Синергије хода особа после можданог удара

Abstract

Мождани удар је обољење које изазива промене које утичу на практично све сегменте животних активности. Последице можданог удара су изражене у сензорно-моторним функцијама, али и у менталним и емоционалним елементима. Губитак селективне моторне контроле, посебно хода и покрета шаке, су од централног значаја у развоју онеспособљености пацијената. Томе додатно доприносе поремећаји говора и психичке промене. Ходање је важна компонента самосталности и неопходан чинилац нормалних животних активности. Поновно омогућење хода пацијенту после можданог удара зато заузима важно место у рехабилитацији и предмет је изучавања многобројних клиничких студија. Основна хипотеза успостављања хода је да је он могућ и са смањеним сензорно-моторним ресурсима. Нови ход се може активирати кроз моторно учење, користећи својство централног нервног система да може да се адаптира на промене. Ово моторно учење је у основи слично процесу учења у периоду после рођења. Моторно учење хода се појачава класичним рехабилитационим техникама (принцип неурофизиолошког и моторног учења), а данас често и у комбинацији са: 1) роботским направама које асистирају балансу, делимичном растерећењу тежине и у одређеној мери покретању појединих сегмената, 2) повећањем мотивације и моторног учења применом повратних спрега (biofeedback, brain-computer interface - BCI) и 3) функционалном електричном стимулацијом (ФЕС) која активира поједине сензорно-моторне путеве од значаја за ход. Ова докторска дисертација је настала као резултат развоја унапређених система за асистенцију ходања применом електричне стимулације. Познато је да електрична стимулација омогућава активацију парализованих мишића делујући директно на моторне нерве или делујући на сензорне нерве и генеришући функционалне рефлексе. Овај метод асистенције је често коришћен за терапију особа после можданог удара који резултује хемиплегијом, тј. jедностраном парализом тела. Електрична стимулација захтева управљачки систем који ће синхроно другим активностима активирати мишиће који су парализовани. У ранијим истраживањима је модел управљања био базиран на копирању синергија које су карактеристичне за ход људи који немају моторне проблеме. У тим истраживањима су доминантна два приступа: управљање са повратном спрегом на бази детаљног модела хода, и сензорски управљана стимулација на бази неаналитичког модела хода. У мерењима промена које настају на ново успостављеном ходу је уочено да постоји значајна акомодација биолошке контроле непарализованих делова тела у циљу компензације и генерисања стања која омогућавају интеграцију покрета са споља контролисаним покретима парализованих (паретичних) екстремитета. Ова сазнања су допринела идеји да је неопходно детаљно истражити карактеристике хода особа после можданог удара са циљем формирања модела који се може имплементирати у систем који користи вишеканалну електричну стимулацију, а који резултује генерисањем активности мишића које на оптималан начин доприносе опоравку хода. Сходно томе је циљ истраживања био развој методе за праћење карактеристика хода (кинематике и динамике) и карактеристика мишићне активности при ходу у процесу учења хода. Ход се најчешће посматра као циклични процес у коме се кораци понављају, али је заправо скуп корака који се међусобно разликују и треба их карактерисати као случајан процес. Ова чињеница је укључена у истраживања и за анализу хода су примењени статистички модели. У раду је посвећена пажња и динамичком моделирању хода с обзиром на специфичности система који чине нервни, мишићни и скелетни систем, који су одговорни за ход и стајање. Истраживању је приступљено након детаљне анализе постојећих система управљања вишеканалном електричном стимулацијом за рехабилитацију хода. Посебно су размотрене различите методе управљања и њихова ограничења. Снимање карактеристика хода на здравим испитаницима обављено је ради формирања модела здравог обрасца хода. Више-сензорским системом који се поставља на тело и омогућава снимање већег броја корака, снимљене су кинематичке карактеристике хода пацијената након можданог удара. За мерење силе реакције подлоге, у истраживању је коришћен улошак за ципелу који смо развили у Лабораторији за биомедицинско инжењерство, Електротехничког факултета у Београду. Системом за снимање електромиографских сигнала (ЕМГ) са већег броја мишића су регистроване мишићне активности мишића који су доминантни за покрете од интереса. У овом истраживању смо се бавили са два модалитета хода: ходом асистираним конвенционалним методама (штап, терапеут) и ходом са моторизованом ходалицом Walkaround. Сва снимања обављена су на Клиници за рехабилитацију „Др Мирослав Зотовић“, Београд, на основу унапред дефинисаних процедура одобрених од стране етичког комитета Клинике. У студији су учествовали пацијенти са дијагнозом акутне (мање од 6 недеља након можданог удара), суб-акутне (од 6 недеља до 6 месеци након можданог удара) и хроничне фазе хемиплегије (више од 6 месеци након можданог удара). За обраду и анализу података, реализацију стохастичке методе и неуралних мрежа коришћен је програмски пакет МАТЛАБ, математичко и симулационо окружење за математичке прорачуне, симулирање и анализу процеса. Анализа хода на основу уобичајено коришћених кинематичких параметара хода (брзине, симетрије, трајања једноослоначке и двоослоначке фазе), проширена је комплекснијом анализом уз примену стохастичке методе (Principal Component Analysis - PCA). Детаљнија анализа кинематичких синергија омогућила је бољи увид у механизме нервног система који резултују девијацијама хода. Анализа хода на бази електромиографских сигнала показала је да ли се и на који начин синергијске шеме мишићних активација мењају у зависности од коришћеног асистивног средства. Технике машинског учења употребљене су да би се на основу постојећих снимака пацијената са хемиплегијом извршило мапирање сензорске репрезентације и мишићних активација хода, ради формирања индивидуалног модела хода (базе знања) који карактерише потенцијалног корисника система.

Stroke is a unique disease with consequences affecting all life aspects. As a result of stroke, patients face physical, mental and emotional changes that decrease life potentials. The loss of selective control of limb segments and hand movements is the main contributor to the patients’ disability. This state is additionally affected by communication problems and mental disorders. Walking is an essential component of independence and an important part of various life activities. This is why restoration of walking has a significant role in rehabilitation of stroke patients and is often a central task of many clinical trials. Restoration techniques are based on the hypothesis that neuroplasticity (motor learning) allows the development of a new walking even with the existing limitations of a sensory-motor system after stroke. At present, gait restoration is largely based on different methods, used either independently or combined: 1) classical rehabilitation (neurophysiological and motor learning techniques), 2) robotic assistance of posture, body weight, and body segment movements, 3) feedback and brain-computer interface (BCI) used for motor learning, and 4) functional electrical stimulation (FES). This doctoral dissertation was written as a part of a larger study, where the systems for walking assistance using functional electrical stimulation are being developed. It has been shown that electrical stimulation activates paralyzed muscles by direct stimulation of motor system or reflex stimulation of afferent nerves. This principle is often used in movement restoration in patients after stroke which results in hemiplegia – paralysis of one side of the body. The use of FES requires external control that would integrate the biological and artificial control. In previous studies, the control of FES was primarily based on using synergies that characterize the walking of subjects with no sensory-motor impairments. Here two approaches are used: feedback control systems based on a detailed gait model and a sensor-driven stimulation based on a non analytical gait model. The gait assessment showed that there is a significant accommodation of biological control of non-paralyzed extremities to match the disability of the affected leg, and that the restoration of healthy-like walking is most likely not the achievable goal. These findings have contributed to the idea that the characteristics of walking in hemiplegic patients after stroke need to be investigated in more details. This should lead to a model that could be implemented in a system that uses a multi-channel electrical stimulation, and generates muscle activities for optimal walking recovery. The important goal of this research was to develop a method for assessment of walking characteristics (kinematics and dynamics) and the characteristics of muscle activities during walking in clinical conditions. The gait is considered a cyclic activity; yet in reality there are substantial differences among the consecutive strides even when walking over ground with no obstacles. This directly suggests that the strides being part of the walking cycle should be characterized as a random process. This modeling requires the use of statistical models of gait. Not all elements of the process can be analyzed solely by kinematic measures. Knowledge of sensory-motor system responsible for locomotion is necessary, so the analysis includes dynamics of the walking as well. The inital step in the research was a detailed literature review in order to get a better insight into the existing control systems. Different control methods as well as their limitations were studied in detail. Walking characteristics of healthy subjects were recorded in order to form a model of healthy walking patterns (benchmark). Portable multi-sensor system that included goniometers and force sensing resistors (FSR) was used to record kinematical and dynamic characteristics of walking in patients after stroke. A sensor insole with FSR sensors developed in the Laboratory for biomedical engineering, at the Faculty of Electrical Engineering, Belgrade, was used as a force sensor. A multy-channel system for electromyography (EMG) was used to assess activities of muscles dominant for the walking. In this case, two modalities of walking were analyzed: walking assisted with a cane and walking assisted by a powered walker, called Walkaround that provides postural assistance. All recordings were done at the Institute for Rehabilitation „Dr Miroslav Zotović“, Belgrade, based on pre-defined protocols approved by the Institute’s ethics committee following the Helsinki declaration and current EC rules and recommendations. The study included patients in their acute (less than 6 weeks after stroke), sub-acute (6 weeks to 6 months post-stroke) and chronic phases of hemiplegia (more than 6 months after stroke). Data processing and analysis, implementation of stochastic methods and neural networks, were done in MatLab. Principal Component Analysis – PCA, allowed a statistical gait analysis in addition to commonly used data analysis methods which consider kinematic and dynamic parameters of walking (speed, symmetry, single and double stance duration). The method provided a better understanding of the underlying mechanisms of the nervous system that result in walking deviations. Gait analysis based on electromyographic signals showed whether synergistic muscle activation patterns change depending on the asistive device used. Based on existing recordings of patients with hemiplegia, machine learning techniques were implemented to performe mapping of sensory representations to muscle activations of walking, in order to form an individual model (knowledge base), which characterizes a potential user of the system.