Diseño, implementación y entrenamiento de interfaces cerebro-máquina basadas en eventos de la marcha para control de exoesqueletos

Abstract

Las enfermedades que afectan las funciones motoras, como la lesión de la médula (por sus siglas, LM) y el accidente cerebrovascular (por sus siglas, ACV), representan desafíos significativos para la salud pública a nivel mundial. La LM ocurre como resultado de un traumatismo que produce un daño total o incompleto (por sus siglas, LMi) sobre las neuronas motoras del sistema nervioso central, afectando los nervios que transportan los mensajes entre el cerebro y el resto del cuerpo, lo que genera una degradación total o parcial de la función motora. Por otro lado, el ACV ocurre cuando el flujo sanguíneo en una zona del cerebro se ve comprometido, ya sea por una obstrucción o por la rotura de un vaso sanguíneo, provocando muerte celular que puede causar degeneración motora y daño cognitivo. Un dato alarmante es que, cada año, 15 millones de personas sufren un ACV, de las cuales cinco millones fallecen y otras cinco millones quedan con discapacidades permanentes. De manera similar, se estima que más de 15 millones de personas viven con LM en todo el mundo, enfrentando no solo limitaciones físicas, sino también barreras sociales que agravan su condición. Ambas enfermedades presentan cierto pronóstico de mejora e, incluso, dependiendo del daño causado, es posible recuperar la función perdida de manera completa con la rehabilitación adecuada. Una intervención temprana e intensiva, adaptada al grado de afectación y a las necesidades específicas del paciente, es crucial para favorecer la readaptación y la recuperación de habilidades. Durante este proceso, se generan nuevas conexiones a nivel cerebral y en menor grado en las neuronas de la médula espinal, en un proceso conocido como plasticidad neuronal. Las terapias robóticas y neuromotoras ofrecen un enfoque prometedor al permitir repeticiones controladas y prolongadas, lo cual es fundamental para mejorar la función motora. Además, en las etapas en las que el paciente busca recuperar su independencia, estas herramientas pueden ser un recurso valioso para la asistencia y el apoyo en su vida diaria. Entre las herramientas robóticas y neuromotoras más utilizadas en rehabilitación se incluyen exoesqueletos, sistemas de estimulación eléctrica y dispositivos de realidad virtual. Los exoesqueletos, en particular, se destacan por su capacidad de asistencia y rehabilitación, pudiendo ser controlados de diversas formas, como mediante un joystick, comandos de voz o incluso por la actividad muscular o cerebral. Cerrar el bucle de control a través de la actividad cerebral supone una forma intuitiva de recuperar las funciones perdidas. Esta actividad cerebral se registra en la superficie del cuero cabelludo mediante electrodos no invasivos, utilizando una técnica llamada electroencefalografía (por sus siglas, EEG) y se convierte en comandos de control para el manejo de exoesqueletos robóticos. Este tipo de sistemas, que establecen una comunicación entre la persona y la máquina, son conocidos como interfaces cerebro-máquina (BMI, por sus siglas en inglés Brain-Machine Interface), pueden ser diseñados con fines de rehabilitación, asistencia o ambos. Dependiendo de su configuración, el control puede basarse en distintos tipos de comandos neuromotores, que se clasifican en dos categorías: eventos externos, que responden a estímulos sensoriales del entorno, y eventos internos, como la intención motora del usuario. En este último caso, se emplean técnicas como la imaginación motora (MI, por sus siglas en inglés Motor Imagery) o la intención, y ambas suelen estar caracterizadas por un cambio en los ritmos cerebrales alfa y beta. La presente tesis se desarrolla en dos líneas de investigación. La primera se centra en el diseño de protocolos de análisis y clasificación para una aplicación en tiempo real capaz de decodificar, a través del EEG, las acciones del sujeto para el control de exoesqueletos robóticos. Para lograr una decodificación natural de las acciones del sujeto (no forzada ni artificial), se ha optado por el paradigma de intención, el cual se basa en decodificar la actividad relacionada con la intención motora momentos antes de que el sujeto realice la acción (estados de conciencia previos a la ejecución del acto motor). Inicialmente, se diseñaron dos BMI: una para detectar la intención de cambiar de velocidad y otra para detectar la intención de cambiar de dirección. La primera fue probada con éxito utilizando un exoesqueleto de miembro inferior, permitiendo a los sujetos cambiar de velocidad a voluntad. En el segundo caso, aunque no se disponía de un exoesqueleto de miembro inferior que permitiese cambiar de dirección, la BMI de dirección fue validada en tiempo real mediante la simulación de la intención de giro en una pantalla. Además, se diseñó una tercera BMI para detectar la intención del usuario de parar ante un obstáculo inesperado, basada en estímulos externos y potenciales de error. Cuando se detectaba esta intención, se activaba automáticamente el comando de parada del dispositivo. Esta tercera BMI fue probada de forma efectiva con pacientes con LMi. Por último, la segunda línea se basa en el diseño de un protocolo de estimulación transcraneal por corriente directa (tDCS, por sus siglas en inglés transcranial Direct Current Stimulation) del área cerebral relacionada con el procesamiento de información motora del miembro inferior. El objetivo principal es evaluar si se produce una mejora funcional en la recuperación física, además de evaluar si esto se produce a través de los mecanismos de plasticidad neuronal y tienen repercusión en la rapidez y eficiencia del aprendizaje motor dentro de un sistema BMI. En la presente tesis se plantean dos estudios que aportan evidencia sobre este propósito. En primer lugar, se propone un trabajo con pacientes de ACV, en el que se combina una terapia de estimulación con una BMI con retroalimentación visual (feedback). Tras un análisis de los resultados se discuten las limitaciones y posibles mejoras para este tipo de terapias neuromotoras en el ámbito clínico. Posteriormente, se plantea un análisis y revisión de la bibliografía para ayudar al diseño y mejora de estos protocolos de estimulación.

Motor function disorders, such as spinal cord injury (SCI) and stroke, represent significant public health challenges worldwide. SCI results from trauma that causes complete or incomplete damage (iSCI) to the motor neurons of the central nervous system, affecting the nerves that transmit messages between the brain and the rest of the body. This leads to a total or partial degradation of motor function. On the other hand, a stroke occurs when blood flow to a región of the brain is compromised, either by an obstruction or the rupture of a blood vessel, causing cell death that can result in motor degeneration and cognitive impairment. An alarming statistic is that each year, 15 million people suffer a stroke, of which five million die and another five million are left with permanent disabilities. Similarly, it is estimated that over 15 million people live with SCI worldwide, facing not only physical limitations but also social barriers that exacerbate their condition. Both conditions have a certain prognosis for improvement, and depending on the extent of the damage, it is possible to fully recover lost functions with appropriate rehabilitation. Early and intensive intervention, tailored to the degree of impairment and the specific needs of the patient, is crucial to promote readjustment and the recovery of skills. During this process, new connections are formed at the cerebral level and, to a lesser extent, in the neurons of the spinal cord, in a process known as neuronal plasticity. Robotic and neuromotor therapies offer a promising approach by allowing controlled and prolonged repetitions, which are essential for improving motor function. Additionally, in the stages where the patient seeks to regain independence, these tools can be a valuable resource for assistance and support in daily life. Among the most commonly used robotic and neuromotor tools in rehabilitation are exoskeletons, electrical stimulation systems, and virtual reality devices. Exoskeletons, in particular, stand out for their ability to provide assistance and rehabilitation, and they can be controlled in various ways, such as through a joystick, voice commands, or even by muscular or brain activity. In the latter case, the electrical activity recorded on the surface of the scalp using non-invasive electrodes in a technique called electroencephalography (EEG) is converted into control commands for managing robotic exoskeletons. Robotic and neuromotor tools frequently used in rehabilitation include exoskeletons, electrical stimulation systems, and virtual reality devices. Exoskeletons, in particular, are notable for their assistance and rehabilitation capabilities, and they can be controlled in various ways, such as with a joystick, voice commands, or even through muscular or brain activity. Closing the control loop through brain activity represents an intuitive way to recover lost functions. This brain activity is recorded on the scalp’s surface using non-invasive electrodes through a technique called electroencephalography (EEG) and is converted into control commands for managing robotic exoskeletons. These systems, which establish communication between the person and the machine, are known as brain-machine interfaces (BMI) and can be designed for rehabilitation, assistance, or both. Depending on their configuration, control can be based on different types of neuromotor commands, which are classified into two categories: external events, which respond to sensory stimuli from the environment, and internal events, such as the user’s motor intention. In the latter case, techniques like motor imagery (MI) or intention are employed, both typically characterized by changes in alpha and beta brain rhythms. This thesis is developed along two lines of research. The first focuses on designing analysis and classification protocols for a real-time application capable of decoding the subject’s actions through EEG for controlling robotic exoskeletons. To achieve a natural decoding of the subject’s actions (not forced or artificial), the intention paradigm was chosen, which is based on decoding activity related to motor intention moments before the subject performs the action (states of consciousness preceding the execution of the motor act). Initially, two BMIs were designed: one to detect the intention to change speed and another to detect the intention to change direction. The first was successfully tested using a lower limb exoskeleton, allowing subjects to change speed at will. In the second case, although a lower limb exoskeleton capable of changing direction was not available, the direction BMI was validated in real-time by simulating the intention to turn on a screen. Additionally, a third BMI was designed to detect the user’s intention to stop upon encountering an unexpected obstacle, based on external stimuli and error potentials. When this intention was detected, the device’s stop command was automatically activated. This third BMI was effectively tested with patients with incomplete SCI. Lastly, the second line of research is based on designing a protocol for transcranial direct current stimulation (tDCS) of the brain area related to processing motor information of the lower limb. The main objective is to evaluate whether functional improvement in physical recovery occurs, as well as to assess if this improvement is achieved through neuronal plasticity mechanisms and impacts the speed and efficiency of motor learning within a BMI system. This thesis presents two studies that provide evidence for this purpose. Firstly, a study with stroke patients is proposed, combining stimulation therapy with a BMI that includes visual feedback. After analyzing the results, the limitations and potential improvements for these types of neuromotor therapies in the clinical setting are discussed. Subsequently, a literature analysis and review are presented to aid in the design and enhancement of these stimulation protocols.