Decodifica delle immagini motorie da registrazioni cerebrali non invasive come prerequisito per terapie innovative di riabilitazione motoria (MODECO)

Studi fondamentali nel campo delle neuroscienze motorie che hanno coinvolto soggetti sani hanno rivelato, da molto tempo, cambiamenti bloccati nel tempo nella potenza indotta all'interno di una specifica banda di frequenza. È stato dimostrato che le registrazioni cerebrali mostrano una riduzione graduale della potenza del segnale, rispetto alla linea di base, nelle bande di frequenza mu (~ 8-12 Hz) e beta (~ 13-30 Hz) durante un'azione o durante l'immaginazione motoria (MI): la cosiddetta desincronizzazione legata agli eventi (ERD). Si ritiene che questo fenomeno rifletta i processi legati alla preparazione e all'esecuzione del movimento ed è particolarmente pronunciato nella corteccia sensomotoria controlaterale. Inoltre, subito dopo il completamento dell'attività, nella banda beta si è potuto osservare un relativo aumento di potenza, la sincronizzazione correlata agli eventi (ERS) (nota anche come rimbalzo beta). Si ritiene che l'ERS rifletta il ripristino dell'inibizione nella stessa area.

Sin dalla caratterizzazione dei fenomeni ERD ed ERS, nel campo delle BCI non invasive si è discusso poco o nulla sul fatto che queste caratteristiche catturassero accuratamente le modulazioni dell’attività cerebrale legate al compito. Recenti studi in neurofisiologia hanno messo in discussione questa visione e hanno dimostrato che i modelli ERD ed ERS emergono solo come risultato della media della potenza del segnale su più prove. A un livello di prova singolo, l’attività della banda beta si verifica in eventi brevi e transitori, definiti burst, piuttosto che come oscillazioni sostenute. Ciò indica che i modelli ERD ed ERS riflettono cambiamenti accumulati e variabili nel tempo nella probabilità di scoppio durante ciascuna prova. Pertanto, i beta burst possono trasportare informazioni comportamentalmente più rilevanti rispetto alla potenza media della banda beta. Infatti, studi sugli esseri umani che coinvolgono movimenti del braccio hanno stabilito un legame tra i tempi dei beta burst sensomotori e i tempi di risposta prima del movimento, nonché gli errori comportamentali post-movimento. È stato anche dimostrato che l'attività di beta burst nelle aree frontali è correlata alla cancellazione del movimento e studi recenti mostrano che anche l'attività a livello di unità motoria avviene in modo transitorio, che è bloccato nel tempo ai beta burst sensomotori.

Sebbene sia stato dimostrato che il tasso di beta burst contiene informazioni significative, comprende comunque una rappresentazione piuttosto semplicistica dell’attività sottostante. Ogni burst può essere caratterizzato da una serie di caratteristiche basate su TF: il tempo di picco del burst e la frequenza di picco, nonché la sua durata e il suo intervallo sull'asse della frequenza. A loro volta, tutti questi descrittori vengono estratti utilizzando una particolare trasformazione tempo-frequenza e costituiscono rappresentazioni più semplici della più complessa forma d'onda burst incorporata nei segnali grezzi e che è caratterizzata da una forma media stereotipata con un'ampia variabilità attorno ad essa. Le caratteristiche della forma d'onda sono trascurate negli approcci BCI standard, perché i metodi convenzionali di elaborazione del segnale presuppongono generalmente segnali sostenuti, oscillatori e stazionari e sono quindi intrinsecamente inadatti per l'analisi dell'attività transitoria.

A differenza della banda beta, l'attività nella banda di frequenza mu è oscillatoria anche in singole prove. Questa attività viene tipicamente analizzata utilizzando tecniche di decomposizione tempo-frequenza, che presuppongono che il segnale sottostante sia sinusoidale. Tuttavia, vi è ora un consenso crescente sul fatto che l’attività neurale oscillatoria è spesso non sinusoidale e che la forma d’onda grezza può fornire informazioni sul movimento. Gli sforzi futuri potrebbero trarre vantaggio da questa possibilità utilizzando analisi ciclo per ciclo non parametriche sviluppate di recente.

In questo progetto, i ricercatori ottimizzeranno la progettazione di un modello neurofisiologico soggetto-specifico per guidare l'allenamento motorio della BCI, utilizzando la risonanza magnetica (MRI) e la magnetoencefalografia (MEG) per un'elevata specificità spaziale e biofisica nel gruppo sperimentale. I volumi anatomici della RM verranno utilizzati per progettare e stampare in 3D un modello di testa individuale che verrà utilizzato nello scanner MEG per stabilizzare la posizione della testa del soggetto e ridurre al minimo i movimenti. È stato dimostrato che questo approccio ad alta precisione (hpMEG) migliora significativamente la localizzazione della sorgente fino al livello di attività laminare distintiva, il che lo rende una tecnica di registrazione superiore all'EEG. In MODECO i ricercatori utilizzeranno un approccio hpMEG individualizzato, nonché l'EEG ampiamente adottato, per studiare le esplosioni di attività oscillatoria nelle bande di frequenza beta e mu correlate all'immaginazione motoria e all'esecuzione motoria. hpMEG produrrà modelli di immagini motorie specifici per soggetto che verranno utilizzati per limitare la decodifica online dei dati EEG. Questo approccio verrà applicato e convalidato su un gruppo di soggetti adulti sani (gruppo di controllo) e verrà quindi confrontato con un altro gruppo di pazienti (gruppo di pazienti) e partecipanti sani di pari età (gruppo di controllo; i ricercatori tenteranno di reclutare pazienti parenti). i ricercatori confronteranno l'approccio proposto con un classico approccio BCI basato su EEG.

i ricercatori studieranno come utilizzare queste informazioni per guidare in modo ottimale il successivo addestramento BCI basato su EEG nel gruppo di controllo. Dopo un'indagine approfondita su soggetti sani in questo progetto, i ricercatori saranno in grado di valutare questo approccio su una popolazione di pazienti con ictus con deficit motori degli arti superiori. In questo progetto sono stati progettati due compiti: compito 1.1 e compito 1.2. Lo scopo del Task 1.1 è quello di sviluppare modelli generativi soggetti-specifici che decodificano l'inizio e l'offset del movimento, il tipo di movimento (sinistra contro destra), nonché l'ampiezza del movimento finemente discretizzata durante i movimenti di estensione/flessione del polso sia reali che immaginari. Nel compito 1.2 i ricercatori mirano a studiare come le lesioni dei pazienti alterano la nostra capacità di decodificare i tentativi di movimento del polso (gruppo di controllo vs pazienti).