を改善するための効果的な補助療法となり得ることが示されています4,5,6。BCIロボットシステムは、運動運動を試みるという患者の積極的な意図とそのパフォーマンスを結合することに焦点を当てています。このアプローチがリハビリテーションに有効かどうかを判断するための研究が活発に行われています7,8,9,10,11,12,13。

この研究では、脳卒中患者の両手活動を支援するために設計されたBCI制御の上肢支援ロボットシステムを紹介します。このシステムは、脳波(EEG)を利用して運動イメージに関連する脳信号を検出および解釈し、それらを眼電図(EOG)と組み合わせて追加の制御入力を行います。これらの神経生理学的信号により、患者は指の動きを補助するロボットハンドを制御することができる14。このアプローチは、患者の運動意欲と身体能力との間のギャップを埋め、運動の回復を促進し、日常業務における自立性を高める可能性があります。

ベルリンのシャリテ医科大学の研究者は、このBCIロボットシステムの有効性を評価するために、包括的な評価ツールであるBerlin Bimanual Test for Stroke(BeBiTS)を開発しました15。BeBiTSは、日常生活に不可欠な10の両手活動を実行する能力を評価することにより、機能改善の定量的尺度を提供します。評価では、各タスクを個別に採点し、手の機能の5つの要素(手を伸ばす、つかむ、安定させる、操作する、持ち上げる)を評価します。これにより、日常生活動作に焦点を当てた患者の機能改善を包括的に評価することができます。さらに、特定の手の機能を強化する上でのBCIロボットシステムの貢献を定量化することができます。したがって、この研究は、脳卒中患者のトレーニングセッションの前後でBeBiTSスコアを比較することにより、効果的なBCI支援ロボットシステムを開発することを目的としています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

ソウル大学盆唐病院治験審査委員会は、すべての実験手順を審査し、承認しました(IRB No. B-2205-756-003)。脳卒中患者8名を募集し、その詳細を十分に説明してから同意を得た。インフォームドコンセントを得た後、プロトコルは次のように進行します:BCIトレーニングの前にBeBiTS評価を行い、続いてEOGとEEGを使用したBCIトレーニングを行います。その後、参加者はロボットを装着して、別のBeBiTS評価を行います(図1)。

1. BCIロボットトレーニングシステムのセットアップ

  1. 患者様リクルート
    1. 以下の選択基準を使用してスクリーニングプロセスを実行します。
      1. 上肢機能障害のある20歳から68歳の患者を選択してください。
      2. 麻痺した手の指を曲げたり伸ばしたりできない患者を選択してください。
      3. 皮質下脳卒中が1回ある患者(虚血性脳卒中と出血性脳卒中の両方を含む)を選択します。.
      4. 脳損傷後6か月以上の患者を選択してください。
      5. 障害のあるFugl-Meyerスコアが31未満の患者を選択します。.
    2. 募集されたすべての患者に実験手順に関する詳細な情報を提供し、署名されたインフォームドコンセントを取得します。
      注: 法定代理人は、患者が基準を満たしているが同意に署名できない場合、署名されたインフォームド コンセントを提供する必要があります。
  2. BCIシステム:脳波計
    1. データ記録には、EEGビューアシステム( 資料表を参照)を使用してください。
    2. カスタムBCIソフトウェアを搭載したパーソナルコンピュータ(PC)を使用し、PCをEEGデバイスに接続します。
  3. 上肢支援ロボットハンド
    1. 3本の指を支持する補助ロボットハンド16 が、患者の障害のある上肢に使用される。このロボットは、親指、人差し指、中指の3本の指だけを覆うように設計された、柔らかい革のような手袋です。USBドングルを使用してロボットをコンピューターにワイヤレスで接続します。
    2. ドングルを介してコンピューターに接続されている場合、ロボットの初期状態はニュートラルであり、手が完全に開いていることを意味します。設計されたBCIシステムは、測定されたEEG値が閾値を満たしているかどうかに基づいて、拳を作る意図を認識したときにのみロボットの手を閉じることができるようにロボットを設定します。 図2 は、このBCIロボットシステムの概略図を示しています。

2. BCIロボット評価

  1. ベルリン脳卒中二手動試験(BeBiTS)
    注: BeBiTS 評価は、脳卒中患者の日常生活の 10 の両手活動のパフォーマンスを評価するためのツールです。
    1. 患者を机に面したアームチェアに快適に配置します。患者が評価に使用した物体から約30cm離れたデスクの近くに配置して、腕と手の両方を使用して評価タスクを実行することを確認します。
    2. 両手活動の評価のために、次の10の項目を保管してください:瓶を開けます。プラスチックのパケットを開けます。水筒を開けます。コップ一杯の水を注ぎます。肉のようなパテを切る。皿をきれいにする。ポットを持ち上げる。歯磨き粉のチューブを開きます。歯ブラシに歯磨き粉を塗ります。ジャケットのジッパーを閉じます。
      注:10の評価タスクは評価項目を使用し、すべて机に座って実行されます。各アクションは 10 点満点で採点され、総合スコアは 100 点です。
    3. 5つのハンドファンクションコンポーネントを個々のアイテムスコアとともに評価し、スコアリングします。これらの要素とそれぞれのスコアは、到達(20)、把持(20)、安定化(10)、操作(33)、持ち上げ(17)であり、合計スコアは100ポイントになります(図3)。

3. BCIロボットトレーニングシステム

  1. EEGのセットアップ
    1. BCI システムを開きます。 図 4 は、BCI システムを開いたときの画面全体を示しています。
    2. キャップをかぶって接続します amplifier。
    3. ソース・モジュールで、「EegoModule」→「インピーダンス・モード」を選択します。ソースモジュールの[Start]ボタンを押すと、青色のライトが表示されます(図5A)。
    4. インピーダンスが10kΩ未満であることを確認してから、ソースモジュールのStopを押します。
    5. モードをEEGに変更してデータをストリーミングし、スタートを押します。指定されたソフトウェアで信号を確認します(図5B)。
  2. EOGキャリブレーション
    1. 前処理モジュールで、EOGモンタージュに固有のパイプラインを選択します(例:左目のEOG電極のSMR-EOGleft;図6A)。
    2. タスクモジュールで、キューの数を設定します(例:10)。タスクモジュールは、ロボットハンドの反対側に方向を設定します(図6B)。
    3. 参加者に、表示される 10 本の矢印の方向に短い横方向の眼球運動を行うように指示します (図 6C)。
    4. トレーニング後すぐに結果グラフを確認します。灰色の線は、各眼球運動の試みを表しています。オレンジ色の線(平均線)がベースラインに接触し、トレーニングが成功したことを示します(図7)。
    5. トレーニングが成功した場合は、 しきい値 パラメーター値を記録します。
      注:目の動きを一貫して繰り返すことが不可欠です。参加者によって異なりますが、EOGトレーニングは一般的に約3回の試行で実用的になり、通常はトレーニングを繰り返すことで改善します。
  3. EEGキャリブレーション
    1. タスクモジュールで、EEGCalibrationTaskModuleを選択します(図8A)。タスク モジュールの [キューの数] を 5 に設定します。
    2. フィードバックモジュールで、ロボットハンドの側面にラテラリティを設定し、パックマンの表示が選択されていないことを確認します(図8B)。
    3. 黒い画面に 「拳を作ることを想像してみてください」 というプロンプトが表示されたら、拳を握りしめているところを想像するように参加者に指示します(図8C)。画面が真っ暗になったら、参加者にリラックスしてもらいます。このプロセスを繰り返し、拳を握りしめる想像力は5秒間続き、残りの期間は10秒から15秒の間でランダムに変化します。
    4. EEGキャリブレーション後に結果グラフを確認し、運動画像中の8〜12Hzミューバンドの特徴的なERDパターンを使用して、参加者の適切な周波数範囲を決定します。図 9 の左のグラフから 11 Hz のパラメータ値を記録します。これは、静止状態と比較したモーター イメージ時の ERD 応答を示しています。図 9 の右側のグラフで、拳を握りしめている画像を表す明確な赤い線と、水平の点線のしきい値線に対してリラックス状態を示す青い線を強調表示します。
    5. EEGキャリブレーショントレーニングが適切に実施されている場合は、右側のグラフの下に基準値としきい値を記録します。
      注:ただし、提供された指示の理解不足やBCIの非識字などの問題により、短期的なキャリブレーショントレーニングが困難な場合があります。
  4. フィードバック付きのトレーニング
    1. EOGとEEGのトレーニングが完了したら、前のトレーニングの結果グラフで特定された特定の対象周波数、基準値、およびしきい値に対して、拳を作る意図を区別するパラメータ値を設定します。
    2. 設定したパラメータを使用して、パックマンを使用したフィードバックトレーニングを進めます。トレーニング後にパラメーターが正しく設定されている場合は、参加者が拳を握りしめることを想像すると、パックマンの口が徐々に閉じるのを観察してください。パックマンの口が適切に閉じない場合は、 基準値 と しきい値 を調整しながらEEGキャリブレーショントレーニングを繰り返します(図10)。
  5. 実験:BCIロボットシステムを用いたBeBiTS評価
    1. すべてのフィードバックトレーニング(約30分)が完了したら、参加者にロボットを装着してもらい、トレーニングされたBCIシステムを使用してpostBeBiTS評価を実施します。
      注:患者の手の痙縮がひどい場合は、ロボットを装着する際に特別な注意が必要です。さらに、ロボットが提供する3本指の補助は、一部の患者にとって十分でない場合があり、BeBiTS評価に必要なすべての動きを実行することが困難になります。このような場合、実行可能な動作のみが評価されます。
    2. 図 11A に示すように、準備完了状態と開始状態を示す白色のライトが画面に表示されるのを待ちます。白色光を確認した後、参加者は目を片側に動かして光を緑色に変更します(図11B)。緑色のライトが点灯すると、参加者は拳を握りしめる姿を想像します。
      注:システムが参加者の意図を十分に認識すると、参加者が装着したロボットを起動して拳を握ります。
    3. ロボットの助けを借りて参加者に拳を握りしめてもらい、 図11Cに示す動作を実行します。
    4. 図11D は、ロボットが拳を握りしめた位置を維持していることを示す赤いライトを表示します。アクションが完了すると、 参加者は、図 11D に示すように、画面上のこの赤いライトを観察します。この時点で、参加者がロボットの助けを借りて再び手を開きたい場合は、目を動かして光の色を白に戻すことができます。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

図12は、EOGとEEGのトレーニング結果を示しています。 図12A は、十分に訓練された参加者の結果を表しています。EOG トレーニング値は一貫しており、平均 (オレンジ色の太線) はしきい値線に適切に達しています。EEGトレーニングの結果は、青(安静時)と赤(運動画像)の線も明確に区別しています。

対照的に、 図12B は、十分にトレーニングしなかった参加者の結果を示しています。EOG の試行に一貫性がなく、平均 (緑の太字の線) がしきい値の線に達していません。さらに、EEGトレーニングの結果は、安静状態と運動イメージを明確に区別していません。

表1 は、8人の参加者全員のBeBiTS評価スコアを示しています。BeBiTSの評価は、BCIシステムトレーニングの前(前)と後(ポスト)で実施しました。参加者のP1、...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

本研究では、脳卒中患者の日常業務遂行を支援するBCI上肢支援ロボットシステムを紹介しました。BeBiTSテスト15 を通じて両手作業の有効性を評価し、BCIシステム14を介して上肢支援ロボットの操作に関するトレーニングを実施した。このアプローチは、従来のリハビリテーション手順とは異なり、患者が自分の意図に応じてロボットの動作を制御することにより、積極的に回復に取り組むことができます。EOGとEEGのトレーニングを正確にキャリブレーションすることは、BCIシステムから正確な信号を取得してロボットを制御するために重要です。さらに、ロボットがユーザーの手に快適にフィットするようにすることが不可欠です。

この研究には8人の参加者が参加しましたが、サンプルサイズが限られていたため、BCIロボットトレーニングシステムの有効性を明確に評価する能力が制限されていました。それにもかかわらず、これらの参加者のBCIシステムトレーニング結果か...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者は、宣言する利益相反を持っていません。

謝辞

本研究は、ドイツ連邦共和国教育研究省と韓国科学情報通信省が資金提供する「Robotics and Lightweight Construction/Carbon International Collaboration Program on Robotics and Lightweight Construction/Carbon Funded」の助成を受けて行われました(Grant No. P0017226)

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

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
BCI2000営利目的で無料のブレインコンピューターインターフェイス(BCI)研究用のオープンソース
BrainVision LSL Viewer Brain Products GmbHは、LSL、EEG、マーカーストリームを監視するための便利なツールです。
8チャンネル(F3、F4、C3、Cz、C4、P3、P4、EOG)ウェーブガードオリジナルキャップ を備えたeegoミニアンプ。Ant Neuro、オランダコンパクトで軽量な設計: eego ミニ アンプは小型軽量で、優れた携帯性とさまざまな環境での脳波記録に適しています。
ネオマノ neofect、韓国袋 材質:レザー、ベルクロ、滑り止めクロス
ワイヤー材質:合成糸
重量:65g(バットなし)
3本の指をカバー:親指、人差し指、中指
ソナルコンピュータ (PC)カスタムBCIソフトウェア ウィンドウノートパソコン
非の汎用ソフトウェアシステム手パー

参考文献

  1. Ekstrand, E., Rylander, L., Lexell, J., Brogårdh, C. Perceived ability to perform daily hand activities after stroke and associated factors: a cross-sectional study. BMC Neurol. 16, 208(2016).
  2. Angerhöfer, C., Colucci, A., Vermehren, M., Hömberg, V., Soekadar, S. R. Post-stroke rehabilitation of severe upper limb paresis in Germany-toward long-term treatment with brain-computer interfaces. Front. Neurol. 12, 772199(2021).
  3. Corbetta, D., Sirtori, V., Castellini, G., Moja, L., Gatti, R. Constraint-induced movement therapy for upper extremities in people with stroke. Cochrane Database Syst Rev. 2015 (10), CD004433(2015).
  4. Kutner, N. G., Zhang, R., Butler, A. J., Wolf, S. L., Alberts, J. L. Quality-of-life change associated with robotic-assisted therapy to improve hand motor function in patients with subacute stroke: a randomized clinical trial. Phys Ther. 90 (4), 493-504 (2010).
  5. Baniqued, P. D. E., et al. Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review. J Neuroeng Rehabil. 18 (1), 15(2021).
  6. Yang, S., et al. Exploring the use of brain-computer interfaces in stroke neurorehabilitation. BioMed Res Int. 2021, 9967348(2021).
  7. Wolpaw, J. R. Brain-computer interfaces. Handb Clin Neurol. 110, 67-74 (2013).
  8. Teo, W. P., Chew, E. Is motor-imagery brain-computer interface feasible in stroke rehabilitation. PM R. 6 (8), 723-728 (2014).
  9. Gomez-Rodriguez, M., et al. Towards brain-robot interfaces in stroke rehabilitation. IEEE Int Conf Rehabil Robot. 2011, 5975385(2011).
  10. Silvoni, S., et al. Brain-computer interface in stroke: a review of progress. Clin EEG Neurosci. 42 (4), 245-252 (2011).
  11. Soekadar, S. R., Birbaumer, N., Cohen, L. G. Brain-computer interfaces in the rehabilitation of stroke and neurotrauma. Systems Neuroscience and Rehabiliation. Kansaku, K., Cohen, L. G. , Springer. Tokyo. 3-18 (2011).
  12. Said, R. R., Heyat, M. B. B., Song, K., Tian, C., Wu, Z. A systematic review of virtual reality and robot therapy as recent rehabilitation technologies using EEG-brain-computer interface based on movement-related cortical potentials. Biosensors. 12 (12), 1134(2022).
  13. Daly, J. J., Huggins, J. E. Brain-computer interface: current and emerging rehabilitation applications. Arch Phys Med Rehabil. 96 (3 Suppl), S1-S7 (2015).
  14. Soekadar, S. R., Witkowski, M., Vitiello, N., Birbaumer, N. An EEG/EOG-based hybrid brain-neural computer interaction (BNCI) system to control an exoskeleton for the paralyzed hand. Biomed Tech (Berl). 60 (3), 199-205 (2015).
  15. Angerhöfer, C., et al. The Berlin Bimanual Test for Tetraplegia (BeBiTT) to assess the impact of assistive hand exoskeletons on bimanual task performance. J NeuroEng Rehabil. 20, 17(2023).
  16. Neofect. Neomano. Wearable Robot Hand Assistance. , https://www.neofect.com/kr/neomano (2024).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

EEG EOG BeBiTS

関連記事