Способ реабилитации пациентов с нарушением двигательной активности с использованием персонифицированного контента клипов виртуальной реальности Российский патент 2024 года по МПК G16H20/00 A61B5/05 G06T15/00 

Изобретение относится к медицине, неврологии и реабилитации, к восстановительному лечению в направлениях механотерапии, физиотерапии, ортопедической помощи и терапии с применением биологической обратной связи (БОС) пациентов, перенесших инсульт.

Способность мысленно выполнять движения может быть оценена с помощью специальных опросников [Мокиенко О.А., Черникова Л.А., Фролов А.А., Бобров П.Д. Воображение движения и его практическое применение // Журн. ВНД им. И.П. Павлова.2013. Т. 63. №2. С. 195; Mattar A.G., Gribble P.L. Motor learning by observation // Neuron. 2005. V. 46. №1. P. 153]. При их применении испытуемому предлагают выполнить мысленную имитацию нескольких стандартных двигательных задач и оценить их “яркость” (или “легкость” выполнения) по специальным шкалам. Однако этот способ дает лишь некую среднюю психометрическую оценку способности человека, а стандартные двигательные задачи могут и не совпадать с теми движениями, которые планируется использовать в конкретном научном исследовании [Mateo S., Di Rienzo F., Reilly K. et al. Improvement of grasping after motor imagery in C6-C7 tetraplegia: a kinematic and MEG pilot study // Restor. Neurol. Neurosci. 2015. V. 33. №4. P. 543]. Поэтому в настоящее время в области физиологии зрения применяется принцип «пассивного восприятия»: неподвижно сидящему перед экраном испытуемому предъявлялись статичные или движущиеся визуальные стимулы, и измеряется реакция на них.

Известен способ реабилитации верхних конечностей пациентов, перенесших инсульт, с использованием биологической обратной связи и элементами виртуальной реальности, при котором пациента оснащают оборудованием для воспроизведения контента с элементами виртуальной реальности и системой захвата движения с датчиками, загружают программный комплекс, содержащий элементы формирования контента с элементами виртуальной реальности и элементы управления, далее пациент параллельно с воспроизводимым контентом с элементами виртуальной реальности выполняет движения поврежденной частью тела при регистрации амплитуды движений и длительности их выполнения и организации биологической обратной связи (см. патент РФ №2432971, МПК A61N 1/00, A61M 21/02, 2011 г.).

Недостатками аналога является отсутствие оценки эффективности биологической обратной связи с заданным контентом для конкретного пациента, что вызывает ослабление мотивации и психоэмоциональной реабилитации, поскольку отсутствует возможность оценить адаптацию пациента к данной виртуальной среде. В качестве ближайшего аналога принят способ реабилитации больных, перенесших инсульт, путем проведения тренировок паретичной конечности, отличающийся тем, что тренировку проводят, предъявляя больному задание по воображению движения паретичной конечностью с последующим контролем воображения движения больным, основанным на анализе паттернов электроэнцефалограммы (ЭЭГ), возникающих при воображении движения паретичной конечностью, и передачу этих данных в компьютер для их синхронной обработки и выделения сигналов, ответственных за воображение движения с помощью классификатора паттернов ЭЭГ по методу Байеса, результаты распознавания выполняемого ментального задания предъявляют больному по зрительной обратной связи в виде метки на экране монитора, по изменению которой определяют правильность выполнения задания, установленную путем сравнения параметров реакции десинхронизации сенсомоторного ритма с таковыми у здоровых испытуемых, в соответствующем полушарии во время воображения движения, причем задание по воображению движения предъявляют в течение 10 секунд, курс тренировки паретичной конечности составляет 6-12 дней, по одной тренировки в день, длительностью 20-30 минут с интервалами между тренировками от 1 до 4 дней (см. патент РФ №2013116424/14, 11.04.2013, МПК A61B 5/0476, A61B 5/0482).

Недостатками ближайшего аналога является отсутствие возможности персонифицированного выбора контента для виртуальной реальности и, как следствие, низкая эффективность реабилитации. Технической задачей предлагаемых способа является повышение эффективности реабилитационных процедур в биотехнических системах с виртуальной реальностью.

Поставленная задача решается посредством того, что в известном способе реабилитации больных, перенесших инсульт, путем проведения тренировок паретичной конечности посредством предъявляя больному клипов виртуальной реальности, стимулирующих воображение движения паретичной конечностью, и контролем воображения движения больным, основанным на анализе паттернов электрофизиологических сигналов, управляющих двигательной активностью паретичной конечности, осуществляется адаптация контента клипов виртуальной реальности к конкретному пациенту путем оценки рейтинга клипа, посредством анализа моторного и электродермального ответов пациента на предъявляемый клип виртуальной реальности. Рейтинг клипа R определяют по формуле

,

где RMS_i - отсчеты сигнала моторного ответа, , - отсчеты сигнала электродермального ответа, пропущенного через фильтр верхних частот, ; ; N - число отсчетов в моторном и электродермальном сигналах, - настраиваемый параметр.

После определения рейтинга всех клипов устанавливается пороговое значение рейтинга и клипы, рейтинг которых меньше порогового, удаляются из контента клипов виртуальной реальности. С целью повышения статистической значимости вычисляемого рейтинга, для каждого клипа он вычисляется многократно.

На фиг. 1 представлена структурная схема автоматизированной системы формирования персонифицированной программы реабилитации, предназначенной для осуществления способа. На фиг. 2 представлена структурная схема анализатора рейтинга клипа.

На фиг. 3 представлена схема алгоритма определения рейтинга клипа.

На фиг. 4 представлена схема алгоритма формирования персонифицированного контента клипов виртуальной реальности.

На фиг. 5 показаны эпюры сигналов моторного и электродермального ответов пациента.

На фиг. 6 показаны эпюры сигналов моторного и электродермального ответов пациента в координатах с максимальными значениями отсчетов.

Автоматизированная система формирования персонифицированной программы реабилитации (фиг. 1) содержит последовательно соединенные персональный компьютер 1, монитор для просмотра клипов виртуальной реальности 2, пациент 3, устройство считывания электромиосигнала с пациента 4, и анализатор рейтинга клипа 5, вторым входом подключенный ко второму выходу компьютера 1, а выходом - к первому входу персонального компьютера 1, базу клипов 6, подключенную к USB - порту персонального компьютера 1, и устройство считывания электродермального ответа 7, входом подключенное к пациенту 3, а выходом - к третьему входу анализатора рейтинга клипа 5.

Анализатор рейтинга клипа (фиг. 2) содержит последовательно соединенные формирователь RMS 8, входом соединенный с выходом устройство считывания электромиосигнала 4, АЦП 9 и микроконтроллер 10, вторым входом соединенный со вторым выходом персонального компьютера 1, а выходом соединенный с входом персонального компьютера 1, фильтр верхних частот 11, входом соединенный с выходом устройства считывания электродермального ответа 7, АЦП 12, входом соединенный с выходом фильтра верхних частот 11, а выходом - с третьим входом микроконтроллера 10.

Способ реализуется посредством автоматизированной системы, структурная схема которой представлена на фиг.1. Для реабилитации больного, перенесшего инсульт, используют технологию с биологической обратной связью и виртуальной реальностью, контент которой адаптируется для конкретного пациента. Схема алгоритма для формирования оптимального пула клипов для конкретного пациента представлена на фиг. 4. Алгоритм реализуется посредством программного обеспечения, выполняемого персональным компьютером 1. В результате выполнения алгоритма формируется множество клипов А, использование которых в виртуальной реальности оптимизирует план реабилитации конкретного пациента, то есть клипы выбираются из базы клипов 6 исходя из эффективности процесса реабилитации. Первоначально в множество А включается весь пул, содержащий N_A доступных клипов. Эта процедура выполняется в блоке 20. Имея критерий адаптированности клипа к конкретному пациенту: рейтинг клипа, устанавливают пороговое значение адаптации и, путем сравнения рейтинга клипа с пороговым значением, изымают из множества А все клипы с адаптированностью ниже пороговой. Поэтому в блоке 21 задается пустое множество В, в которое помещают клипы, у которых рейтинг, определенный для текущего пациента, ниже порогового. Рейтинг текущего клипа RA_i, характеризующий его адаптированность к конкретному пациенту, определяют в блоках 24-27. Чтобы повысить статистическую значимость рейтинга, его вычисляют К раз. Процедуру К-кратного вычисления рейтинга осуществляет блок 22. В блоке 23 в цикле последовательно все клипы предъявляются пациенту 3 через виртуальную реальность 2 (блок 24 выводит на монитор или очки виртуальной реальности 2 фиг. 1 клип Ai), в блоке 5 (фиг. 1) вычисляется их рейтинги RAi, а в блоке 26 вычисленный рейтинг вводится в компьютер 1 фиг.1. Так как вычисление рейтинга Ai-го клипа осуществляется К раз, то в блоке 27 выполняется итерационный процесс декрементирования рейтинга.

После вычислений рейтингов всех клипов пула в блоке 28 задается пороговый рейтинг. Осуществляется просмотр всех рейтингов клипов множества А, и из тех клипов, рейтинг которых меньше порогового, формируется множество В (блок 29). Затем клипы, попавшие в множество В, удаляются из множества А (блок 30). В блоке 31 осуществляется вывод сформированного адаптированного пула клипов для текущего пациента. ЛПР может провести повторную фильтрацию клипов, если его не устраивает сформированный пул адаптированных клипов или адаптированный пул необходимо сформировать для другого пациента (блок 32).

Рейтинг клипа определяемого на основе анализа реакции на виртуальную реальность в форме величины моторного и электродермального ответов пациента. Во время мысленного выполнения движений на периферическом уровне могут быть зарегистрированы моторные (соматические) и вегетативные ответы: электромиосигнал (ЭМС), кардиореспираторный и электродермальный (ЭДО) ответы. Связь между ЭМС-активностью и качеством воображаемого движения достаточно слаба. В отличие от этого, вегетативные ответы дают возможность объективной оценки воображаемого движения, так как они не зависят от субъективных оценок испытуемого по поводу “яркости” или длительности воображаемого движения [Collet C., Di Rienzo F., El Hoyek N., Guillot A. Autonomic nervous system correlates in movement observation and motor imagery // Front. Hum. Neurosci. 2013. V. 7. Article 415]. В качестве моторного ответа используется электромиосигнал, снимаемый с мышц паретичной конечности. Так как при воображаемом движении ЭМС достаточно мал, то вместо него используем сигнал RMS, эпюра которого представлена на фиг. 6а, определяемый по формуле:

, (1)

где n число дискретных отсчетов ЭМС_k, которые накапливаются микроконтроллером 10 до текущего отсчета m. Электродермальный ответ характеризуется резким падением сопротивления кожи (фиг. 6б), которое сменяется более медленным и равномерным возвращением к фоновым значениям. Длительность этого ответа коррелирует с “яркостью” воображаемого движения у здоровых людей. Однако затухание в новизне задачи, например, мысленное повторение одного и того же действия, может привести к снижению его амплитуды и длительности [Di Rienzo F., Collet C., Hoyek N., Guillot A. Impact of neurologic deficits on motor imagery: a systematic review of clinical evaluations // Neuropsychol. Rev. 2014. V. 24. №2. P. 116-47]. Как только пациент начинает мысленно выполнять движение, происходит статистически значимое снижение сопротивления кожи, увеличивается частота сердечных сокращений и частота дыхания, а также наблюдается слабая ЭМС-активность [Oishi K., Maeshima T. Autonomic nervous system activities during motor imagery in elite athletes // J. Clin. Neurophysiol. 2004. V. 21. №3. P. 170-179].

Таким образом, опубликованные данные свидетельствуют о том, что изменения активности вегетативной нервной системы при мысленном выполнении движений аналогичны тем, которые наблюдаются во время их физической реализации, но они слабее выражены, чем при реальном движении [Collet C., Di Rienzo F., El Hoyek N., Guillot A. Autonomic nervous system correlates in movement observation and motor imagery // Front. Hum. Neurosci. 2013. V. 7. Article 415]. Представленные исследования позволяют определить рейтинг клипа в виде корреляционной функции двух сигналов по формуле:

, (2)

где RMS_i - отсчеты сигнала моторного ответа, , - отсчеты сигнала электродермального ответа, пропущенного через фильтр верхних частот, ; ; N - число отсчетов в моторном и электродермальном сигналах, - настраиваемый параметр.

Для определения рейтинга клипа из совокупности отсчетов RMS выбирается максимальный отчет с номером n₁, а из совокупности отсчетов электродермального ответа выбирается максимальный отсчет с координатой n₂. Затем определяется рейтинг клипа согласно формуле (2). Настраиваемый параметр лежит в пределах 2…6 секунд и определяется длительностью электродермального ответа конкретного пациента на конкретный клип. Так как в электродермальном ответе присутствует постоянная составляющая, существенно зависимая от фонового электрического сопротивления кожи, то от нее отстраиваются посредством фильтра верхних частот 11 фиг. 2, сигнал с его выхода дискретизируется АЦП2 12 и эти отчеты водятся в контроллер 10. В отличие от сигнала RMS, дискретные отсчеты с выхода фильтра верхних частот могут принимать отрицательные значения, поэтому в микроконтроллере 10 определяется их абсолютная величина в виде отсчетов . Получив отсчеты RMS и , микроконтроллер 10 имеет возможность вычислить их корреляционную функцию. Но, учитывая, что как тот, так и другой сигнал, достаточно зашумлены, то в формуле (2) используем сигналы с наибольшей интенсивностью. С этой целью в блоке 18 фиг.1 определяем максимальное значение отсчета RMS и максимальное значение отсчета . Определив координаты этих отсчетов n₁ и n₂, выделяем соответствующие окрестности сигналов RMS и , отсчеты которых подставляем в формулу (2). Эпюры фрагментов этих сигналов показаны на фиг.6. Ширину фрагмента определяет параметр α, который выбирается с учетом того, что электродермальный ответ имеет большую длительность по сравнению с моторным ответом.

После К-кратного определения рейтинга клипа, его значение, определяемое в блоке 27 фиг.4, отправляется в базу рейтингов клипов. В блоке 28 вводится пороговое значение рейтинга, а в блоке 29 просматриваются все клипы пула (множества А), в результате чего формируется множество В клипов, которые не эффективно использовать для реабилитации данного пациента (блоки 29 и 30). После формирования контента виртуальной реальности для данного пациента, формируют план его реабилитации с учетом виртуальной реальности с адаптированным контентом.

Для оценки клинической эффективности восстановительной реабилитации посредством предложенного способа у больных с парезом нижних конечностей были проведены экспериментальные исследования. Для проведения эксперимента были сформированы экспериментальная группа и контрольная группа сравнения, в которые вошли по двадцать пациентов. Распределение пациентов между основной и контрольной группами проводилось с помощью метода адаптивной рандомизации. Все включенные в исследование пациенты подписали информированное добровольное согласие на медицинское вмешательство. Пациенты обеих групп были сопоставимы по половозрастным характеристикам, инициальной тяжести инсульта (шкалы NIH Stroke Scale и Canadian Neurological Scale), выраженности когнитивных и эмоциональных нарушений и функциональным показателям паретичной верхней конечности (р > 0,05). Критериями включения пациента в исследование являются:

1. Пациенты в возрасте от 18 до 80 лет с впервые возникшем острым нарушением мозгового кровообращения по ишемическому типу в каротидном бассейне.

2. Не более 14 дней с момента возникновения инсульта.

3. Один подтвержденный очаг ишемического инсульта супратенториальной локализации по данным компьютерной томографии головного мозга.

4. Двигательные нарушения в нижних конечностях в виде центрального пареза менее 3 баллов (согласно шкалы оценки мышечной силы Британского совета медицинских исследований). Все пациенты, включенные в исследование, получали медикаментозное лечение согласно стандарту оказания специализированной помощи при инфаркте головного мозга. Для сравнительной оценки эффективности реабилитации использовалась функциональная шкала нижних конечностей (LEFS), которая представляет собой анкету, содержащую 20 вопросов о способности человека выполнять повседневные задачи. LEFS используется клиницистами в качестве меры исходного состояния пациентов, текущего прогресса и исхода, а также для постановки функциональных целей. LEFS можно использовать для оценки функционального нарушения у пациента с поражением одной или обеих нижних конечностей. Его можно использовать для наблюдения за пациентом с течением времени и для оценки эффективности вмешательства [Binkley JM, Stratford PW, Lott SA, Riddle DL. The Lower Extremity Functional Scale (LEFS): scale development, measurement properties, and clinical application. North American Orthopaedic Rehabilitation Research Network. Phys Ther. 1999 Apr;79(4):371-83]. Минимальное обнаруживаемое изменение (MDC) составляет 9 пунктов шкалы. Минимальная клинически значимая разница (MCID) составляет 9 баллов по шкале. Процент максимальной функции определялся как:

% максимальной функции = (оценка LEFS) / 80 * 100.

Исследование показало, что различие в улучшении двигательных функций нижних конечностей между группами статистически значимо (р=0,02). Результаты оценки двигательной функции нижних конечностей динамике у пациентов основной группы и группы сравнения представлены в таблице 1.

Таблица 1. Результаты оценки двигательной функции по шкале LEFS до и после реабилитации

До После P Основная группа 40 [10;55] 50 [20;60] 0,01 Группа сравнения 35 [10;45] 40 [10;50] 0,05

Полученные данные позволяют сделать вывод, что выбор контента виртуальной реальности, адаптированной к пациенту, позволяет повысить эффективность реабилитации по шкале LEFS на 11%. Таким образом, для обоснованного выбора методов лечения и эффективных технологий реабилитации целесообразно персонифицированный подбор контента виртуальной реальности.

Изобретение относится к медицине, неврологии и реабилитации, к восстановительному лечению в направлениях механотерапии, физиотерапии, ортопедической помощи и терапии с применением биологической обратной связи пациентов, перенесших инсульт. Предложен способ, в котором путем проведения тренировок паретичной конечности и предъявляя больному клипов виртуальной реальности, стимулирующих воображение движения паретичной конечностью, и контролем воображения движения больным, основанным на анализе паттернов электрофизиологических сигналов, управляющих двигательной активностью паретичной конечности, осуществляется адаптация контента клипов виртуальной реальности к конкретному пациенту путем оценки рейтинга клипа, посредством анализа моторного и электродермального ответов пациента на предъявляемый клип виртуальной реальности. После определения рейтинга всех клипов устанавливается пороговое значение рейтинга и клипы, рейтинг которых меньше порогового, удаляются из контента клипов виртуальной реальности. С целью повышения статистической значимости вычисляемого рейтинга, для каждого клипа он вычисляется многократно. Изобретение обеспечивает повышение эффективности реабилитационных больных, перенесших инсульт. 6 ил., 1 табл.

Способ реабилитации пациентов с нарушением двигательной активности с использованием персонифицированного контента клипов виртуальной реальности, заключающийся в тренировке паретичной конечности посредством предъявления пациенту контента клипов виртуальной реальности, стимулирующих воображение движения паретичной конечностью, и контролем воображения движения пациентом, основанным на анализе паттернов электрофизиологических сигналов, управляющих двигательной активностью паретичной конечности, отличающийся тем, что контент клипов виртуальной реальности адаптируют к конкретному пациенту путем оценки рейтинга клипа R, который определяют по формуле

,

где RMS_i - отсчеты сигнала моторного ответа, , – отсчеты сигнала электродермального ответа, пропущенного через фильтр верхних частот, ; ; N – число отсчетов в моторном и электродермальном сигналах, - настраиваемый параметр,

после определения рейтинга всех клипов устанавливают пороговое значение рейтинга и клипы, рейтинг которых меньше порогового, удаляются из пула клипов виртуальной реальности, а с целью повышения статистической значимости вычисляемого рейтинга клипа, он вычисляется многократно.