PhD Top Stories. Nuovi approcci basati sul Brain-Computer Interface per la neuroriabilitazione motoria

19 Ottobre, 2020

 

È online l'ottavo contributo dedicato alla promozione dei risultati della ricerca dei nostri dottorandi.

Aleksander Mladinovic - Corso di Dottorato in Ingegneria industriale e dell'informazione

Studio dei nuovi approcci basati sul Brain-Computer Interface per la neuroriabilitazione motoria

Nonostante l’avanzamento delle attuali strategie terapeutiche e riabilitative, l'ictus rimane una delle principali cause di mortalità e disabilità nella popolazione anziana in tutto il mondo. Uno dei deficit più comuni dopo l'ictus ischemico è l'emiparesi dell'arto controlaterale. In particolare la disabilità motoria dell'arto superiore è presente nell'80% dei casi nella fase acuta e più del 40% nella fase cronica. I trattamenti tradizionali di neuroriabilitazione motoria nei pazienti colpiti da ictus, come la fisioterapia e il movimento passivo si basano sulle tecniche che mirano a stimolare l'uso dell'arto paretico. Il principio di base è che i movimenti ripetitivi (attivi e passivi) dovrebbero indurre meccanismi di neuroplasticità corticale e migliorare le capacità motorie di un soggetto. Il problema sorge quando il deficit dovuto all’ictus è tale che le restanti funzioni motorie sono largamente ridotte e quando l’iniziale finestra temporale caratterizzata di maggior neuroplasticità si chiude. Per questo motivo, oltre all'allenamento motorio, sono necessarie ulteriori strategie per potenziare la neuroplasticità delle aree motorie, come per essempio immaginazione motoria.

In effetti, queste strategie dovrebbero essere prese in considerazione nella riabilitazione precoce in cui la risposta dinamica del cervello alle lesioni è intensificata e la riabilitazione potrebbe essere particolarmente efficace. I sistemi per riabilitazione attraverso immaginazione motoria supportata dai dispositivi Brain-Computer Interface (BCI), basati sui segnali dell’elettroencefalogramma (EEG) (Figura 1), sembrano essere strumenti promettenti per promuovere il recupero motorio dopo l'ictus. Tuttavia, questo promettente strumento non è stato ancora ampiamente adottato a causa di problemi di natura tecnica e di usabilità pratica. Il presente progetto di dottorato è focalizzato allo studio delle nuove metodiche basate sul BCI per fronteggiare questi problemi.

In particolare, il sistema MI-BCI e basato sul rilevamento dei potenziali evento-correlati (desincronizzazione/sincronizzazione dell’EEG) legati allo specifico stimolo di immaginazione motoria. Il rilevamento dell’immaginazione motoria basato sull'elaborazione dei segnali EEG utilizzando le tecniche di filtraggio spaziale e le tecniche di machine learning è seguito da un feedback visivo presentato al soggetto in tempo reale. In questo modo, il soggetto diventa consapevole della modulazione volontaria dell'attività oscillatoria EEG e può indirizzare la modulazione cerebrale alle regioni motorie. Inoltre, MI-BCI crea un ambiente di riabilitazione più controllato poiché al paziente viene fornito un feedback sulla corretta esecuzione del task riabilitativo. Tuttavia, le differenze anatomiche interpersonali, la particolarità delle lesioni da ictus e le alterazioni delle attività EEG dovute all'ictus, creano diversi problemi di natura tecnica limitando accuratezza del sistema BCI e di conseguenza la sua diffusione e applicabilità.

Questo progetto si propone di risolvere alcune criticità sopramezionate identificando le più appropriate metodiche di elaborazione dei segnali, del filtraggio spaziale e della modellazione dei dati sperimentali. In particolare, recentemente è stato condotto uno studio per identificare il miglior approccio di modellazione BCI per la riabilitazione precoce post-ictus e per valutare la fattibilità di questo trattamento avanzato di neuroriabilitazione nella popolazione clinica.

L'esperimento è stato eseguito e i dati sono stati acquisiti utilizzando il software progettato localmente "NeuroTS" disponibile su https://github.com/miladinovic/NeuroTS. Il NeuroTS consente sia la presentazione dello stimolo per la calibrazione, sia la presentazione del feedback per le sessioni online.

I risultati del nostro studio pubblicato di recente hanno mostrato che i pazienti post-ictus erano in grado di utilizzare il sistema per la neuroriabilitazione proposto con una elevata precisione, dimostrando anche la sua utilità durante le fasi iniziali della riabilitazione post-ictus. Inoltre, le migliori prestazioni in termini di accuratezza del sistema BCI sono state osservate utilizzando la tecnica di filtraggio spaziale basata su banchi di filtri (FBCSP).

Continua a leggere