ソフト空気圧ロボットは脳卒中後の手のリハビリテーションのための脳ネットワークのグラフ理論メトリックを変調します

サマリー

この研究では、脳卒中後の全脳ネットワーク トポロジーの強化に対する構成可能なソフト空気圧ロボットの効果を調査します。グラフ理論分析では、クラスタリング係数、経路長、およびグローバル効率が大幅に改善されたことが示されています。この調査結果は、脳卒中リハビリテーションにおける神経可塑性を調節し、機能回復を最適化するプログラム可能なロボットプロトコルの可能性を強調しています。

要約

大脳皮質の機能回復は、脳卒中後の活動依存性神経可塑性に依存しています。しかし、手の回復のためにロボットによるリハビリテーションを最適化することは、依然として大きな課題です。この概念実証研究では、脳卒中後の手の運動障害を持つ 10 人の参加者を対象に、脳ネットワークを調節する際の設定可能な軟質空気圧ロボットの実現可能性を調査します。プログラム可能なロボット介入は、作業モード、行動時間、および相互作用時間を調整することにより、安静状態評価、スローモード、および高速モードのロボット療法のためにランダム化された順序で投与されました。機能的近赤外分光法 (fNIRS) を使用して、皮質活動と機能的接続性を測定しました。さらに、クラスタリング係数、平均経路長、小世界指数、グローバル効率、次数中心性、固有ベクトル中心性などのグラフ理論メトリックは、fNIRSベースの機能接続行列から導き出されました。その結果、ロボット介入によりクラスタリング係数(P = 0.034)、平均経路長(P = 0.007)、およびグローバル効率(P = 0.001)が大幅に改善されることが示されました。小世界指数、次数中心性、固有ベクトル中心性は増加傾向を示しましたが、これらの差は統計的有意性には達しませんでした。さらに、高速モード療法は、低速モード療法と比較してクラスタリング係数により実質的な変化を誘発し、神経再編成に対する潜在的により強い効果を示唆しています。これらの発見は、脳ネットワークの接続性を強化し、脳卒中後の神経可塑性を促進するために、調整可能なパラダイムを備えたソフトロボティクスの使用を予備的に支持しています。観察されたグローバル効率とスモールワールド特性の改善は、ロボット療法が皮質組織を最適化し、機能回復を促進することを示しています。これらの結果を確認し、その長期的な影響を調査するには、より大きなサンプルサイズと個別化された介入プロトコルを使用したさらなる研究が必要です。

概要

脳卒中は、世界中の成人の死亡と長期障害の主な原因であり続けています¹.衰弱させる後遺症の中で、手の運動障害は重要な日常活動と機能的自立を著しく損ない、それによって脳卒中生存者の社会参加と生活の質を低下させます ^2,3。理学療法とリハビリテーションは運動回復に不可欠ですが、従来の治療アプローチでは、脳卒中後の神経再編成の複雑さと個人差のために、一貫性のない結果が得られることがよくあります⁴。

近年、ロボット支援療法 (RAT) は、運動回復を促進するために高強度で反復的でタスク固有のトレーニングを提供できることで大きな注目を集めています⁵。このような介入をより効果的に調整するには、ロボット介入による直接調節には、神経バイオマーカーをより深く理解することが重要です。これは最終的に治療戦略を最適化し、手先の器用さを促進するのに役立ちます。以前の研究では、ボクセルベースの病変症状マッピングにより、脳卒中後の上肢の近位障害が、皮質運動領域および線条体からの下行路の欠損と関連している可能性があることが示されています。これとは別に、手の障害は脳皮質への孤立した損傷に起因します⁶.しかし、手機能の臨床転帰は依然としてさまざまであり、運動回復の根底にある神経メカニズムはまだ完全には解明されていません ^7,8,9。さらに、ほとんどの市販ロボットトレーニングは、適応性が限られた事前定義されたプロトコルに従っています。患者固有のニーズに対応できず、臨床効果を制限する可能性があります¹⁰。

過去数十年にわたり、神経画像研究は、機能的活動と接続性の変化を特徴とする脳卒中の回復における脳ネットワークの再編成の極めて重要な役割を強調してきました。皮質血行動態を監視するための非侵襲的技術である機能的近赤外分光法 (fNIRS) は、神経動態を評価し、リハビリテーション設定を導くための貴重なツールとして浮上しています¹¹。その携帯性とモーションアーティファクトに対する堅牢性により、ロボット治療中のリアルタイムモニタリングと情報伝達に特に適しています¹²。以前の研究では、運動訓練後の皮質相互接続性の変化が文書化されていますが、全脳ネットワークトポロジーに対する RAT の影響は十分に調査されていません¹³。

脳ネットワークトポロジーの変化を特徴付けることは、脳虚血性または出血性損傷後の機能回復の根底にある神経可塑性プロセスへの貴重な窓を提供します。人間の脳は複雑なネットワークとして機能し、神経学的機能または修復は、地域の完全性と複数の領域間の動的な相互作用の両方に依存しています¹⁴。このような状況下で、グラフ理論は大規模な脳ネットワークアーキテクチャを定量化するための堅牢なフレームワークを提供し、リンパ節レベル¹⁵での皮質組織に関する洞察を提供します。クラスタリング係数、平均経路長、グローバル効率などの主要なネットワーク指標を計算することで、研究者は RAT が神経情報処理と転送能力にどのような影響を与えるかを評価できます。以前の文献で示されているように、脳卒中によるネットワーク整合性の中断は、多くの場合、スモールワールドの特性と全体的なトポロジー組織の変化として現れます^16,17。リハビリテーション、特にタスク固有の反復トレーニングは、皮質の再編成と関連しています。しかし、これらのネットワークダイナミクスに対するさまざまなロボット介入の正確な影響は、依然として十分に理解されていません¹⁸。

この研究は、脳卒中を患った人々の脳ネットワークダイナミクスを調節する上で、プログラム可能なソフト空気圧ロボットの実現可能性を調査することを目的としています。既存のロボットパラダイムにおける手の屈曲/伸展運動と比較して、現在の空気圧ロボットは、握り、解放、つまみなどの所望の動きに合わせて作業モード、動作時間、および相互作用時間をカスタマイズする点で利点があります^19,20。人間とロボットの相互作用のこれらの多様なモードは、感覚運動皮質領域により的を絞った刺激を提供する可能性があります。このようなパラダイムは、手の機能回復に関連する領域の神経可塑性を促進する可能性があります¹³。さらに、さまざまな治療条件にわたる fNIRS ベースのグラフ理論分析を利用して、個別化されたロボット戦略が手の運動回復をどのように最適化できるかを評価しました。さらに、ソフトロボットリハビリテーションの根底にある神経メカニズムを予備的に解明できる可能性があります。これらのネットワークレベルの適応を理解することで、的を絞った神経生理学に基づいたリハビリテーション プロトコルの開発に情報を提供し、最終的には脳卒中生存者の手の回復を促進することができます。

プロトコル

この研究は、中国武漢の同済病院の倫理委員会によって承認されました。すべての研究プロトコルは、ヘルシンキ宣言に概説されている原則に準拠しました。研究に参加する前に、すべての参加者から書面によるインフォームドコンセントが得られました。使用する機器とソフトウェアは 、材料表に記載されています。

1. 参加者

1. 次の包含基準を考慮してください。
   1. 年齢は18歳から75歳まで。
   2. CTまたはMRIで確認された史上初の虚血性または出血性脳卒中。
   3. 医学的に安定した状態。
   4. インフォームドコンセントに直接署名するか、権限を与えられた代理人から署名してください。
2. 次の除外基準を考慮してください。
   1. 重度の失語症、認知障害、意識障害、または介入または評価プロトコルに協力できない。
   2. 少なくとも20分間座ったままでいられない。
   3. 重度の筋緊張異常 (修正アッシュワース スケール スコア ≥2)。

2. ソフト空気圧ロボットシステム

1. 機器の接続と起動
   1. ロボットシステムの電源ケーブルをコンセントに差し込みます。
   2. コンピュータタワーにあるボタンを押して、コンピュータの電源を入れます。
   3. 2本のエアポンプ電源ケーブルを電源コンセントとソフト空気圧手袋に接続します。
   4. ロボットシステムの背面にある 緑色の電源 ボタンを押して、デバイスをアクティブにします。
2. ソフト空気圧ロボットを装着する
   1. 参加者が患部の手に柔らかい空気圧ロボットを装着するのを手伝い、手のひらと指にしっかりとフィットするようにします。
   2. ベルクロストラップを使用してロボットを固定し、最適な安定性を確保するために、親指の背側から手のひら側の母指球隆起までロボットがしっかりと配置されるようにします。
3. ロボット制御とモード選択
   1. イメージングデバイスの下にある緑色の [Connect ]ボタンを押します。
   2. コンピューターインターフェイスで、 ロボット吸入モードを選択します。
   3. 通信ポート(Com 7)を設定して、デバイスが適切に接続されていることを確認してください。
   4. 適切な膨張・収縮モードを選択し、患者に不快感を与えることなくパラメータ設定を確認してください。スローモード:2000ミリ秒のアクション時間(0.5 Hz)、75%のインタラクション持続時間。高速モード:200ミリ秒の動作時間(5Hz)、75%の相互作用時間²¹ (図1)。

図1:実験装置と構成。 (A)実験セットアップ。(B)ソフトロボット構成。(C)ソフト空気圧ロボット。(D)fNIRSの構成とキャリブレーション。 この図の拡大版を表示するには、ここをクリックしてください。

3. 機能的近赤外分光法(fNIRS)システム

1. 機器の接続と初期化
   1. 連続波fNIRSシステムを使用して、すべての参加者からのデータを記録します。このシステムは、690 nm と 830 nm の波長の近赤外光を放射し、大脳皮質の下 2-3 cm を透過し、サンプリング周波数は 100 Hz です。
   2. 電源タップのスイッチを入れて、接続されているすべてのデバイスに電力を供給します。
   3. fNIRSデバイスの電源ボタンを押し、インジケーターライトが点灯するまで待ちます。
   4. コンピュータとfNIRSシステム間の安定した接続を確保し、中断のないデータ送信を実現します。
2. ソフトウェアの起動と患者情報の入力
   1. fNIRSシステムを起動し、Wi-Fi接続の安定性を確認します。
   2. 患者管理インターフェイスに移動して新しいプロファイルを作成します。 患者の追加をクリックし、参加者の情報を入力し、識別番号を割り当てます。
3. fNIRS信号取得キャップの装着
   1. 適切なサイズのfNIRSキャップを選択してください。センサー番号ラベルを額の中央の少し上に配置し、頭皮が適切に密着していることを確認します。10-20 EEGシステムのFPZオプトードとCZオプトードを合わせます。柔軟なヘッドバンドを使用して検出器と光源を固定し、皮膚との最適な接触を確保します。
   2. データ収集中は、参加者に、頭を動かして目を開けたまま、静かでリラックスした状態を保つように指示します。
   3. データ収集の正式なプロセスの前に、参加者に眠りにつかずに 2 分間静かに休むように指示します。
4. データ収集
   1. fNIRSシステムのコンピューター上のソフトウェアインターフェイスから実験プロトコルを選択します。
   2. ソフトウェア・インターフェースから信号校正を実行して光漏れを最小限に抑え、ノイズを最小限に抑えながら≥75%の信号強度を目標とします。
   3. キャリブレーションに失敗した場合は、センサーの配置を調整して再試行してください。オプトードセンサーは、発光ダイオードと光検出器で構成されています。これらのオプトードは、特定の波長の近赤外光を放射して検出するように設計されています。
   4. ソフトウェア インターフェイスから大脳皮質の日付記録を実施し、参加者にリラックスした状態を保ち、頭の動きを避けるように指示します。
   5. ランダムなシーケンスに従って実験タスクを開始し、継続的にデータを収集するようにしてください。fNIRSシステムは、脳の酸素化と血行動態に関するデータを継続的に監視および記録します。
   6. タスクが完了したら、データ取得を停止し、実験データを安全に保存します。

図2:fNIRSシステムの実験セットアップと神経評価。 (A)fNIRSシステムのオプトード構成とデータ収集プロトコル。(B)前方、後方、左外側、右外側、および上側からの脳活性化の視覚化。(C) 全脳機能的接続性分析。 この図の拡大版を表示するには、ここをクリックしてください。

4. データ分析

1. 生のfNIRSデータの前処理
   1. バンドパスフィルタリングを適用して、生データからノイズとアーティファクトを除去します。fNIRSデータの一般的な周波数は、脳活動のゆっくりとした変化を捉えるために0.01Hzから0.2Hzの間です。
   2. ウェーブレット分解と独立成分解析(ICA)によるモーションアーティファクト補正を行います。具体的には、分解レベル3のDaubechies 4ウェーブレットを使用して、生のfNIRS信号に対してウェーブレット分解を実行します。
      1. ウェーブレット係数にソフトしきい値を適用して、信号の特徴を維持しながらノイズを低減します。しきい値係数から信号を再構築します。再構成された信号にICAを適用して、モーションアーティファクトに対応する成分を特定して削除します。
   3. 連続fNIRS信号をさまざまな条件に対応するエポックに分割します。具体的には、各実験条件の開始とオフセットに対応する時点を特定します。連続信号を実験計画(図2)とそのランダム化されたシーケンスに基づいてエポックに分割します。
2. 血行動態反応の計算
   1. fNIRSシステムからの生の強度測定値を、Beer-Lambertの法則を使用して光学密度の変化に変換します。
   2. 修正されたBeer-Lambertの法則を使用して、変化を推定します イノキシヘモグロビン(HbO)およびデオキシヘモグロビン(HbR)濃度。これには通常、ソース検出器の形状と使用される波長 690 nm に基づく連立方程式を解くことが含まれます。
   3. 脳領域全体のHbO濃度の変化を視覚化することで、3D脳活性化マップを作成します。具体的には、解剖学的ランドマークと国際的な10-20システムを使用して、fNIRSチャネルを対応する脳領域に投影します。
      1. 測定されたチャネルに基づいて、脳表面全体のHbO濃度の変化を推定します。活性化マップを標準化された脳テンプレート(MNIテンプレート)に投影して、視覚化を容易にします。
   4. 機能的接続性を使用して、チャネルのすべてのペア間のピアソン相関係数を計算することにより、脳全体の神経共活性化をマッピングします。この係数は、チャネルペア間の線形関係を定量化し、機能接続ネットワークを構築するための基礎として機能します。オープンソースの R スクリプト (ggplot2 を使用) を使用して、結果のネットワークを視覚化します。
3. グラフ理論分析
   1. fNIRSから導出された関数的接続性行列^16,22からグラフ理論メトリック(クラスタリング係数、平均経路長、小世界指数、グローバル効率、次数中心性、固有ベクトル中心性を含む)を抽出します。
   2. クラスタリング係数を計算します。
      
      ここで、 e_i はノード i の隣接ノード間のエッジ番号を示し、 N はネットワーク内のノード (fNIRS チャネル) の総数を示し、 k_i はノード i の次数を示します。クラスタリング係数を使用して、ネットワーク内のノードが一緒にクラスタリングされる度合いを測定します。
      注: 具体的には、ノードの 2 つの隣接要素も互いに接続されている可能性を定量化します。高いクラスタリング係数が高度に相互接続された隣人を反映し、局所的でまとまりのある脳ネットワーク構造を示していることを確認します。神経可塑性は、局所的な神経活動をサポートするために、新しい接続を形成したり、既存の接続を強化したりすることにより、クラスタリング係数を変化させることができます。
   3. 平均パス長を計算します。
      
      ここで、 d(i,j) はノード i と j の間の最短パス長を表し、 N はネットワーク内のノードの総数を表します。
      1. 平均パス長を使用して、ネットワーク内のすべてのノードのペアをトラバースするために必要な平均ステップ数を測定します。平均経路長が短いほど、脳ネットワーク全体での情報伝達がより効率的であることを示します。
         注:神経可塑性は、離れた脳領域間のショートカットとして機能する新しい接続を作成し、情報を統合する脳の能力を高め、全体的な運動制御機能を改善することにより、平均経路長を短縮できます。
   4. スモールワールドインデックスを計算します。
      
      ここで、 C_実数 と L_実数 は実数ネットワークのクラスタリング係数と平均経路長を示し、C_rand と L_rand は、同じ数のノードとエッジを持つランダム ネットワークのクラスタリング係数を示します。small-world インデックスを使用して、ネットワーク内のローカル クラスタリングとグローバル統合のバランスを評価します。
      注: スモールワールドネットワークは、クラスタリングが高く、パス長が短いため、ローカルグループを維持しながら効率的な通信が可能になります。神経可塑性は、短い経路長を維持しながら局所的なクラスタリングを増加させる新しい接続を形成することにより、小世界の特性を強化し、適応神経変化と手先の器用さをサポートすることができます。
   5. グローバル効率を計算します。
      
      ここで、 d(i,j) はノード i と j の間の最短パス長を表し、 N はネットワーク内のノードの総数を表します。グローバル効率を使用して、グローバルに情報を交換するネットワークの能力を評価します。値が高いほど、脳ネットワーク全体での情報伝達が速いことを示し、システムが十分に接続されていることを反映しています。
      注: 神経可塑性は、ネットワークのトポロジーを最適化することでグローバルな効率を高め、さまざまな脳領域間での情報の統合を改善し、複雑な手の機能をサポートします。
   6. 次数中心性を計算します。
      
      ここで、 k_i はノードの次数を示します。度中心性を使用して、ノードがネットワーク内で持つ直接接続の数を定量化します。高度な中心性を持つノードは、主要な通信ハブとして機能します。神経可塑性は、新しい接続を形成することにより、特定のノードの中心性を高め、ネットワークにおける役割を強化し、脳の適応と再編成の能力をサポートすることができます。
   7. 固有ベクトル中心性を計算します。
      
      ここで、 A は隣接行列を表し、vは最大の固有値λに対応する固有ベクトルを表します。固有ベクトル中心性を使用して、適切に接続されたノードへの接続に基づいてノードの影響を評価します。
      注:固有ベクトル中心性が高いノードは、階層ネットワークの中心です。神経可塑性は、他の高度に接続されたノードとの接続を形成することにより、特定のノードの固有ベクトル中心性を高め、情報を効率的に処理する脳の能力をサポートする役割を強化します。
4. 統計分析
   1. 統計ソフトウェアでデータを長い形式で整理し、グラフ理論の指標、実験条件、参加者識別子が適切に構造化されていることを確認します。ANOVAを実行する前に、正規性のShapiro-Wilk検定²³ と分散の均一性のLevene検定²⁴を使用して、正規性と分散の均一性の仮定を検証します。
   2. 一元配置分散分析の実行を続行して、3つの条件間でグラフ理論の指標に有意差があるかどうかを評価します。ANOVA が有意な結果 (P < 0.05) をもたらす場合は、事後比較でフォローアップして、条件間の具体的な違いを特定します。

結果

合計 10 人の脳卒中患者が研究に登録され、安静状態評価、低速モードロボット療法、および高速モードロボット療法が無作為化された順序で受けました。この結果は、ロボットプロトコルをプログラミングし、脳ネットワークのグラフ理論メトリックを計算することにより、神経可塑性変調を個別化することの実現可能性を実証しました。ソフトロボット治療中、同時fNIRS評価により、脳の活性化と機能的接続データの両方を取得することができました。

すべての参加者は研究プロトコルを無事に完了し、ソフトロボット療法から欠落したデータはなかった。静止状態評価では、グラフ理論指標の平均値 (標準偏差 ±) は次のとおりです。クラスタリング係数、0.56 ± 0.08。平均経路長、2.75 ± 0.25。スモールワールド指数、3.37±0.50。グローバル効率、0.26 ± 0.10。度中心性、15.15 ± 8.84;固有ベクトル中心性は0.26±0.06です(表1)。

ディスカッション

この研究では、fNIRS ベースのグラフ理論分析を使用して、脳卒中患者の脳ネットワークダイナミクスに対する構成可能な軟質空気圧ロボットの神経可塑性効果を調査しました。この発見は、ソフトロボット療法が分散型脳ネットワークのトポロジカル組織を効果的に調節し、参加者が高いコンプライアンスを示していることを示唆しています。具体的には、クラスタリング係数、平均経路長、グローバル効率に大きな変化が見られました。小世界指数、次数中心性、固有ベクトル中心性は増加傾向を示したが、それらの変化は統計的有意性には達しなかった。これらの結果は、脳卒中リハビリテーションにおける神経接続を強化し、脳ネットワークの再編成を促進するためにソフトロボット介入を調整する可能性を強調しています。

ロボットの治療の可能性は、脳卒中後の神経可塑性の重要な要素である、反復的で個別化された感覚運動刺激を提供する能力にあります²⁵。これらのデバイスは手のリハビリテーションを加速する有望であることが示されていますが、...

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
106チャンネルfNIRSデバイス	武漢ズニオンテクノロジー株式会社	BS-2000	プログラムの実施
関節リハビリテーションシステム	南京リシーダー医療技術有限公司。	RSD RS3	リハビリ介入
Rソフトウェア	Rファウンデーション	バージョン 4.2.1	統計解析
SPSSソフトウェア	アイビーエム	バージョン 22.0	統計解析