Decodificación de imágenes motoras a partir de grabaciones cerebrales no invasivas como requisito previo para terapias innovadoras de rehabilitación motora (MODECO)

Estudios fundamentales en neurociencia motora que involucran a sujetos sanos han revelado, desde hace mucho tiempo, cambios sincronizados en el tiempo en la potencia inducida dentro de una banda de frecuencia específica. Se demostró que las grabaciones cerebrales exhiben una reducción gradual en la potencia de la señal, en relación con el valor inicial, en las bandas de frecuencia mu (~ 8-12 Hz) y beta (~ 13-30 Hz) durante una acción o durante la visualización motora (IM): la llamada desincronización relacionada con eventos (ERD). Se considera que este fenómeno refleja procesos relacionados con la preparación y ejecución del movimiento, y es particularmente pronunciado en la corteza sensoriomotora contralateral. Además, poco después de completar la tarea, se pudo observar un aumento relativo en la potencia, la sincronización relacionada con eventos (ERS) (también conocida como rebote beta), en la banda beta. Se cree que ERS refleja el restablecimiento de la inhibición en la misma área.

Desde la caracterización de los fenómenos ERD y ERS, ha habido poca o ninguna discusión en el campo del BCI no invasivo sobre si estas características capturan con precisión las modulaciones de la actividad cerebral relacionadas con las tareas. Estudios recientes en neurofisiología han desafiado este punto de vista y han demostrado que los patrones ERD y ERS solo surgen como resultado del promedio de la potencia de la señal en múltiples ensayos. En un solo nivel de prueba, la actividad de la banda beta ocurre en eventos breves y transitorios, denominados ráfagas, en lugar de oscilaciones sostenidas. Esto indica que los patrones ERD y ERS reflejan cambios acumulados que varían en el tiempo en la probabilidad de explosión durante cada prueba. Por lo tanto, las ráfagas beta pueden contener información más relevante para el comportamiento que la potencia promedio de la banda beta. De hecho, los estudios en humanos que involucran movimientos del brazo han establecido un vínculo entre el momento de las ráfagas beta sensoriomotoras y los tiempos de respuesta antes del movimiento, así como los errores de comportamiento posteriores al movimiento. También se ha demostrado que la actividad de ráfagas beta en áreas frontales se correlaciona con la cancelación del movimiento y estudios recientes muestran que la actividad a nivel de la unidad motora también ocurre de manera transitoria, que está sincronizada en el tiempo con las ráfagas beta sensoriomotoras.

Aunque se ha demostrado que la tasa de explosión beta contiene información importante, todavía comprende una representación bastante simplista de la actividad subyacente. Cada ráfaga se puede caracterizar por un conjunto de características basadas en TF: el tiempo máximo de la ráfaga y la frecuencia máxima, así como su duración y su intervalo en el eje de frecuencia. A su vez, todos estos descriptores se extraen utilizando una transformación particular de tiempo-frecuencia y constituyen representaciones más simples de la forma de onda de ráfaga más compleja que está incorporada en las señales sin procesar y que se caracteriza por una forma promedio estereotipada con una gran variabilidad a su alrededor. Las características de la forma de onda se descuidan en los enfoques BCI estándar, porque los métodos de procesamiento de señales convencionales generalmente presuponen señales sostenidas, oscilatorias y estacionarias y, por lo tanto, son inherentemente inadecuados para analizar la actividad transitoria.

A diferencia de beta, la actividad en la banda de frecuencia mu es oscilatoria incluso en ensayos individuales. Esta actividad normalmente se analiza mediante técnicas de descomposición tiempo-frecuencia, que suponen que la señal subyacente es sinusoidal. Sin embargo, ahora existe un consenso cada vez mayor de que la actividad neuronal oscilatoria a menudo no es sinusoidal y que la forma de onda bruta puede ser informativa sobre el movimiento. Los esfuerzos futuros podrían aprovechar esta posibilidad mediante el uso de análisis no paramétricos ciclo por ciclo recientemente desarrollados.

En este proyecto, los investigadores optimizarán el diseño de un modelo neurofisiológico específico del sujeto para guiar el entrenamiento motor de BCI, mediante el uso de imágenes por resonancia magnética (MRI) y magnetoencefalografía (MEG) para una alta especificidad espacial y biofísica en el grupo experimental. Se utilizarán volúmenes anatómicos de RM para diseñar e imprimir en 3D un modelo de cabeza individual que se utilizará en el escáner MEG para estabilizar la posición de la cabeza del sujeto y minimizar los movimientos. Se ha demostrado que este método de alta precisión (hpMEG) mejora significativamente la localización de la fuente hasta el nivel de distinguir la actividad laminar, lo que la convierte en una técnica de registro superior al EEG. En MODECO, los investigadores utilizarán un enfoque hpMEG individualizado, así como el EEG ampliamente adoptado, para estudiar ráfagas de actividad oscilatoria en las bandas de frecuencia beta y mu relacionadas con las imágenes motoras y la ejecución motora. hpMEG producirá modelos de imágenes motoras específicos de cada sujeto que se utilizarán para limitar la decodificación en línea de datos de EEG. Este enfoque se aplicará y validará en un grupo de sujetos adultos sanos (grupo de control) y luego se comparará con otro grupo de pacientes de viabilidad (grupo de pacientes) y participantes sanos de la misma edad (grupo de control; los investigadores intentarán reclutar pacientes parientes). Los investigadores compararán el enfoque propuesto con un enfoque BCI clásico basado en EEG.

Los investigadores investigarán cómo utilizar esta información para guiar de manera óptima el entrenamiento posterior de BCI basado en EEG en el grupo de control. Después de una investigación exhaustiva en sujetos sanos en este proyecto, los investigadores podrán evaluar este enfoque en una población de pacientes con accidente cerebrovascular con déficits motores de las extremidades superiores. En este proyecto se han diseñado dos tareas, tareas 1.1 y tarea 1.2. El objetivo de la Tarea 1.1 es desarrollar modelos generativos específicos del sujeto que descodifican el inicio y/o final del movimiento, el tipo de movimiento (izquierdo versus derecho), así como la amplitud del movimiento finamente discretizado durante los movimientos de extensión/flexión de la muñeca tanto reales como imaginarios. En la tarea 1.2, los investigadores tienen como objetivo investigar cómo las lesiones de los pacientes alteran nuestra capacidad para decodificar intentos de movimientos de muñeca (grupo de control versus grupo de pacientes).