Ключові слова
нейропластичність
реабілітація після ампутації
прогнозування рухового наміру
фантомний біль
Як цитувати
Анотація
In press
Інтерфейси мозок-комп'ютер (Brain-Computer Interface, BCI) є перспективним напрямом у нейроінженерії та реабілітаційній медицині, зокрема для пацієнтів із порушеннями рухових функцій, спричиненими ампутацією кінцівок або неврологічними ураженнями. Одним із ключових підходів у цій сфері є використання моторної уяви (Motor Imagery, MI) для визначення рухових намірів, що дозволяє ефективно керувати протезами та нейротехнологічними пристроями. Дана робота аналізує сучасні методи інтеграції MI у реабілітаційні процеси, зокрема її застосування у відновленні рухових функцій після ампутації. Особлива увага приділяється механізмам детекції рухових намірів за допомогою ЕлектроЕнцефалоГрафії (ЕЕГ), зокрема синхронізації та десинхронізації, пов'язаних з певними подіями (Event Related Desynchronization, ERD та Event Related Synchronization, ERS), які є основними характеристиками сенсомоторних ритмів під час уявного руху. Розглянуто експериментальні дослідження, що оцінюють ефективність MI у реабілітації та керуванні протезами. Проаналізовано застосування MI для зменшення фантомного болю та покращення соматосенсорної кортикальної організації а також контролю протезів нижніх кінцівок, забезпечуючи природне відчуття рухів навіть у складних умовах. Розглянуто основні виклики, пов’язані з низьким співвідношенням сигнал/шум в ЕЕГ та індивідуальними відмінностями в MI-здібностях пацієнтів. Результати аналізу підтверджують, що технології MI можуть суттєво покращити якість життя осіб із порушеннями рухових функцій, сприяючи як фізичному, так і когнітивному відновленню. Перспективні напрями подальших досліджень включають оптимізацію алгоритмів розпізнавання рухових намірів, підвищення точності ЕЕГ-інтерпретації та розширення можливостей MI у керуванні складними протезними системами.
Ключові слова: інтерфейс мозок-комп’ютер, нейропластичність, реабілітація після ампутації, прогнозування рухового наміру, фантомний біль.
Посилання
Wolpaw JR, Birbaumer N, Heetderks WJ, McFarland DJ, Peckham PH, Schalk G. Brain-computer interface technology: a review of the first international meeting. IEEE Trans Rehabil Eng. 2000;8(2):164-73. DOI: 10.1109/tre.2000.847807. PMID: 10896178
Di Rienzo F, Debarnot U, Daligault S, Saruco E, Delpuech C, Doyon J, et al. Online and offline performance gains following motor imagery practice: a comprehensive review of behavioral and neuroimaging studies. Front Hum Neurosci. 2016;10:315. DOI: 10.3389/fnhum.2016.00315. PMID: 27445755.
Raffin E, Giraux P, Reilly KT. The moving phantom: motor execution or motor imagery? Cortex. 2012;48(6):746-57. DOI: 10.1016/j.cortex.2011.02.003. PMID: 21397901.
Raffin E, Mattout J, Reilly KT, Giraux P. Disentangling motor execution from motor imagery with the phantom limb. Brain. 2012;135(2):582-95. DOI: 10.1093/brain/awr337. PMID: 22345089.
Saruco E, Guillot A, Saimpont A, Di Rienzo F, Durand A, Mercier C, et al. Motor imagery ability of patients with lower-limb amputation: exploring the course of rehabilitation effects. Eur J Phys Rehabil Med. 2019;55(5):634-45. DOI: 10.23736/S1973-9087.17.04776-1. PMID: 29144105.
Cunha RG, Da-Silva PJG, Paz CCdSC, Ferreira ACdS, Tierra-Criollo CJ. Influence of functional task-oriented mental practice on the gait of transtibial amputees: a randomized, clinical trial. J Neuroeng Rehabil. 2017;14:28. DOI: 10.1186/s12984-017-0238-x. PMID: 28399873.
Moxey PW, Gogalniceanu P, Hinchliffe RJ, Loftus IM, Jones KJ, Thompson MM, et al. Lower extremity amputations – a review of global variability in incidence. Diabet Med. 2011;28(10):1144-53. DOI: 10.1111/j.1464-5491.2011.03279.x. PMID: 21388445.
Tucker MR, Olivier J, Pagel A, Bleuler H, Bouri M, Lambercy O, et al. Control strategies for active lower extremity prosthetics and orthotics: a review. J Neuroeng Rehabil. 2015;12:1. DOI: 10.1186/1743-0003-12-1. PMID: 25557982
Al-Quraishi MS, Elamvazuthi I, Daud SA, Parasuraman S, Borboni A. EEG-based control for upper and lower limb exoskeletons and prostheses: a systematic review. Sensors (Basel). 2018;18(10):3342. DOI: 10.3390/s18103342. PMID: 30301238
Murphy DP, Bai O, Gorgey AS, Fox J, Lovegreen WT, Burkhardt BW, et al. Electroencephalogram-based brain–computer interface and lower-limb prosthesis control: a case study. Front Neurol. 2017;8:696. DOI: 10.3389/fneur.2017.00696. PMID: 29326653.
Rimbert S, Trocellier D, Lotte F. Is event-related desynchronization variability correlated with BCI performance? 2022 IEEE Int Conf Metrol Ext Reality Artif Intell Neural Eng (MetroXRAINE). 2022;163-8. DOI: 10.1109/MetroXRAINE54828.2022.9967551.
Rea M, Rana M, Lugato N, Terekhin P, Gizzi L, Brötz D, et al. Lower limb movement preparation in chronic stroke: a pilot study toward an fNIRS-BCI for gait rehabilitation. Neurorehabil Neural Repair. 2014;28(6):564-75. DOI: 10.1177/1545968313520410. PMID: 24482298.
Do AH, Wang PT, King CE, Chun SN, Nenadic Z. Brain-computer interface controlled robotic gait orthosis. J Neuroeng Rehabil. 2013;10:111. DOI: 10.1186/1743-0003-10-111. PMID: 24321081.
Ferrero L, Quiles V, Ortiz M, Ianez E, Gil-Agudo A, Azorin JM. Brain-computer interface enhanced by virtual reality training for controlling a lower limb exoskeleton. iScience. 2023;26(5):106675. DOI: 10.1016/j.isci.2023.106675. PMID: 37250318.
Delisle-Rodriguez D, Cardoso V, Gurve D, Loterio F, Romero-Laiseca MA, Krishnan S, et al. System based on subject-specific bands to recognize pedaling motor imagery: towards a BCI for lower-limb rehabilitation. J Neural Eng. 2019;16(5):056005. DOI: 10.1088/1741-2552/ab08c8. PMID: 30786265.
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.