Интерфейс мозг–компьютер, основанный на спектроскопии в ближней инфракрасной области, в двигательной реабилитации после инсульта: описание серии случаев

Обложка

Цитировать

Полный текст

Аннотация

Введение. Неинвазивные нейрокомпьютерные интерфейсы позволяют проводить тренировки представления движения с предъявлением обратной связи в двигательной реабилитации пациентов неврологического профиля. В настоящий момент практически не изучено применение интерфейса мозг–компьютер (ИМК) на основе регистрации спектроскопии в ближней инфракрасной области (БИКС) в двигательной реабилитации.

Цель исследования — оценить возможность применения БИКС-ИМК для проведения тренировок представления движения руки в комплексной реабилитации пациентов после инсульта.

Материалы и методы. В данное пилотное исследование включали клинически стабильных пациентов с постинсультным парезом руки лёгкой или средней степени выраженности. Пациенты получали 10 тренировок представления движения под контролем БИКС-ИМК, каждая длительностью по 9 мин, в дополнение к стандартной реабилитационной программе. В качестве показателя качества управления БИКС-ИМК оценивали достигнутый процент времени правильного распознавания классификатором ментального состояния пациента. Функцию руки определяли по шкалам ARAT и Фугл-Мейера.

Результаты. В исследование были включены и завершили его 5 пациентов с давностью инсульта от 1 дня до 12 мес. Все пациенты достигли качества управления БИКС-ИМК выше случайного (41–68%). Клинически значимое улучшение двигательной функции руки достигнуто у 3 пациентов по тесту ARAT, у одного из них — также по шкале Фугл-Мейера. В процессе тренировок все пациенты отмечали сонливость.

Заключение. Пациенты после инсульта способны управлять исследованной системой БИКС-ИМК. Для увеличения эффективности тренировок рекомендовано изменить сценарий предъявления обратной связи, увеличить продолжительность тренировок, включить в аппаратный комплекс функциональную электромиостимуляцию.

Об авторах

Роман Харисович Люкманов

ФГБНУ «Научный центр неврологии»

Email: xarisovich@gmail.com
ORCID iD: 0000-0002-8671-5861

к.м.н., н.с., руководитель группы нейроинтерфейсов Института нейрореабилитации и восстановительных технологий 

Россия, Москва

Михаил Романович Исаев

ФГБУН «Институт высшей нервной деятельности и нейрофизиологии РАН»

Email: shycmympuk@yandex.ru
ORCID iD: 0000-0002-3907-5056

м.н.с. лаб. математической нейробиологии обучения 

Россия, Москва

Олеся Александровна Мокиенко

ФГБНУ «Научный центр неврологии»; ФГБУН «Институт высшей нервной деятельности и нейрофизиологии РАН»

Email: lesya.md@yandex.ru
ORCID iD: 0000-0002-7826-5135

к.м.н., н.с. группы нейроинтерфейсов Института нейрореабилитации и восстановительных технологий ФГБНУ «Научный центр неврологии»; с.н.с. ФГБУН «Институт высшей нервной деятельности и нейрофизиологии РАН»

Россия, Москва; Москва

Павел Дмитриевич Бобров

ФГБУН «Институт высшей нервной деятельности и нейрофизиологии РАН»

Автор, ответственный за переписку.
Email: bobrov_pd@mail.ru
ORCID iD: 0000-0003-2566-1043

к.б.н., зав. лаб. математической нейробиологии обучения 

Россия, Москва

Екатерина Сергеевна Иконникова

ФГБНУ «Научный центр неврологии»

Email: xarisovich@gmail.com
ORCID iD: 0000-0001-6836-4386

м.н.с. группы нейроинтерфейсов Института нейрореабилитации и восстановительных технологий 

Россия, Москва

Анастасия Николаевна Черкасова

ФГБНУ «Научный центр неврологии»

Email: lesya.md@yandex.ru
ORCID iD: 0000-0002-7019-474X

м.н.с. группы нейроинтерфейсов Института нейрореабилитации и восстановительных технологий 

Россия, Москва

Наталья Александровна Супонева

ФГБНУ «Научный центр неврологии»

Email: xarisovich@gmail.com
ORCID iD: 0000-0003-3956-6362

д.м.н., член-корреспондент РАН, директор, Институт нейрореабилитации и восстановительных технологий 

Россия, Москва

Список литературы

  1. Monge-Pereira E., Ibañez-Pereda J., Alguacil-Diego I.M. et al. Use of electroencephalography brain-computer interface systems as a rehabilitative approach for upper limb function after a stroke: a systematic review. PM. R. 2017;9(9):918–932. doi: 10.1016/j.pmrj.2017.04.016
  2. Baniqued P.D.E., Stanyer E.C., Awais M. et al. Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review. J. Neuroeng Rehabil. 2021;18 (1):15. doi: 10.1186/s12984-021-00820-8
  3. Fu J., Chen S., Jia J. Sensorimotor rhythm-based brain-computer interfaces for motor tasks used in hand upper extremity rehabilitation after stroke: a systematic review. Brain Sci. 2022;13(1):56. doi: 10.3390/brainsci13010056
  4. Carvalho R., Dias N., Cerqueira J.J. Brain-machine interface of upper limb recovery in stroke patients rehabilitation: a systematic review. Physiother. Res. Int. 2019;24(2):e1764. doi: 10.1002/pri.1764
  5. Frolov A.A., Mokienko O., Lyukmanov R. et al. Post-stroke rehabilitation training with a motor-imagery-based Brain-Computer Interface (BCI)-controlled hand exoskeleton: a randomized controlled multicenter trial. Front. Neurosci. 2017;11:400. doi: 10.3389/fnins.2017.00400
  6. Люкманов Р.Х., Азиатская Г.А., Мокиенко О.А. и др. Интерфейс мозг–компьютер в постинсультной реабилитации: клинико-нейропсихологическое исследование. Журнал неврологии и психиатрии им. С.С. Корсакова. 2018;118(8):43–51. Lyukmanov R.Kh., Aziatskaya GA, Mokienko O.A. et al. Post-stroke rehabilitation training with a brain-computer interface: a clinical and neuropsychological study. Zhurnal Nevrologii i Psikhiatrii imeni S.S. Korsakova. 2018;118(8):43–51. (In Russ.). doi: 10.17116/jnevro201811808143
  7. Soekadar S.R., Kohl S.H., Mihara M., von Lühmann A. Optical brain imaging and its application to neurofeedback. Neuroimage Clin. 2021;30:102577. doi: 10.1016/j.nicl.2021.102577
  8. Mihara M., Hattori N., Hatakenaka M. et al. Near-infrared spectroscopy-mediated neurofeedback enhances efficacy of motor imagery-based training in poststroke victims: a pilot study. Stroke. 2013;44(4):1091–1098. doi: 10.1161/STROKEAHA.111.674507
  9. Исаев М.Р., Бобров П.Д. Влияние выбора стратегии формирования обучающего множества и способа фильтрации на эффективность ИМК, основанного на спектрометрии в ближнем инфракрасном диапазоне. Журнал высшей нервной деятельности им. И.П. Павлова. 2022;72(5):728–738. Isaev M.R., Bob-rov P.D. Effect of session to session learning and filtration method on the performance of BCI based on near infrared spectroscopy. Žurnal vysšej nervnoj deâtelʹnosti im. I.P. Pavlova. 2022;72(5):728–738. (In Russ.) doi: 10.31857/S0044467722050070
  10. Мокиенко О.А., Супонева Н.А. (ред.) Инсульт у взрослых: центральный парез верхней конечности. Клинические рекомендации. М.;2018:64. Mokienko O.A., Suponeva N.A. (eds.) Stroke in adults: central paresis of the upper limb. Clinical guidelines. Moscow; 2018:64. (In Russ.)
  11. Carroll D. A quantitative test of upper extremity function. J. Chronic Dis. 1965;18: 479–491. doi: 10.1016/0021-9681(65)90030-5
  12. Fugl-Meyer A.R., Jääskö L., Leyman I. et al. The post-stroke hemiplegic patient. 1. A method for evaluation of physical performance. Scand. J. Rehabil. Med. 1975;7(1):13–31.
  13. Xie Y.L., Yang Y.X., Jiang H. et al. Brain-machine interface-based training for improving upper extremity function after stroke: а meta-analysis of randomized controlled trials. Front. Neurosci. 2022;16:949575. doi: 10.3389/fnins.2022.949575
  14. Simon C., Bolton D.A.E., Kennedy N.C. et al. Challenges and opportunities for the future of brain–computer interface in neurorehabilitation. Front. Neurosci. 2021;15:699428. doi: 10.3389/fnins.2021.699428

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Общая схема системы БИКС-ИМК и процесса тренировки (после проведения «прайминга»).

Скачать (34KB)
Метаданные
3. Рис. 2. Изменение показателей по двигательным шкалам у пациентов в процессе реабилитации с включением тренировок БИКС-ИМК.

Скачать (28KB)
Метаданные

© Люкманов Р.Х., Исаев М.Р., Мокиенко О.А., Бобров П.Д., Иконникова Е.С., Черкасова А.Н., Супонева Н.А., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».