Потеря способности к управлению конечностями из-за травмы нервных волокон лишает человека независимой жизни. Предоставление парализованным людям роботизированных рук и экзоскелетов может несколько облегчить их рутинную деятельность. Однако с точки зрения современной науки управление этими устройствами все еще проблемно. В новой работе, опубликованной в Journal of Neurophysiology, исследователи предлагают свой вариант управления протезами при помощи специальных рукавов.
Схема эксперимента. A – специальный рукав с множеством датчиков, разработанный для записи миоэлектрических сигналов от мышц предплечья; B – добровольцу предлагалось попытаться согнуть и разогнуть пальцы без совершения видимых движений. С – миоэлектрические сигналы выявлялись в мышцах предплечья и раскладывались на активность отдельных двигательных единиц; D – сигналы электромиограммы (ЭМГ) были слабее при попытке разгибания указательного пальца, чем при произвольном разгибании запястья; E – эксперимент состоял из восьми «двигательных блоков», включающих пять чередующихся движений сгибания и разгибания отдельных пальцев, запястья и локтя. Credit: Journal of Neurophysiology
Тетраплегия – утрата мышечной силы всех четырех конечностей – считается одной из самых физически и психологически удручающих форм инвалидности. В современной нейронауке в числе приоритетных задач стоит создание вспомогательных устройств, способных облегчить жизнедеятельность парализованного человека.
Но управление этими роботизированными устройствами на деле представляет собой сложную проблему, так как зачастую они требуют от пользователей умения выражать намерения к движению, или, проще говоря, уметь представлять движения. Кроме того, чтобы достигать наиболее качественное управление, требуется внедрение микроэлектродов в головной мозг, которые должны считывать сигналы с нейронов и передавать их на устройство. Это, к сожалению, возможно только через оперативное вмешательство.
Команда исследователей из США и Великобритании решили подойти к вопросу об управлении роботизированными устройствами с другой стороны. Поскольку мышечная активность в парализованных конечностях хоть и не на высоком уровне, но сохраняется, то стоит попробовать использовать для управления протезами миоэлектрические сигналы – электрические импульсы, связанные с сокращением мышц. Их, по гипотезе исследователей, должно быть достаточно для предсказания намерения к движению руки. Таким образом, ассистивные устройства можно было бы подключать к функционирующим частям тела, минуя участки нервной системы, поврежденные в результате травмы или болезни.
Для достижения высокой точности обнаружения слабых миоэлектрических сигналов требуется большой массив датчиков, обеспечивающий широкий охват парализованной конечности. Поэтому исследователи сделали для добровольца специальный рукав со 150 встроенными миографическими электродами, которые регистрировали мышечную активность в предплечье испытуемого в течение попыток подвигать пальцами, запястьем, локтем.
В качестве единственного испытуемого выступал 32-летний мужчина, перенесший травму спинного мозга за 14 лет до исследования. Он способен совершать движения запястьем в ограниченном диапазоне, но его пальцы совсем не могут двигаться. Во время тестирования ему предложили попытаться имитировать набор движений рукой, которые демонстрировались в виде подсказок на экране компьютера.
Исследователи показали сохранение связи между мышцами и центральной нервной системой у человека с параличом конечностей, которую можно регистрировать при помощи массива носимых датчиков.
Для успешного управления вспомогательным устройством важно не только иметь мощную систему регистрации сигналов, но и качественную систему их классификации. Исследователи в свой эксперимент внедрили метод извлечения признаков, который максимизирует объем информации, извлекаемой из массива датчиков и довольно слабого сигнала от мышц.
Во время попыток движений парализованными пальцами, а также явных движений запястьем и локтем исследователи выделили более 20 активных двигательных единиц. По заверениям авторов работы, это – первая демонстрация декодирования движений по частоте возбуждения двигательных единиц, работающих после перенесенной спинномозговой травмы. Этот метод может позволить исследователям и клиницистам неинвазивно взаимодействовать с двигательными единицами, выходящими из поврежденного спинного мозга, создавая новые возможности для управления вспомогательными устройствами, оценки сохраненной функции после травмы и отслеживания восстановления нейромоторной функции во время реабилитации.
Однозначные намерения к движению классифицировались в автономном режиме по мощности электромиограммы или по частоте возбуждения двигательных единиц. Средняя точность классификации составила более 75% в обоих случаях. Алгоритм разложения сигналов извлекал двигательные единицы за 1,2 мс, а частота импульсов предсказывала правильное движение пальцев в 88 ± 24% случаев.
Авторы работы полагают, что несмотря на проблемы, связанные с интерпретацией сигналов, наличие последних предполагает, что их можно использовать для управления роботизированными устройствами, помогающими движению.
В дальнейшей работе исследователи собираются использовать виртуальную реальность в качестве визуальной обратной связи, демонстрирующей пациентам, что несмотря на отсутствие движения их мышцы взаимодействуют с мозгом. Наличие обратной связи – один из основных компонентов мозго-машинных интерфейсов, упрощающий и ускоряющий обучение взаимодействию с ними.
Текст: Анна Удоратина
Материал подготовлен в рамках совместного проекта с инфраструктурным центром «Нейронет». В нем мы освещаем мировые достижения в области нейротехнологий, нейроразвлечений и спорта, а также нейрообразования.
Sensing and decoding the neural drive to paralyzed muscles during attempted movements of a person with tetraplegia using a sleeve array by Jordyn E. Ting et al. Journal of Neurophysiology. Published December 2021.