上肢を評価するための新しい機器タスクの検証

多発性硬化症などの運動障害では、目標指向の上肢運動の感覚運動制御の障害が一般的に存在し、日常生活活動を行う能力の低下と介護者への依存の増加につながります。 上肢の機能障害は障害を引き起こす性質があるため、運動障害のある人の神経リハビリテーションの過程でしばしば焦点となります。 このプロセスは、いわゆる評価による感覚運動障害の存在と重症度の正確な説明に依存しています。 具体的には、これらの評価は、治療介入を個別化し、さらなる治療を正当化する保険の文書を提供し、障害とその時間的進化の根底にあるしばしば未知のメカニズムに光を当てるために不可欠です。

技術支援評価は、上肢の動作の客観的で追跡可能な説明を可能にする詳細な動き (運動学的) および握力 (運動学的) データを提供できます。 これは、感覚運動障害を敏感に特徴付ける可能性を提供し、リソースを必要とする臨床試験で必要なサンプルサイズを大幅に削減するのに役立つ可能性があります. このような技術支援評価は通常、ジョイスティックとして機能するロボット インターフェイス (外骨格やエンドエフェクタなど) と、ロボットの隣にある 2D コンピュータ画面にレンダリングされる目標指向の操作タスクを備えた仮想現実環境で構成されます。インターフェース。 これらのアプローチは研究目的で広く使用されており、感覚運動障害の検出に有望な結果を示しましたが、特定の被験者は、評価タスクを繰り返し実行すると、非定型の運動パターンと高い変動性を持つことが観察されました (被験者内変動性が高い)。 これらのアーティファクトは、2D 画面での奥行きの直感的でない知覚と視覚運動のコロケーションの欠落に起因する可能性があり、評価の結果測定に偏りが生じ、縦方向の変化 (信頼性と感度) を捕捉する評価の能力が低下する可能性があります。 これらの課題を克服するために、仮想コロケーション視覚運動フィードバックまたは没入型ヘッド マウント ディスプレイに依存する評価タスクが提案されています。 ただし、仮想コロケーション視覚運動フィードバックには、特に、臨床現場で通常使用される 3D オブジェクト操作タスクなどで、被験者が仮想オブジェクトと対話することになっている場合に、まだ制限があります。 さらに、ヘッド マウント ディスプレイは、技術に慣れていない人や認知障害のある人では、臨床的な実現可能性が限られていると予想されます。

この共同プロジェクトの目的は、ETH チューリッヒ (Prof. ガサート博士、ランバーシー博士、カンズラー博士) とクリニケン・ヴァレンス (Dr. 医学。 sc博士。ナット。 Roman Gonzenbach、Ramona Sylvester) は、新しい物理 3D オブジェクト操作タスクである Physical Peg Insertion Test (PPIT) に組み込まれたロボット インターフェイスを使用して、上肢の感覚運動障害を評価する概念を検証し、それを既存の仮想評価アプローチと比較します。 より詳細には、目的は、PPIT とその以前に検証された仮想ペンデントである仮想ペグ挿入テスト (VPIT) を使用して、運動障害のある人を対象に縦断研究を行うことです。 これにより、物理的および仮想的な計測評価の実現可能性、妥当性、信頼性、および感度を比較できます。 どちらのアプローチも、CE 認定のハプティック エンドエフェクタ デバイス (Geomagic Touch、3D Systems) と計器付きハンドルに依存しています。 PPIT では、適用されたグリップ力によって制御できる電磁石がエンドエフェクターに取り付けられており、物理的なペグボード タスクで物理的な磁気ペグをピックアップする必要があります。 VPIT の場合、パーソナル コンピューターは、仮想穴に移動する必要がある仮想ペグを使用して仮想現実環境をレンダリングします。 これらのアプローチは、ETH チューリッヒのリハビリテーション工学研究所で開発されており、健常者のコントロールにおいて、実行可能で、安全で、時間効率が良いことが示されています (タスクを 5 回繰り返し、体側あたり約 15 分の持続時間)。脳卒中、多発性硬化症、または小脳性運動失調症で、軽度から中等度の障害レベルがあります。 PPIT はごく最近開発されたばかりですが、VPIT はすでに世界中の臨床研究で広く使用されています。 最も重要なことは、VPIT は、Kliniken Valens に入院したすべての多発性硬化症患者の日常的な臨床評価としてすでに成功裏に確立されており、したがって、計画されたプロジェクトを円滑に実施するための基礎を提供しているということです。 これらのテストやその他の以前のテストを通じて、標準データベースとして機能する 120 人の健常者と、200 人を超える運動障害のある人からのセンサー データを既に記録することができました。 収集された生の運動学的および運動学的データは、通常、信号処理フレームワークを介して 10 のセンサーベースのメトリックに変換されます。これらのメトリックは、動作の滑らかさ、精度、速度など、タスク パフォーマンスのさまざまな側面に関する情報を提供します。 PPIT が VPIT と同じセンサー データを提供することを考えると、VPIT の信号処理フレームワークを PPIT で収集されたデータに適用することもでき、両方のシナリオで 10 個のセンサー ベースのメトリックを抽出し、それらの比較。