Роботизированная система верхних конечностей, управляемая интерфейсом мозг-компьютер, для улучшения повседневной деятельности пациентов с инсультом
18 апреля 2025 г.
В этом исследовании представлена система интерфейса мозг-компьютер (ИМК) для пациентов с инсультом, которая сочетает в себе сигналы электроэнцефалографии и электроокулографии для управления роботизированной рукой верхней конечности, улучшая повседневную деятельность. Для оценки использовался Берлинский бимануальный тест на инсульт (BeBiTS).
Наш протокол оценивает ассистивного робота верхних конечностей, управляемого ИМК, для реабилитации после инсульта с использованием сигналов ЭЭГ и ЭОГ для улучшения бимануальной функции. Он оценивает функциональные улучшения с помощью BeBiTS, продвигая вспомогательную нейрореабилитацию.
Этот метод приносит пользу пациентам с постинсультной гемиплегией, помогая паретической функции руки. Он также может помочь пациентам с двигательными нарушениями из-за травм спинного мозга или нейродегенеративных заболеваний.
Этот метод соединяет моторное намерение и выполнение с помощью ЭЭГ ЭЭГ, позволяя пациентам с инсультом управлять роботизированной рукой. Он улучшает бимануальную функцию, повышая независимость в повседневной деятельности по сравнению с обычными вспомогательными подходами.
Пациенты могут столкнуться с трудностями, если они впервые проходят тренировку моторных образов. Таким образом, необходимы соответствующие рекомендации и инструкции для обеспечения кинестетической моторной визуализации.
Робот верхних конечностей, управляемый DCI, включает в себя компоненты нейрореабилитации, такие как нейропластичность и моторное обучение. Эта система может быть расширена для двигательной реабилитации у пациентов с инсультом, а также детским церебральным параличом и нейродегенеративными заболеваниями.
[Инструктор] Для начала предоставьте всем набранным пациентам подробную информацию об экспериментальной процедуре. Получите подписанное информированное согласие от каждого участника. После заполнения формы согласия оцените 10 пунктов оценки BeBiTS, прежде чем обучать робота BCI в удобном кресле перед столом. Запустите интерфейс мозг-компьютер или систему ИМК. Наденьте колпачок на голову пациента и подключите усилитель. В исходном модуле выберите EegoModule, а затем режим импеданса и нажмите «Старт», чтобы активировать модуль. Обратите внимание на синий свет, указывающий на активацию. Убедитесь, что импеданс ниже 10 килоОм. Затем нажмите стоп в исходном модуле. Измените режим на ЭЭГ для потоковой передачи данных. Нажмите «Пуск» и проверьте качество сигнала. Для калибровки EOG в модуле задач задайте количество подсказок. Попросите участника выполнять короткие боковые движения глаз, следуя за 10 стрелками, появляющимися на экране. Проверьте график результатов сразу после тренировки. Для калибровки ЭЭГ выберите модуль задач «Калибровка ЭЭГ» и установите количество сигналов в модуле задач равным пяти. В модуле обратной связи установите латеральность в сторону роботизированной руки. Убедитесь, что параметр display pacman не выбран. Теперь попросите участника представить, как он сжимает кулак, когда на черном экране появляется подсказка, представьте сжатие кулака, а затем просмотрите график результатов. После тренировки ЭОГ и ЭЭГ установите параметры для конкретной целевой частоты, представляющей интерес, референсного значения и порога, которые отличают намерение сжать кулак. Используя настроенные параметры, перейдите к обучению с обратной связью с помощью интерфейса pacman. С помощью USB-ключа можно беспроводно подключить вспомогательную роботизированную руку к компьютеру. Затем попросите участника надеть робота и выполнить оценку BeBiTS. Дождитесь появления белого индикатора на экране, указывающего на состояние готовности. После подтверждения попросите участника переместить глаза в одну сторону, чтобы изменить свет на зеленый. Когда загорится зеленый свет, попросите их представить, как они сжимают кулак. С помощью робота помогите участнику сжать кулак и выполнить задание. Выполнив задание, попросите участника следить за красным светом на экране. Если участник хочет открыть руку, он может двигать глазами, чтобы изменить цвет света обратно на белый. Наконец, пациента снова оценивают после BeBiTS с использованием роботизированной системы BCI. Значения ЭОГ хорошо обученного участника показали последовательные испытания, в которых средняя кривая достигала порогового уровня, а результаты их ЭЭГ четко дифференцировали состояние покоя и моторные изображения. Напротив, исследования ЭОГ плохо обученного участника были непоследовательными, средняя кривая не соответствовала пороговому уровню, а в их результатах ЭЭГ отсутствовало четкое различие между состоянием покоя и моторными изображениями. Участники P1, P4 и P5 не смогли выполнить большинство задач как до, так и после оценки BeBiTS. Участник P3 первоначально набрал баллы в оценке до BeBiTS, но не показал никаких баллов в оценке после BeBiTS после недостаточной подготовки. Участники P2 и P6-P8 показали улучшение в выполнении некоторых задач во время оценки после BeBiTS по сравнению с оценкой до BeBiTS.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
В данном исследовании оценивается система интерфейса «мозг-компьютер» (ИМК), разработанная для реабилитации после инсульта, в которой используются сигналы электроэнцефалографии (ЭЭГ) и электроокулографии (ЭОГ) для управления роботизированным вспомогательным устройством для верхних конечностей. Для оценки улучшения двуручной функции у пациентов, перенесших инсульт, использовался Берлинский тест двуручной функции при инсульте (BeBiTS), который позволяет связать двигательное намерение с его реализацией.
Основные компоненты исследования
Область науки
- Нейронаука
- Инженерная реабилитация
- Ассистивные технологии
Теоретическая база
- Инсульт может привести к гемиплегии, что ограничивает двигательную функцию.
- Интерфейсы «мозг-компьютер» могут способствовать двигательной реабилитации.
- Инновационное использование ЭЭГ и ЭОГ для управления роботизированными устройствами является значительным достижением.
Цель исследования
- Оценка эффективности роботизированного манипулятора под управлением ИМК для реабилитации после инсульта.
- Исследование функциональных улучшений при выполнении двуручных задач после тренировок с использованием ИМК.
- Повышение степени независимости при выполнении повседневных действий для пациентов с двигательными нарушениями.
Используемые методы
- В исследовании использовалась система интерфейса «мозг-компьютер», сочетающая ЭЭГ и ЭОГ.
- В качестве биологической модели выступали пациенты после инсульта с нарушениями двуручной функции.
- Были внедрены подробные протоколы обучения для калибровки ЭОГ и ЭЭГ.
- Оценка включала анализ до и после обучения с использованием системы BeBiTS.
- Обучение включало управляемое моторное воображение и механизмы обратной связи.
Основные результаты
- У участников наблюдались разные уровни улучшения показателей со значимыми различиями в выполнении заданий до и после оценки.
- Подгруппа пациентов (P2, P6–P8) продемонстрировала функциональные улучшения, что контрастирует с результатами лиц с недостаточным объемом тренировок.
- Результаты ЭЭГ и ЭОГ выявили важные различия в активации, связанной с моторным воображением, что указывает на потенциал для усиления нейропластичности.
Выводы
- Данное исследование демонстрирует потенциал систем ИМК для улучшения результатов реабилитации пациентов после инсульта.
- Полученные результаты свидетельствуют о существенном улучшении двигательных функций и степени независимости, что обосновывает интеграцию робототехники в терапию.
- В будущем данные методы могут быть применены для лечения пациентов с травмами спинного мозга и нейродегенеративными заболеваниями, что откроет возможности для внедрения более широких стратегий реабилитации.
Часто задаваемые вопросы
Практическая значимость для промышленности
Интеграция систем интерфейса «мозг-компьютер» (ИМК) с робототехникой верхних конечностей восполняет критический пробел в нейрореабилитации, обеспечивая прямой перевод двигательного намерения в функциональное движение у пациентов после инсульта. Такой подход повышает прогностическую достоверность результатов реабилитации для конкретного пациента и служит основой для оценки технологий на ранних этапах разработки портфелей вспомогательных устройств. Данный метод способствует снижению механистических рисков за счет количественной оценки улучшений в выполнении повседневной деятельности, обусловленных нейропластичностью.
Стратегическое применение в биофармацевтических исследованиях и разработках
Ранние этапы поиска и валидация мишени
- Позволяет исследовать нейромоторные пути посредством анализа сигналов ЭЭГ/ЭОГ во время выполнения задания.
- Обеспечивает функциональную валидацию целей путем связывания сигналов двигательного намерения с результатами движений при роботизированной помощи.
- Повышает прогностическую уверенность в стратегиях нейрореабилитации за счет количественной оценки адаптации пациента и вариабельности отклика.
Скрининг и разработка анализа
- Устанавливает стандартизированные протоколы калибровки ЭЭГ/ЭОГ и настройки пороговых значений для обеспечения воспроизводимости детектирования сигналов.
- Предоставляет количественные показатели BeBiTS в качестве валидированных выходных данных для оценки эффективности вспомогательных средств в различных когортах пациентов.
- Обеспечивает готовность к последующей оценке новых робототехнических методов или расширенных функций конечностей.
Трансляционные и доклинические исследования
- Обеспечивает соответствие функциональной оценки конечным точкам, имеющим значение при изучении инсульта и нейродегенеративных моделей.
- Обеспечивает преемственность от этапа выявления сигналов нейронного управления до доклинической валидации ассистивных технологий.
- Обосновывает продвижение систем ИМК-робототехники с учетом рисков для более широкого спектра показаний к нейрореабилитации.
Интеграция конвейеров и рабочих процессов
Данная система ИМК-робототехники занимает промежуточное положение в континууме от раннего этапа обнаружения нейромоторных сигналов до доклинической валидации ассистивных устройств для людей с нарушениями двигательных функций.
- Фундаментальная биология: Связывает паттерны сигналов ЭЭГ/ЭОГ с выполнением функциональных задач, что позволяет проверять гипотезы в области нейромоторного контроля.
- Скрининг: Использует BeBiTS в качестве воспроизводимого количественного метода анализа для оценки эффективности вспомогательных средств.
- Аналитика: Обеспечивает дифференциацию сигналов на основе пороговых значений, а также оценку показателей до и после вмешательства для сравнительного анализа.
- Трансляционные исследования: Сопоставляет индивидуальную нейронную адаптацию пациента с конечными точками функционального восстановления, имеющими значение для клинического применения.
- Корпоративное использование: Создает модульную платформу, адаптируемую для анализа дополнительных функций верхних конечностей и более широких групп пациентов.
Операционное и корпоративное воздействие
- Научная ценность: повышение прогностической достоверности результатов нейрореабилитации и снижение механистической неопределенности процессов моторного восстановления.
- Операционная ценность: стандартизация рабочих процессов калибровки и оценки ЭЭГ/ЭОГ для масштабируемого внедрения.
- Стратегическая ценность: обеспечение возможности принятия обоснованных данными решений о целесообразности (go/no-go) разработки вспомогательных технологий и расширения портфеля.
- Влияние на портфель: поддержка приоритизации систем ИМК-робототехники с учетом рисков для различных показаний при нейромоторных нарушениях.
Особенности реализации
- Требуется опыт в области регистрации, калибровки и интерпретации сигналов ЭЭГ/ЭОГ.
- Необходимо наличие высокоточного оборудования для обработки нейронных сигналов в реальном времени и управления робототехническими приводами.
- Требуется межгрупповая стандартизация протоколов обучения и критериев оценки.
- Адаптация к дополнительным функциям конечностей или другим группам пациентов может потребовать доработки протокола.
- Возможности ограничены текущими характеристиками робототехнических кистей, что, как отмечено в исследовании, затрудняет помощь при выполнении сложных движений.
