Sistema robótico de membro superior controlado por interface cérebro-computador para melhorar as atividades diárias em pacientes com AVC

Este estudo apresenta um sistema de interface cérebro-computador (BCI) para pacientes com AVC, que combina sinais de eletroencefalografia e eletrooculografia para controlar uma mão robótica de membro superior, aprimorando as atividades diárias. A avaliação utilizou o Teste Bimanual de Berlim para AVC (BeBiTS).

Este estudo apresenta um robô auxiliar de membro superior controlado por Interface Cérebro-Computador (BCI) para reabilitação pós-AVC. O sistema utiliza sinais de eletroencefalograma (EEG) e eletrooculograma (EOG) para ajudar os usuários a auxiliar a função dos membros superiores nas tarefas diárias enquanto interagem com uma mão robótica. Avaliamos a eficácia deste sistema BCI-robô usando o Teste Bimanual de Berlim para AVC (BeBiTS), um conjunto de 10 tarefas da vida diária envolvendo ambas as mãos. Oito pacientes com AVC participaram deste estudo, mas apenas quatro participantes puderam se adaptar ao treinamento do sistema robô BCI e realizar o pós-BeBiTS. Notavelmente, quando a pontuação pré-BeBiTS para cada item foi quatro ou menos, o sistema de robô BCI mostrou maior eficácia assistiva na avaliação pós-BeBiTS. Além disso, nossa mão robótica atual não auxilia nas funções do braço e do pulso, limitando seu uso em tarefas que exigem movimentos complexos da mão. Mais participantes são necessários para confirmar a eficácia do treinamento do sistema BCI-robô, e pesquisas futuras devem considerar o uso de robôs que possam ajudar em uma gama mais ampla de funções dos membros superiores. Este estudo teve como objetivo determinar a capacidade do sistema BCI-robô de auxiliar os pacientes na realização de atividades de vida diária.

O comprometimento da função dos membros superiores devido ao AVC limita a capacidade de realizar atividades diárias, especialmente tarefas bimanuais¹. A reabilitação das mãos é, portanto, um componente-chave da reabilitação do AVC, sendo^{a terapia do} espelho2 e a Terapia do Movimento Induzido por Restrição (CIMT)³ abordagens bem conhecidas. Pesquisas recentes indicam que os sistemas robóticos de Interface Cérebro-Computador (BCI) baseados em EEG podem ser uma terapia assistiva eficaz para melhorar a recuperação da função da mão em pacientes com AVC ^4,5,6. Os sistemas robóticos da BCI se concentram em acoplar a intenção ativa do paciente de tentar um movimento motor com seu desempenho. Pesquisas estão sendo conduzidas ativamente para determinar se essa abordagem é eficaz para a reabilitação 7,8,9,10,11,12,13.

Neste estudo, apresentamos um sistema robótico assistivo de membro superior controlado por BCI, projetado para ajudar pacientes com AVC a realizar atividades bimanuais. O sistema utiliza eletroencefalogramas (EEG) para detectar e interpretar sinais cerebrais associados a imagens motoras e os combina com eletrooculogramas (EOG) para entradas de controle adicionais. Esses sinais neurofisiológicos permitem que os pacientes controlem uma mão robótica que auxilia nos movimentos dos dedos¹⁴. Essa abordagem preenche a lacuna entre o desejo do paciente de se mover e a capacidade física, potencialmente facilitando a recuperação motora e aumentando a independência nas tarefas diárias.

Pesquisadores da Charité Medical University em Berlim desenvolveram o Berlin Bimanual Test for Stroke (BeBiTS), uma ferramenta de avaliação abrangente, para avaliar a eficácia desse sistema robótico BCI¹⁵. O BeBiTS fornece uma medida quantitativa de melhora funcional, avaliando a capacidade de realizar dez atividades bimanuais essenciais para a vida diária. A avaliação pontua cada tarefa individualmente e avalia cinco componentes da função da mão: alcançar, agarrar, estabilizar, manipular e levantar. Permite uma avaliação abrangente das melhorias funcionais dos pacientes, com foco nas atividades da vida diária. Além disso, permite-nos quantificar a contribuição do sistema robótico BCI na melhoria de funções manuais específicas. Este estudo, portanto, visa desenvolver um sistema de robô assistivo BCI eficaz, comparando as pontuações do BeBiTS antes e depois das sessões de treinamento em pacientes com AVC.

O Conselho de Revisão Institucional do Hospital Bundang da Universidade Nacional de Seul revisou e aprovou todos os procedimentos experimentais (IRB No. B-2205-756-003). Recrutamos oito pacientes com AVC e explicamos minuciosamente os detalhes relevantes antes de obter seu consentimento. Após a obtenção do consentimento informado, o protocolo procede da seguinte forma: realizamos uma avaliação BeBiTS antes do treinamento BCI, seguida pelo treinamento BCI usando EOG e EEG. Depois, os participantes usam o robô para realizar outra avaliação BeBiTS (Figura 1).

1. Configuração do sistema de treinamento de robôs BCI

1. Recrutamento de pacientes
   1. Realize o processo de triagem usando os seguintes critérios de inclusão.
      1. Selecione pacientes com idade entre 20 e 68 anos com funções de membros superiores prejudicadas.
      2. Selecione pacientes que não conseguem flexionar ou estender os dedos da mão paralisada.
      3. Selecione pacientes com um único AVC subcortical (incluindo AVC isquêmico e hemorrágico).
      4. Selecione pacientes com mais de 6 meses após a lesão cerebral.
      5. Selecione pacientes com um escore de Fugl-Meyer prejudicado inferior a 31.
   2. Forneça a todos os pacientes recrutados informações detalhadas sobre o procedimento experimental e obtenha consentimento informado assinado.
      NOTA: Um representante legal deve fornecer o consentimento informado assinado se um paciente atender aos critérios, mas não puder assinar o consentimento.
2. Sistema BCI: dispositivo de EEG
   1. Use um sistema de visualização de EEG (consulte a Tabela de Materiais) para registro de dados.
   2. Use um computador pessoal (PC) com software BCI personalizado e conecte o PC ao dispositivo de EEG.
3. Mão robótica de assistência de membro superior
   1. Uma mão robótica assistida¹⁶ que suporta três dedos é usada no membro superior prejudicado do paciente. Este robô é uma luva macia semelhante a couro projetada para cobrir apenas três dedos: o polegar, o indicador e o médio. Conecte o robô sem fio ao computador usando um dongle USB.
   2. Quando conectado ao computador por meio de um dongle, o estado inicial do robô é neutro, o que significa que sua mão está totalmente aberta. O sistema BCI projetado configura o robô para que sua mão só possa fechar quando reconhecer a intenção de fechar o punho, com base no fato de o valor de EEG medido atingir o limite. A Figura 2 mostra o esquema deste sistema BCI-robô.

2. Avaliação do robô BCI

1. Teste Bimanual de Berlim para AVC (BeBiTS)
   NOTA: A avaliação BeBiTS é uma ferramenta para avaliar o desempenho de 10 atividades bimanuais de vida diária em pacientes com AVC.
   1. Posicione o paciente confortavelmente em uma poltrona de frente para uma mesa. Certifique-se de que o paciente esteja posicionado próximo à mesa, a aproximadamente 30 cm de distância dos objetos usados na avaliação, para realizar as tarefas de avaliação usando os braços e as mãos.
   2. Guarde os 10 itens a seguir para a avaliação das atividades bimanuais: Abra um frasco; abra um pacote de plástico; abra uma garrafa de água; despeje um copo de água; massa cortada semelhante a carne; limpe um prato; levante uma panela; abra um tubo de pasta de dente; aplique pasta de dente em uma escova de dentes; Feche o zíper de uma jaqueta.
      NOTA: As 10 tarefas de avaliação usam itens de avaliação, todos realizados sentados em uma mesa. Cada ação é pontuada em 10, com uma pontuação geral de 100.
   3. Avalie e pontue cinco componentes da função da mão juntamente com as pontuações dos itens individuais. Esses componentes e seus respectivos escores são alcançar (20), agarrar (20), estabilizar (10), manipular (33) e levantar (17), sendo que o escore total somou 100 pontos (Figura 3).

3. Sistema de treinamento de robôs BCI

1. Configuração de EEG
   1. Abra o sistema BCI. A Figura 4 mostra a tela inteira quando o sistema BCI é aberto.
   2. Coloque uma tampa e conecte o amplificador.
   3. No módulo Fonte, selecione EegoModule | modo de impedância. Pressione Iniciar no módulo de origem, que mostra a luz azul (Figura 5A).
   4. Certifique-se de que as impedâncias estejam abaixo de 10k Ohms e pressione Parar no módulo de origem.
   5. Altere o modo para EEG para transmitir os dados e pressione iniciar. Verifique o sinal com o software fornecido (Figura 5B).
2. Calibração EOG
   1. No módulo de pré-processamento, selecione o Pipeline específico para a montagem EOG (por exemplo, SMR-EOGleft para eletrodo EOG no olho esquerdo; Figura 6A).
   2. No módulo Tarefa, defina o Número de indicações (por exemplo, 10). O módulo Tarefa define as direções contralaterais à mão robótica (Figura 6B).
   3. Instrua o participante a realizar breves movimentos laterais dos olhos na direção das 10 setas que aparecem (Figura 6C).
   4. Verifique o gráfico de resultados imediatamente após o treino. As linhas cinzas representam cada tentativa de movimento ocular; confirmam que a linha laranja, que é a média, toca a linha de base, indicando que o treinamento foi bem-sucedido (Figura 7).
   5. Se o treinamento for bem-sucedido, registre o valor do parâmetro de limite .
      NOTA: A repetição consistente dos movimentos oculares é essencial. Embora varie de participante para participante, o treinamento EOG geralmente é prático após cerca de três tentativas e geralmente melhora com o treinamento repetido.
3. Calibração de EEG
   1. No módulo Task, escolha EEGCalibrationTaskModule (Figura 8A). Defina o Número de indicações no módulo Tarefa como 5.
   2. No módulo Feedback, defina Lateralidade para o lado da mão robótica e certifique-se de que Display Pac-Man esteja desmarcado (Figura 8B).
   3. Instrua o participante a imaginar cerrar o punho quando o prompt 'Imagine fechar o punho' aparecer na tela preta (Figura 8C). Peça ao participante para relaxar quando a tela estiver preta. Repita esse processo, com a imaginação cerrada durando 5 s e o período de descanso variando aleatoriamente entre 10 s e 15 s.
   4. Revise o gráfico de resultados após a calibração do EEG e use o padrão ERD característico na banda mu de 8-12 Hz durante as imagens motoras para determinar a faixa de frequência apropriada do participante. Registre o valor do parâmetro de 11 Hz do gráfico esquerdo na Figura 9, que mostra a resposta ERD durante as imagens motoras em comparação com o estado de repouso. No gráfico à direita da Figura 9, destaque a linha vermelha distinta, que representa imagens de punho cerrado, e a linha azul, indicando o estado relaxado, em relação à linha de limiar pontilhada horizontal.
   5. Se o treinamento de calibração do EEG for realizado adequadamente, registre o valor de referência e o limite abaixo do gráfico à direita.
      NOTA: No entanto, pode haver casos em que o treinamento de calibração de curto prazo seja desafiador devido a problemas como falta de compreensão das instruções fornecidas ou analfabetismo BCI.
4. Treinamento com feedback
   1. Depois de concluir o treinamento EOG e EEG, defina valores de parâmetros que distingam a intenção de fechar o punho para a frequência alvo específica de interesse, valor de referência e limite identificado pelo gráfico de resultados no treinamento anterior.
   2. Usando os parâmetros configurados, prossiga com o treinamento de feedback usando o Pac-Man. Se os parâmetros forem definidos corretamente após o treinamento, observe que a boca do Pac-Man se fechará gradualmente quando o participante se imaginar cerrando o punho. Se a boca do Pac-Man não fechar corretamente, repita o treinamento de calibração do EEG enquanto ajusta o valor de referência e o limite (Figura 10).
5. Experimento: Avaliação BeBiTS usando o sistema de robô BCI
   1. Depois de concluir todo o treinamento de feedback (aproximadamente 30 minutos), faça com que o participante use o robô e conduza a avaliação pós-BeBiTS usando o sistema BCI treinado.
      NOTA: Se a espasticidade da mão do paciente for grave, é necessário cuidado especial ao usar o robô. Além disso, a assistência de três dedos fornecida pelo robô pode não ser suficiente para alguns pacientes, dificultando a realização de todos os movimentos necessários na avaliação do BeBiTS. Nesses casos, apenas os movimentos que podem ser realizados são avaliados.
   2. Aguarde até que a luz branca indicando o estado pronto e inicial apareça na tela, conforme mostrado na Figura 11A. Depois de confirmar a luz branca, os participantes movem os olhos para um lado para mudar a luz para verde (Figura 11B). Quando a luz verde aparece, os participantes imaginam cerrar o punho.
      NOTA: Se o sistema reconhecer bem a intenção do participante, ele ativa o robô usado pelo participante para cerrar o punho.
   3. Faça com que o participante cerre o punho com a ajuda do robô e, em seguida, execute a ação mostrada na Figura 11C.
   4. A Figura 11D exibe uma luz vermelha, indicando que o robô está mantendo uma posição de punho cerrado. Ao concluir a ação, o participante observa essa luz vermelha na tela, conforme ilustrado na Figura 11D. Neste ponto, se o participante quiser abrir a mão novamente com a ajuda do robô, ele pode mover os olhos para mudar a cor da luz de volta para branco.

A Figura 12 mostra os resultados do treinamento EOG e EEG. A Figura 12A representa os resultados de um participante bem treinado. Os valores de treinamento EOG são consistentes, com a média (linha laranja em negrito) atingindo corretamente a linha limite. Os resultados do treinamento de EEG também distinguem claramente entre as linhas azul (estado de repouso) e vermelha (imagens motoras).

Em contraste, a Figura 12B mostra os resultados de um participante que não treinou bem. Os ensaios EOG são inconsistentes e a média (linha verde em negrito) não atinge a linha limite. Além disso, os resultados do treinamento de EEG não distinguem claramente entre o estado de repouso e as imagens motoras.

A Tabela 1 apresenta os escores de avaliação do BeBiTS para todos os oito participantes. Realizamos a avaliação BeBiTS antes (pré) e depois (pós) do treinamento do sistema BCI. Os participantes P1, P4 e P5 não conseguiram pontuar em quase todos os itens durante as duas avaliações do BeBiTS. O participante P3 pontuou na avaliação pré-BeBiTS, mas devido ao treinamento inadequado com o sistema de robô BCI, ele não conseguiu pontuar na avaliação pós-BeBiTS usando o sistema de robô BCI. Os demais participantes (P2, P6-P8) pontuaram em alguns dos itens performáveis na avaliação pós-BeBiTS.

Figura 1: Fluxograma de toda a progressão do protocolo. Clique aqui para ver uma versão maior desta figura.

Figura 2: Esquema do sistema BCI-robô. Abreviatura: BCI = Interface controlada pelo cérebro. Clique aqui para ver uma versão maior desta figura.

Figura 3: Folha de pontuação da avaliação BeBiTS. A pontuação é baseada em dez itens de desempenho da vida diária e cinco itens de avaliação da função da mão, que incluem alcançar, agarrar, estabilizar, manipular e levantar. A pontuação total é de 100 pontos. Abreviatura: BeBiTS = Teste Bimanual de Berlim para AVC. Clique aqui para ver uma versão maior desta figura.

Figura 4: Visualização em tela cheia do programa BCI. Abreviatura: BCI = Interface controlada pelo cérebro. Clique aqui para ver uma versão maior desta figura.

Figura 5: Verificada a impedância do EEG do programa BCI. Abreviaturas: EEG = eletroencefalografia; BCI = interface controlada pelo cérebro. Clique aqui para ver uma versão maior desta figura.

Figura 6: Processo de calibração EOG e tela de treinamento EOG. (A) Módulo de pré-processamento, (B) Módulo de tarefa de calibração EOG, (C) A tela visualizada pelo paciente durante o treinamento EOG. O paciente é instruído a mover os olhos na direção indicada pelas setas. Abreviatura: EOG = eletrooculografia. Clique aqui para ver uma versão maior desta figura.

Figura 7: Gráfico dos resultados após a calibração do EOG. Os valores dos parâmetros EOG treinados do participante são verificados. Abreviatura: EOG = eletrooculografia. Clique aqui para ver uma versão maior desta figura.

Figura 8: Etapas de treinamento de EEG e tela de instruções para discriminar a intenção motora ao imaginar fechar o punho. (A) Módulo de tarefa de calibração de EEG, (B) Módulo de feedback, (C) A tela visualizada pelo paciente durante o treinamento de EEG. O paciente é instruído a imaginar cerrar o punho conforme indicado na tela. Abreviatura: EEG = eletroencefalografia. Clique aqui para ver uma versão maior desta figura.

Figura 9: Gráficos de resultados de treinamento são exibidos quando a calibração do EEG é concluída. Abreviatura: EEG = eletroencefalografia. Clique aqui para ver uma versão maior desta figura.

Figura 10: Processo de feedback e visualização de tela usando o Pac-Man. (A) Módulo de feedback, (B) A tela visualizada pelo paciente durante o treinamento do Pac-man. Conforme instruído na tela, quando o paciente se imagina cerrando o punho, a boca do Pac-man fecha suavemente se o treinamento for bem-sucedido. Clique aqui para ver uma versão maior desta figura.

Figura 11: Diagrama esquemático do processo do sistema BCI. (A) Depois de usar o robô, uma luz branca aparece na tela como o estágio inicial para usar o sistema do robô BCI. A luz branca indica que o sistema está pronto para ser usado, (B) Os participantes podem mudar a luz para verde movendo os olhos. Quando a luz verde aparece, o participante imagina cerrar o punho, (C) Uma vez que o punho é cerrado com a ajuda do robô, o participante executa a ação, (D) A luz vermelha significa que a mão está em uma posição cerrada com a ajuda do robô. Se os participantes quiserem abrir a mão novamente, mova os olhos para retornar ao estado pronto. Abreviatura: BCI = Interface controlada pelo cérebro. Clique aqui para ver uma versão maior desta figura.

Figura 12: Resultados do treinamento EOG e EEG para o uso do sistema BCI. (A) Caso bem treinado, (B) Caso mal treinado. Clique aqui para ver uma versão maior desta figura.

Tabela 1: Pontuações para todos os participantes nos dez itens do BeBiTS pré e pós-treinamento BCI. Abreviaturas: BeBiTS = Teste Bimanual de Berlim para AVC; BCI = Interface controlada pelo cérebro. Clique aqui para baixar esta tabela.

Esta pesquisa apresentou um sistema robótico assistivo de membro superior BCI para apoiar pacientes com AVC na execução de tarefas diárias. Avaliamos a eficácia das tarefas bimanuais por meio do teste BeBiTS¹⁵ e implementamos o treinamento para a operação do robô assistivo de membros superiores por meio do sistema BCI¹⁴. Essa abordagem, em contraste com os procedimentos convencionais de reabilitação, permite que os pacientes se envolvam ativamente em sua recuperação, controlando as operações do robô de acordo com suas intenções. Calibrar com precisão o treinamento de EOG e EEG é crucial para obter sinais precisos do sistema BCI para controlar o robô. Além disso, é essencial garantir que o robô se encaixe confortavelmente na mão do usuário.

Este estudo envolveu oito participantes, que apresentaram um tamanho amostral limitado, restringindo nossa capacidade de avaliar definitivamente a eficácia do sistema de treinamento de robôs BCI. No entanto, identificamos várias características notáveis dos resultados do treinamento do sistema BCI desses participantes. Primeiro, os participantes muitas vezes acharam o treinamento EOG relativamente fácil. No entanto, eles lutaram com o treinamento de EEG, que exigia diferenciação entre imagens motoras e repouso. Apenas quatro dos oito indivíduos do estudo conseguiram se adaptar ao treinamento do sistema robótico BCI e realizar a avaliação pós-BeBiTS. Além disso, depois de interagir com o robô, os participantes completaram apenas alguns itens da avaliação BeBiTS. Embora todos os quatro participantes tenham completado consistentemente os itens 6 e 7, sua participação nos itens restantes variou de acordo com a função da mão. A principal razão para isso foi que a mão robótica usada neste estudo forneceu assistência apenas para três dedos, limitando sua eficácia em tarefas que exigem estabilidade ou movimento do braço e do punho.

Particularmente, indivíduos com uma pontuação pré-BeBiTS de 4 ou inferior em cada item demonstraram os efeitos positivos do sistema robótico BCI na avaliação pós-BeBiTS. Essa percepção destaca as condições específicas do paciente que o robô suporta efetivamente, mas pesquisas adicionais são necessárias para verificação.

Para otimizar a implementação de sistemas BCI, é crucial reduzir o tempo de treinamento e minimizar a variabilidade entre os usuários. Aumentar a eficácia do treinamento BCI por meio de um robô que utiliza todos os cinco dedos e fortalece a força do braço pode produzir melhores resultados em futuras avaliações do BeBiTS. Além disso, testes em larga escala são essenciais para o avanço dos resultados da reabilitação do AVC. Por fim, a integração de sensores como medições de eletromiografia ou o desenvolvimento de sistemas de robôs BCI baseados em casa que os usuários podem operar de forma independente apresenta alternativas promissoras para a reabilitação de AVC.

Os autores não têm conflitos de interesse a declarar.

Este trabalho foi apoiado pelo Programa de Colaboração Internacional Academia-Indústria Alemã-Coreana em Robótica e Construção Leve/Carbono Financiado pelo Ministério Federal de Educação e Pesquisa da República Federal da Alemanha e pelo Ministério Coreano de Ciência e TIC (Grant No. P0017226)