Brain-Machi­ne-Inter­faces bei Pati­en­ten mit Läh­mun­gen nach Schlaganfall

A. Ramos-Murguialday
Lähmungen nach einem Schlaganfall treten heutzutage häufig auf. Die Anzahl der Personen, die jedes Jahr einen Schlaganfall erleiden, steigt durch eine ungesunde Lebensführung dramatisch an (Stress, Ernährung, Tabak- und Alkoholkonsum usw.). Bei einer großen Zahl dieser Patienten sind Gehirnregionen betroffen, die die Steuerung von Bewegungen übernehmen. Viele dieser Patienten können daher mit den betroffenen Gelenken keine Bewegungen mehr ausführen. Für diese Gruppe besteht sechs bis acht Monate nach dem Schlaganfall im Allgemeinen keine Hoffnung auf Besserung mehr: Das Gehirn ist nicht mehr in der Lage, die Schädigung auszugleichen, denn neuroplastische Veränderungen, die die Regeneration unterstützen, können ohne Restbewegung der Muskeln nicht hervorgerufen und neue Nervenverbindungen nicht aufgebaut werden. Glücklicherweise liefert der wissenschaftliche Fortschritt neue Erkenntnisse und Technologien, die nicht nur dazu verwendet werden können, die Beschädigung zu umgehen und Bewegung zu unterstützen, sondern auch dazu, die beschädigten neuronalen Verbindungen zu rehabilitieren und Gehirn und Bewegung wieder zu verbinden. „Brain-Machine-Interfaces“ können zur Steuerung von Rehabilitationsrobotik verwendet werden. Diese neuartige Technologie schafft Hoffnung für gelähmte Schlaganfallpatienten.

Eini­ge Fak­ten zu Schlaganfällen

Die zere­bro­vasku­lä­re Stö­rung (ZVS) durch Schlag­an­fall, Hirn­trau­ma oder Gehirn­läh­mung gehört welt­weit zu den häu­figs­ten Ursa­chen für lang­fris­ti­ge Behin­de­run­gen in der Bewe­gungs­fä­hig­keit. In mehr als 85 % der Fäl­le tritt ein funk­tio­na­les Defi­zit in der Bewe­gungs­kon­trol­le auf 1. Phy­sio­the­ra­pie ist die Stan­dard­me­tho­de zur Reha­bi­li­ta­ti­on von Schlag­an­fall­pa­ti­en­ten. Die Wirk­sam­keit aktu­el­ler Reha­bi­li­ta­ti­ons­ver­fah­ren ist jedoch begrenzt, und die Lang­zeit­ef­fek­te sind umstrit­ten 2. Für Pati­en­ten mit star­ker Beein­träch­ti­gung des Bewe­gungs­ap­pa­rats ste­hen nur äußerst begrenz­te The­ra­pie­mög­lich­kei­ten zur Ver­fü­gung; die­se Pati­en­ten blei­ben oft­mals lebens­lang behin­dert 3.

Anzei­ge

Es gibt also einen offen­sicht­li­chen Bedarf an einer grö­ße­ren Anzahl bes­se­rer ran­do­mi­sier­ter kli­ni­scher Stu­di­en zur moto­ri­schen Reha­bi­li­ta­ti­on, bei denen die Inter­ven­ti­on früh­zei­tig nach dem Schlag­an­fall ansetzt, um die neu­ro­plas­ti­schen Mecha­nis­men aus­zu­nut­zen, die in den ers­ten Wochen nach dem Vor­fall aktiv sind 4. Gleich­wohl wer­den in der wis­sen­schaft­li­chen Lite­ra­tur auch neue The­ra­pie­kon­zep­te vor­ge­schla­gen, in denen die funk­tio­na­len Plas­ti­zi­täts­me­cha­nis­men im Gehirn reak­ti­viert wer­den, um die neu­ro­na­le Wie­der­her­stel­lung und die Rege­ne­ra­ti­on in den beschä­dig­ten neu­ro­na­len Netz­wer­ken zu för­dern. Die­se neu­en Metho­den kön­nen in zel­lu­lä­re The­ra­pien 5 und neu­ro­tech­no­lo­gi­sche Ansät­ze 6 unter­teilt wer­den. Letz­te­re sind Gegen­stand die­ses Artikels.

Schlag­an­fall­re­ha­bi­li­ta­ti­on

In Bezug auf die Reor­ga­ni­sa­ti­on im Gehirn nach einem Schlag­an­fall geht man heu­te davon aus, dass die über­mä­ßi­ge Nut­zung der kon­tralä­sio­na­len und die Nicht­nut­zung der ipsi­lä­sio­na­len Gehirn­hälf­te zu einer Erhö­hung des inhi­bi­to­ri­schen Ein­flus­ses der kon­tralä­sio­na­len auf die ipsi­lä­sio­na­le Gehirn­hälf­te führt. Die Erhö­hung der inhi­bi­to­ri­schen Akti­vi­tät blo­ckiert die exzi­ta­to­ri­sche Reor­ga­ni­sa­ti­on der ver­blei­ben­den intak­ten Area­le rund um die Schä­di­gung und hemmt so die Hei­lung des betrof­fe­nen Bewe­gungs­sys­tems. Die­se Annah­me erklärt den Erfolg der Cons­traint-Indu­ced Move­ment The­ra­py (CIMT), die von Edward Taub (1999) für die Anwen­dung bei chro­ni­scher Läh­mung nach Schlag­an­fall mit vor­han­de­ner Rest­be­we­gungs­fä­hig­keit ent­wi­ckelt wur­de 7. Durch die Ein­schrän­kung der Bewe­gungs­frei­heit der gesun­den Glied­ma­ße über län­ge­re Zeit­räu­me wird der Pati­ent dazu gezwun­gen, den gelähm­ten Arm und die gelähm­te Hand zu benut­zen und die exzi­ta­to­ri­sche neu­ro­na­le Akti­vi­tät in der betrof­fe­nen Gehirn­hälf­te zu verstärken.

Die heu­te übli­chen Reha­bi­li­ta­ti­ons­stra­te­gien imple­men­tie­ren soge­nann­te Bot­tom-up-Ansät­ze. Der­ar­ti­ge Metho­den ver­su­chen, moto­ri­sche Rege­ne­ra­ti­on durch Mani­pu­la­ti­on auf dista­ler Ebe­ne zu erzeu­gen, um hier­durch Ver­än­de­run­gen in den neu­ro­na­len Netz­wer­ken her­vor­zu­ru­fen. Bei­spie­le hier­für sind das bila­te­ra­le Arm­trai­ning und Cons­traint-Indu­ced-The­ra­pien. Für einen Ver­gleich der Metho­den sei auf Lin et al. 2009 ver­wie­sen 8. Pati­en­ten ohne Rest­be­we­gungs­fä­hig­keit zeig­ten ein Jahr nach dem Schlag­an­fall jedoch kei­ne Ver­bes­se­run­gen durch CIMT 9. Für die­se Pati­en­ten sind die ver­füg­ba­ren Behand­lun­gen und Reha­bi­li­ta­ti­ons­stra­te­gien inef­fi­zi­ent. Infol­ge­des­sen kon­zen­trie­ren sich moder­ne­re Ansät­ze für die Schlag­an­fall­re­ha­bi­li­ta­ti­on zuneh­mend auf Top-down-Ansät­ze. Die­se The­ra­pie­kon­zep­te ver­su­chen die ver­blei­ben­den intak­ten neu­ro­na­len Netz­wer­ke bei der Reor­ga­ni­sa­ti­on zu unter­stüt­zen, um so zur Gene­sung der moto­ri­schen Funk­ti­on bei­zu­tra­gen 10.

Eine Rei­he von Stu­di­en hat bereits die Vor­tei­le der robo­ter­ba­sier­ten The­ra­pie bei chro­ni­scher Läh­mung nach Schlag­an­fall im direk­ten Ver­gleich mit kon­ven­tio­nel­len The­ra­pien dar­ge­stellt 11. In die­sen Stu­di­en wur­den jedoch nur pas­si­ve Bewe­gun­gen der Robo­ter benutzt, wodurch die Kon­tin­genz zwi­schen Absicht und Akti­on ver­lo­ren­geht. Dies führt zu einer star­ken Redu­zie­rung des Poten­zi­als der Inter­ven­ti­on, neu­ro­plas­ti­sche Ver­än­de­run­gen her­vor­zu­ru­fen 12. Obwohl Schlag­an­fall­pa­ti­en­ten auf unter­schied­li­che Reha­bi­li­ta­ti­ons­stra­te­gien ver­schie­den­ar­ti­ge Reak­tio­nen zei­gen, kann bei der Behand­lung von Pati­en­ten mit schwe­rer Hemi­pa­re­se mit kon­ven­tio­nel­len Ansät­zen im All­ge­mei­nen nur begrenz­te bis gar kei­ne Gene­sung erzielt wer­den 13. Jüngs­te Ent­wick­lun­gen auf dem Gebiet der moder­nen Reha­bi­li­ta­ti­ons­me­tho­den, ins­be­son­de­re der soge­nann­ten Brain-Machin­eIn­ter­faces (BMI), spe­zi­ell in Kom­bi­na­ti­on mit robo­ti­schen Akto­ren, könn­ten jedoch eine alter­na­ti­ve Stra­te­gie für die Behand­lung schwer­be­hin­der­ter Pati­en­ten dar­stel­len 14.

Funk­ti­ons­wei­se von Brain-Machi­ne-Inter­faces (BMI)

BMI-Sys­te­me zeich­nen mess­ba­re neu­ro­phy­sio­lo­gi­sche Signa­le auf, ent­schlüs­seln deren Infor­ma­ti­ons­ge­halt und ver­wen­den die­se Infor­ma­tio­nen zur Steue­rung von Effek­to­ren und Ver­hal­ten. BMI-Sys­te­me, die restau­ra­tiv agie­ren oder über das Prin­zip des Bio­feed­backs wir­ken, ver­su­chen aus­ge­wähl­te neu­ro­phy­sio­lo­gi­sche Akti­vi­tät zu nor­ma­li­sie­ren, indem sie als Trai­nings­ge­rät fun­gie­ren und nut­zungs­ab­hän­gi­ge Gehirn­plas­ti­zi­tät akti­vie­ren 15.

In den letz­ten 15 Jah­ren wur­de eine ste­tig stei­gen­de Zahl von BMI-Sys­te­men ent­wi­ckelt. All die­se Sys­te­me zeich­nen mess­ba­re neu­ro­phy­sio­lo­gi­sche Signa­le auf, ent­schlüs­seln deren Infor­ma­ti­ons­ge­halt und ver­wen­den sie zur Steue­rung von Effek­to­ren und Ver­hal­ten. Mit Hil­fe implan­tier­ba­rer BMI-Sys­te­me, die inva­si­ve Mikro­elek­tro­den zur Auf­zeich­nung von Spike-Akti­vi­tät und loka­len Feld­po­ten­zia­len ver­wen­den, konn­ten mensch­li­che Pro­ban­den bereits Robo­ter­ar­me 16 und funk­tio­na­le elek­tri­sche Sti­mu­la­to­ren 17 steu­ern. Mit Hil­fe eben­falls inva­si­ver sub­du­ra­ler Arrays konn­ten Elek­tro­kor­ti­ko­gram­me abge­lei­tet wer­den, sogar beim chro­ni­schen Schlag­an­fall­pa­ti­en­ten 18. In nicht­in­va­si­ven Ansät­zen wur­den Elek­tro­en­ze­pha­logra­fie (EEG), Magne­to­en­ze­pha­logra­fie (MEG), blu­t­o­xi­ge­nie­rungs­ab­hän­gi­ge, funk­tio­nel­le Magnet­re­so­nanz­to­mo­gra­fie (fMRT) und funk­tio­nel­le Nahin­fra­rot­spek­tro­sko­pie (fNIRS) ver­wen­det 19.

Das übli­che Ver­fah­ren bei der Ver­mes­sung der Spon­tan­ak­ti­vi­tät des Gehirns ist jedoch die Posi­tio­nie­rung meh­re­rer Elek­tro­den auf der Kopf­haut für einen begrenz­ten Zeit­raum, übli­cher­wei­se 30 bis 60 Minu­ten, bekannt als Elek­tro­en­ze­pha­logramm (EEG). Die ent­spre­chen­den Auf­zeich­nungs­ge­rä­te fin­den flä­chen­de­cken­de Ver­wen­dung in der Neu­ro­lo­gie. Als pas­si­ves Auf­nah­me­ver­fah­ren ist EEG sicher für den Pati­en­ten und erfor­dert von die­sem ledig­lich das Auf­set­zen einer EEG-Kap­pe, unter Umstän­den täg­lich. Daher scheint EEG nach wie vor die bes­te Mess­tech­no­lo­gie für die Ent­wick­lung nicht­in­va­si­ver BMI-Sys­te­me zu sein.

Das Erler­nen der Steue­rung nicht­in­va­si­ver künst­li­cher neu­ro­na­ler Ver­bin­dun­gen wie Brain-Machi­ne-Inter­faces kann ver­schie­de­ne Ver­än­de­run­gen nach sich zie­hen, z. B. die Ver­stär­kung lang­sa­mer Hirn­po­ten­zia­le, die ver­stärk­te Aus­prä­gung des sen­so­risch­mo­to­ri­schen Rhyth­mus und der BOLD-Topo­lo­gien (BOLD = „blood oxy­ge­na­ti­on level depen­dent“, betrifft den Sauer­stoff­ver­brauch im Gehirn) 20; sie kön­nen funk­tio­na­le Ver­bin­dun­gen ver­än­dern und sogar struk­tu­rel­le Ver­än­de­run­gen im Gehirn her­vor­ru­fen 21. Obwohl wir also wis­sen, dass wir die neu­ro­na­len Netz­wer­ke, die an der moto­ri­schen Gene­sung betei­ligt sind, beein­flus­sen könn­ten, bedarf es wei­te­rer expe­ri­men­tel­ler Arbei­ten, um die neu­ro­phy­sio­lo­gi­schen Ver­än­de­run­gen mit der moto­ri­schen Gene­sung auf der Ver­hal­tens­ebe­ne zu verbinden.

Beim Erler­nen der Steue­rung über eine Neu­ro­pro­the­se ver­än­dert das Gehirn die Ver­bin­dun­gen zu den am BMI betei­lig­ten Neu­ro­nen (die­je­ni­gen, die kau­sal mit der Bewe­gungs­aus­füh­rung ver­bun­den sind) und ver­sucht, den Feh­ler in der moto­ri­schen Leis­tung durch die Plas­ti­zi­tät im Cor­tex zu mini­mie­ren. Das Schlüs­sel­ele­ment bei der Akti­vie­rung des moto­ri­schen Gedächt­nis­ses ist die Sta­bi­li­tät des BMI-Kreis­laufs, d. h., sowohl die affe­ren­ten Ver­bin­dun­gen (das neura­le Ein­gangs signal des Deco­ders) als auch die Über­tra­gungs­funk­tio­nen soll­ten sich nicht ändern. Die­se Hypo­the­se wur­de in einer vor­he­ri­gen Arbeit getes­tet 22, in der gezeigt wur­de, dass das Pri­ma­ten­ge­hirn in der Lage ist, die Steue­rung eines BMI über einen Com­pu­ter­cur­sor sta­bil zu erler­nen, und zwar auf eine Art und Wei­se, die dem natür­li­chen moto­ri­schen Ler­nen sehr ähn­lich ist.

BMIs als Aus­lö­ser von Neu­ro­plas­ti­zi­tät nach Schlaganfall

Neu­ro­plas­ti­zi­tät wird als die Fähig­keit eines Ner­ven­sys­tems defi­niert, auf ex trinsi­sche und intrinsi­sche Ver­än­de­run­gen zu reagie­ren und sich dar­an anzu­pas­sen 23. Im Erwach­se­nen­al­ter bezeich­net Neu­ro­plas­ti­zi­tät eine Viel­zahl ver­schie­de­ner Reor­ga­ni­sa­ti­ons­pro­zes­se, die auf ver­schie­de­nen zeit­li­chen und räum­li­chen Ebe­nen statt­fin­den. Sie die­nen zur Erhö­hung der Wirk­sam­keit des Infor­ma­ti­ons­aus­tauschs inner­halb des Ner­ven­sys­tems, zur Stei­ge­rung von Steue­rungs­ef­fi­zi­enz und ‑genau­ig­keit oder zur Bewäl­ti­gung von Ver­let­zun­gen. Dabei kom­men Ver­än­de­run­gen syn­ap­ti­scher Ver­bin­dungs­stär­ken, die Bil­dung neu­er syn­ap­ti­scher Ver­bin­dun­gen und selbst die Bil­dung neu­er Neu­ro­nen vor 24. Trotz der ver­schie­de­nen mole­ku­la­ren, zel­lu­lä­ren und phy­sio­lo­gi­schen Ver­än­de­run­gen, die wäh­rend des Gene­sungs­pro­zes­ses beob­ach­tet wur­den 25, ist deren Bei­trag zu den funk­tio­na­len neu­ro­plas­ti­schen Mecha­nis­men noch unklar.

Der Schlüs­sel­me­cha­nis­mus, durch den neu­ro­na­le Akti­vi­tät zu Plas­ti­zi­tät führt, wird Donald Hebb (1945) zuge­schrie­ben, der davon aus­ging, dass „ein Wachs­tums­pro­zess oder eine meta­bo­li­sche Ver­än­de­rung“ die phy­si­sche Ver­bin­dung zwi­schen zwei Neu­ro­nen genau dann stärkt, wenn deren Akti­vi­tä­ten eine dau­er­haf­te kau­sa­le Ver­bin­dung auf­wei­sen („cells that fire tog­e­ther wire tog­e­ther“) 26. Die­ser Pro­zess beinhal­tet sowohl syn­ap­ti­sche Poten­zie­rung als auch struk­tu­rel­le Ver­än­de­run­gen wie z. B. axo­na­le Ver­äs­te­lung und die Bil­dung und Sta­bi­li­sie­rung den­dri­ti­scher Dornfortsätze.

Im Zen­trum des BMI-Para­dig­mas steht die wil­lent­li­che Steue­rung der neu­ro­na­len Akti­vi­tät. Fetz und Mit­ar­bei­ter 27 wie­sen in vivo kor­ti­kos­pi­na­le, syn­ap­ti­sche Plas­ti­zi­tät auf der Ebe­ne ein­zel­ner Neu­ro­ne nach, die bei frei­em Ver­hal­ten durch nor­ma­le Akti­vi­täts­mus­ter aus­ge­löst wur­den. Die­ses Ergeb­nis wur­de mit Hil­fe eines auto­no­men, rück­läu­fi­gen neu­ro­na­len Inter­face erzielt, das eine elek­tri­sche Sti­mu­la­ti­on des Rücken­marks von nicht­mensch­li­chen Pri­ma­ten in Abhän­gig­keit von der Akti­vi­tät kor­ti­kos­pi­na­ler Zel­len durch­führt, wäh­rend sich die­se frei bewe­gen. Dar­über hin­aus konn­ten Lucas und Fetz (2013) zei­gen 28, dass eine künst­li­che affe­ren­te Rück­kopp­lung zu einer Reor­ga­ni­sa­ti­on der Aus­ga­be des moto­ri­schen Cor­tex füh­ren kann, und deu­te­ten an, dass die kor­ti­kos­pi­na­len Zusam­men­hän­ge unter nor­ma­len Bedin­gun­gen von eben­sol­chen phy­sio­lo­gi­schen Rück­kopp­lungs­kreis­läu­fen auf­recht­erhal­ten wer­den. Die­se Ergeb­nis­se legen nahe, dass neu­ro­plas­ti­sche Effek­te durch künst­li­che neu­ro­na­le Ver­bin­dun­gen sowohl mit affe­ren­ter als auch mit effe­ren­ter Kon­tin­genz (bila­te­ra­le Kon­sis­tenz) aus­ge­löst wer­den. Unter der Annah­me, dass zumin­dest eini­ge neu­ro­na­le Netz­wer­ke und Ner­ven­bah­nen nach dem Schlag­an­fall wei­ter­hin bestehen und noch in der Lage sind, sen­so­ri­sche Signa­le ins Gehirn hin­ein- und moto­ri­sche Signa­le aus die­sem her­aus­zu­lei­ten, könn­ten Lern­re­geln, die auf Syn­ap­sen basie­ren, hel­fen, nach dem Schlag­an­fall kom­pen­sa­to­ri­sche Ver­schal­tun­gen zu erzeu­gen. Die­se Lern­re­geln las­sen sich in zwei Kate­go­rien auf­tei­len: Homöo­sta­ti­sche Plas­ti­zi­täts­me­cha­nis­men balan­cie­ren den syn­ap­ti­schen Ein­gang der Neu­ro­ne aus, wäh­rend Hebb’sche Plas­ti­zi­täts­me­cha­nis­men syn­ap­ti­sche Ver­bin­dungs­stär­ken zuguns­ten der gleich­zei­tig akti­ven Ver­bin­dun­gen neu ver­tei­len. Sobald die homöo­sta­ti­schen Mecha­nis­men grei­fen, um sowohl die syn­ap­ti­sche Struk­tur als auch deren Funk­ti­on auf das ange­streb­te Niveau zu brin­gen, kön­nen Hebb’sche bzw. kor­re­la­ti­ve Mecha­nis­men die rich­ti­gen prä­syn­ap­ti­schen und post­syn­ap­ti­schen Ele­men­te ver­stär­ken. Hebb’sche Mecha­nis­men wer­den akti­viert, wenn prä­syn­ap­ti­sche und post­syn­ap­ti­sche Neu­ro­ne zeit­lich koor­di­niert aktiv sind und wenn die Frei­set­zung von Neu­ro­trans­mit­tern inner­halb eines Zeit­fens­ters von weni­gen Mil­li­se­kun­den nach einem post­syn­ap­ti­schen Akti­ons­po­ten­zi­al statt­fin­det, das über Sti­mu­la­ti­on durch meh­re­re Ein­gangs­si­gna­le sti­mu­liert wur­de. Eine län­ger anhal­ten­de sen­so­risch indu­zier­te Depo­la­ri­sie­rung in der Peri­in­farkt­re­gi­on könn­te betei­lig­te Neu­ro­ne nah an ihrem jewei­li­gen Schwell­wert hal­ten und so die Akti­vi­tät, die vom Akti­ons­po­ten­zi­al abhän­gig ist, und ande­re funk­tio­nal ver­wand­te Ein­gangs­si­gna­le unter­stüt­zen, was letzt­lich einer kon­tin­gen­ten Akti­vie­rung gleich­kommt. Die­se gleich­zei­tig akti­ven Ver­bin­dun­gen bil­den zusam­men eine ver­hal­tens­re­le­van­te Ver­schal­tung und wer­den zur Spei­che­rung und Ver­stär­kung aus­ge­wählt. Auf der ande­ren Sei­te sind syn­ap­ti­sche Ver­bin­dun­gen, die außer­halb der Pha­se aktiv sind, wahr­schein­lich falsch ver­schal­tet und wer­den abge­schwächt. Lang­sa­me­re, kon­stant akti­ve Schalt­krei­se, die bei gene­sen­den Tie­ren gefun­den wur­den, könn­ten die Wahr­schein­lich­keit stei­gern, dass Peri­in­farkt­ver­bin­dun­gen durch gleich­zei­ti­ge Akti­vi­tät ver­stärkt wer­den 29. Die regel­mä­ßi­ge Anwen­dung BMSCI-basier­ter Neu­ro­pro­the­sen (BMSCI = Brain-Machi­ne-Spi­nal-Cord-Inter­face) könn­te die syn­ap­ti­sche Stär­ke der ver­blei­ben­den neu­ro­na­len Ver­bin­dun­gen im Rücken­mark über die Ver­let­zung hin­aus ver­stär­ken 30. Die Ver­stär­kung der Syn­ap­sen funk­tio­niert nach einem Kon­zept, das als „spike-time-depen­dent plasti­ci­ty“ (STDP) bekannt ist. Sofern eine Rücken­mark­sti­mu­la­ti­on inner­halb eines engen Zeit­fens­ters nach der Erken­nung der kor­ti­ka­len Bewe­gungs­ab­sicht durch­ge­führt wird, kann bei nicht­mensch­li­chen Pri­ma­ten 31 und Men­schen 32 eine STDP aus­ge­löst wer­den. Auch konn­te gezeigt wer­den, dass auf STDP basie­ren­de Reha­bi­li­ta­ti­ons­stra­te­gien die lang­zeiti­ge funk­tio­na­le Gene­sung ver­bes­sern kön­nen 33.

Ein­schrän­kun­gen und zukünf­ti­ge Arbeiten

Neue­re Daten chro­ni­scher Schlag­an­fall­pa­ti­en­ten mit Schwer­be­hin­de­rung deu­ten dar­auf hin, dass eine kon­tin­gen­te neu­ro­na­le Ver­bin­dung zwi­schen Gehirn­ak­ti­vi­tät und Bewe­gung der gelähm­ten Extre­mi­tät durch eine robo­ti­sche Orthe­se eine signi­fi­kan­te, aber begrenz­te funk­tio­na­le moto­ri­sche Wie­der­her­stel­lung her­vor­ru­fen kann 34. Jüngs­te Stu­di­en konn­ten die­se Ergeb­nis­se bestä­ti­gen 3536. Den­noch las­sen Pro­ble­me der nicht­in­va­si­ven Tech­nik (sie­he unten) die inva­si­ven Alter­na­ti­ven Elek­tro­kor­ti­ko­gra­fie (EcoG) und kor­ti­ka­le Mikro­elek­tro­denar­rays als die bes­se­ren Kan­di­da­ten erschei­nen, um neue neu­ro­na­le Ver­bin­dun­gen auf­zu­bau­en und mit­tels des Para­dig­mas des instru­men­ta­len Ler­nens und der Spike-Time-Plas­ti­zi­tät (STDP) durch kon­tin­gen­te Ver­bin­dung kor­ti­ka­ler und peri­phe­rer Ele­men­te des ZNS zur funk­tio­na­len moto­ri­schen Reha­bi­li­ta­ti­on bei­zu­tra­gen. Zu den Pro­ble­men der nicht­in­va­si­ven Tech­nik zählen:

1. das Anbrin­gen des EEGs,

2. der Rausch­ab­stand im EEG-Signal,

3. die deut­lich gerin­ge­re Rekon­stru­ier­bar­keit der beab­sich­tig­ten Bewe­gung im Ver­gleich zu inva­si­ven Tech­ni­ken (dort sogar Deco­die­rung drei­di­men­sio­na­ler Bewe­gun­gen möglich),

4. das Pro­blem des Trans­fers zwi­schen Sit­zun­gen (nicht­sta­tio­nä­re, ver­än­der­li­che Signaleigenschaften),

5. die grö­ße­re Feedbackverzögerung,

6. die begrenz­te Trai­nings­in­ten­si­tät (Trai­nings­dau­er), bedingt durch den ermü­den­den Aufbauprozess,

7. die ver­min­der­te Signal­qua­li­tät mobi­ler Lösun­gen und 8. der feh­len­de Zugriff auf Infor­ma­tio­nen über ein­zel­ne Zellen.

Ver­bes­se­rung der Deco­die­rung von Bewegungsabsichten

Um einen Groß­teil der Beschrän­kun­gen der bereits kli­nisch getes­te­ten nicht­in­va­si­ven Sys­te­me auf­zu­he­ben, könn­ten intra­kra­ni­elle Mikro­elek­tro­den zur Ablei­tung der Gehirn­po­ten­zia­le ein­ge­setzt wer­den. Sol­che Sys­te­me wur­den bereits erfolg­reich zur Steue­rung von Mobi­li­täts­hil­fen bei gelähm­ten Pati­en­ten ein­ge­setzt und ver­blie­ben dabei für mehr als fünf Jah­re im Kör­per der Pati­en­ten. In eini­gen Fäl­len gelang eine kon­ti­nu­ier­li­che Deco­die­rung von hoch­di­men­sio­na­len Greif­be­we­gun­gen und die Steue­rung von 25 Gelen­ken bei Hand- und Arm­be­we­gun­gen 37.

In letz­ter Zeit wur­den auch ECoG-Auf­zeich­nun­gen für BMI-Expe­ri­men­te benutzt, basie­rend ent­we­der auf sub­du­ra­len oder auf epi­du­ra­len 38 Elek­tro­den. Es lie­gen sogar Stu­di­en mit ECoG bei Schlag­an­fall­pa­ti­en­ten vor 39. Die implan­tier­ten ECoG-Elek­tro­den­ma­tri­zen sind weni­ger emp­find­lich gegen­über Arte­fak­ten und wei­sen eine höhe­re Fre­quenz- und Raum­auf­lö­sung als das EEG auf, sind zugleich aber weni­ger inva­siv als implan­tier­te Mikro­elek­tro­denar­rays. Nichts­des­to­trotz sind sie zur Zeit nur für den über­gangs­wei­sen Ein­satz beim Men­schen frei­ge­ge­ben und erfor­dern eine gro­ße Öff­nung in der Schä­del­de­cke zur Implan­tie­rung. Voll­stän­dig implan­tier­ba­re, kabel­lo­se Vari­an­ten wer­den zur Zeit ent­wi­ckelt 40 oder war­ten auf Frei­ga­be durch ame­ri­ka­ni­sche oder euro­päi­sche Zer­ti­fi­zie­rungs­be­hör­den (CE/FDA) 4142.

Ein­zel­zell­ab­lei­tun­gen wur­den im Labor eben­falls erfolg­reich in BMI-Expe­ri­men­ten ver­wen­det. Dabei konn­ten von den Pati­en­ten sowohl ein Com­pu­ter­cur­sor als auch ein robo­ti­scher Arm im Clo­sed-Loop-Para­dig­ma bewegt wer­den 4344. Trotz der ermu­ti­gen­den Erfol­ge in der kli­ni­schen Anwen­dung die­ser Metho­de hat sie bis­lang nur begrenz­ten Erfolg außer­halb der Labor­um­ge­bung, haupt­säch­lich bedingt durch unge­lös­te Pro­ble­me mit der Sta­bi­li­tät der Signal­auf­zeich­nung über lan­ge Zeit und dem ange­streb­ten Ein­satz als assis­ti­ve Tech­no­lo­gie im All­tag, was eine per­ma­nen­te Implan­tier­bar­keit und sta­bi­le Leis­tungs­fä­hig­keit über Jahr­zehn­te voraussetzt.

Es ist wich­tig, an die­ser Stel­le fest­zu­hal­ten, dass die meis­ten Stu­di­en mit implan­tier­ten Gerä­ten auf kur­ze Implan­ta­ti­ons­zeit­räu­me beschränkt waren und zumeist mit Pati­en­ten durch­ge­führt wur­den, wel­che die Implan­ta­ti­on im Rah­men der prä­ope­ra­ti­ven Epi­lep­sie­dia­gos­tik erhal­ten hat­ten. Nur bei sehr weni­gen Stu­di­en wur­de eine Implan­ta­ti­on spe­zi­ell zum Zwe­cke einer BMI-Steue­rung durch­ge­führt. Der Grund hier­für liegt sicher­lich in den tech­ni­schen Her­aus­for­de­run­gen, die mit der Ent­wick­lung und Erpro­bung von implan­tier­ba­ren, akti­ven Medi­zin­pro­duk­ten ein­her­ge­hen. In einer Umfra­ge zum The­ma Brain-Machi­ne-Inter­faces gaben die Nut­zer an, dass für sie die „Nicht­in­va­si­vi­tät“ ein ent­schei­den­des Design­kri­te­ri­um für BMIs sei. Mehr als die Hälf­te der Befrag­ten gab aber eben­falls an, dass sie sich einer chir­ur­gi­schen Pro­ze­dur unter­zie­hen wür­den, um die BMI-Elek­tro­den zu implan­tie­ren 45. Zusätz­lich zur Nicht­in­va­si­vi­tät wur­den die Zeit­dau­er der täg­li­chen Anbrin­gung, die unab­hän­gi­ge Bedien­bar­keit, die Kos­ten des Sys­tems, das Funk­ti­ons­spek­trum und die Reak­ti­ons­zeit als wich­tigs­te Design­kri­te­ri­en für BMIs iden­ti­fi­ziert. Als weni­ger wich­tig wur­de die initia­le Trai­nings­zeit ein­ge­ord­net; die Gesamt­zeit für Inter­ven­tio­nen und Trai­nings soll hin­ge­gen mög­lichst gering gehal­ten werden.

Die ver­hält­nis­mä­ßig gerin­ge Akzep­tanz für implan­tier­te, intra­kra­ni­elle Arrays resul­tiert haupt­säch­lich aus den medi­zi­ni­schen Beden­ken in Bezug auf den neu­ro­chir­ur­gi­schen Ein­griff und das Implan­tat selbst. Die­se Risi­ken sind sicher­lich nicht ver­nach­läs­sig­bar, wer­den im All­ge­mei­nen aber über­be­wer­tet. Anhand der Erfah­run­gen bei der Vali­die­rung von DBS lässt sich zei­gen, dass Kom­pli­ka­tio­nen sel­ten sind und dass sich mit den ent­spre­chen­den Pro­ze­du­ren tran­si­en­te Beein­träch­ti­gun­gen auf 0,9 % redu­zie­ren las­sen, wäh­rend per­ma­nen­te Beein­träch­ti­gun­gen über­haupt nicht mehr auf­tre­ten 46. Selbst bei so inva­si­ven Pro­ze­du­ren wie der mul­ti­plen sub­pia­len Trans­sek­ti­on, bei der eine Rei­he von län­ge­ren Schnit­ten in die graue Sub­stanz z. B. des Motor­cor­tex durch­ge­führt wird, um Epi­lep­sie zu behan­deln, lei­den die Pati­en­ten danach nicht unter moto­ri­schen Ein­schrän­kun­gen 47. Im Ver­gleich zu die­ser Pro­ze­dur erscheint die Implan­ta­ti­on von Elek­tro­denar­rays für inva­si­ve moto­ri­sche BMIs harm­los. Die­se Sys­te­me fin­den nun schon vie­le Jah­re Anwen­dung in Labors welt­weit, und die medi­zi­ni­schen Beden­ken soll­ten sich mit bes­se­rer Kennt­nis der Fak­ten­la­ge reduzieren.

Auf der ande­ren Sei­te könn­ten auch nicht­in­va­si­ve Sys­te­me eini­ge ihrer Nach­tei­le über­win­den, bei­spiel­wei­se durch den Ein­satz kabel­lo­ser Über­tra­gung und tro­cke­ner Elek­tro­den (ohne leit­fä­hi­ges Gel) mit aus­rei­chen­dem Rausch­ab­stand. Des Wei­te­ren könn­te die Ein­be­zie­hung wei­te­rer neu­ro­phy­sio­lo­gi­scher Signa­le, bei­spiels­wei­se der Elek­tro­myo­gra­fie (EMG) von Mus­kel­po­ten­zia­len, die Deco­die­rungs­band­brei­te nicht­in­va­si­ver BMIs verbessern.

Kor­ti­komus­ku­lä­re BMIs

Die Mehr­zahl der exis­tie­ren­den neu­ro­na­len Inter­faces wird aus­schließ­lich dazu ver­wen­det, die Kine­ma­tik (Ort und Geschwin­dig­keit), nicht aber die Kine­tik (Kraft und Beschleu­ni­gung) der beein­träch­tig­ten Glied­ma­ße zu steu­ern. Durch eine kon­tin­gen­te Ver­knüp­fung der ipsi­lä­sio­na­len kor­ti­ka­len Area­le mit Bewe­gun­gen der gelähm­ten Hand nach dem Schlag­an­fall (rekur­ren­tes, affe­ren­tes Feed­back) kann eine funk­tio­na­le Reor­ga­ni­sa­ti­on aus­ge­löst wer­den. Wird in die­sem Kreis­lauf aber aus­schließ­lich die Hirn­ak­ti­vi­tät ver­wen­det, gibt es kei­ner­lei Ein­be­zie­hung der Mus­keln. Die­ser Umstand kann poten­zi­ell die funk­tio­na­le Reor­ga­ni­sa­ti­on des an den visu­ell-moto­ri­schen Auf­ga­ben betei­lig­ten neu­ro­na­len Netz­werks beein­träch­ti­gen und so die BMI-Steue­rung zur ein­fa­chen Unter­stüt­zungs­tech­no­lo­gie degra­die­ren, die den Pati­en­ten auf sei­nen vor­he­ri­gen Behin­de­rungs­grad zurück­fal­len lässt, sobald sie abge­schal­tet oder ent­fernt wird.

Dar­über hin­aus sind aktu­el­le nicht­in­va­si­ve BMI-Sys­te­me auf die Steue­rung zwei­di­men­sio­na­ler Bewe­gun­gen beschränkt 48. Des Wei­te­ren lässt sich auch die ver­blei­ben­de EMG-Akti­vi­tät, die sich bei etwa 45 % der schwer­be­hin­der­ten, chro­ni­schen Schlag­an­fall­pa­ti­en­ten nach­wei­sen lässt, zur Deco­die­rung der Bewe­gungs­ab­sicht ver­wen­den. Die­se Akti­vi­tät könn­te so zur Ver­bes­se­rung der Steue­rung der Reha­bi­li­ta­ti­ons­ro­bo­ter ein­ge­setzt wer­den 49. Der Ein­satz hoch­auf­lö­sen­der EMG-Arrays am Unter­arm ermög­licht dabei die Deco­die­rung ein­zel­ner Fin­ger­be­we­gun­gen 50. Ein kor­ti­komus­ku­lä­res BMI wird auf die­sen Ergeb­nis­sen auf­bau­end ent­wi­ckelt (Abb. 1). Die ver­blei­ben­de Mus­kel­ak­ti­vi­tät wur­de bereits in die kon­tin­gen­te Ver­bin­dung zwi­schen peri­lä­sio­na­len kor­ti­ka­len Area­len und dem bewe­gungs­ab­hän­gi­gen, affe­ren­ten Feed­back inte­griert 51.

Fazit

Die Wirk­sam­keit von Brain-Machi­ne-Inter­faces in der Schlag­an­fall­re­ha­bi­li­ta­ti­on von Pati­en­ten mit chro­ni­scher Schwer­be­hin­de­rung wur­de expe­ri­men­tell nach­ge­wie­sen, und die Ergeb­nis­se konn­ten ver­läss­lich repro­du­ziert wer­den. Die exis­tie­ren­den Sys­te­me sind jedoch nur wis­sen­schaft­li­che Werk­zeu­ge, und es man­gelt ihnen haupt­säch­lich an Robust­heit, ein­fa­cher Anwend­bar­keit und Signal­sta­bi­li­tät. Es ist kein Geheim­nis, dass vie­le klei­ne, mitt­le­re und gro­ße Unter­neh­men sowie diver­se Start-ups im Gesund­heits­sek­tor in neu­ro­na­le Inter­faces und deren Inno­va­ti­ons­po­ten­zi­al auf dem flo­rie­ren­den Markt der Neu­ro­tech­no­lo­gien inves­tie­ren. Bald schon wer­den BMIs so güns­tig und ein­fach zu bedie­nen sein, dass sie einen fes­ten Platz im kli­ni­schen Umfeld ein­neh­men. Sie wer­den ein essen­zi­el­les Werk­zeug für Neu­ro­lo­gen, Psych­ia­ter, Neu­ro­chir­ur­gen und Phy­sio­the­ra­peu­ten bil­den. Das neu­ro­na­le Inter­fa­cing erlaubt es, Expe­ri­men­te vor­an­zu­trei­ben und jen­seits eta­blier­ter Dog­men der Wis­sen­schaft zu erfor­schen, wie das Gehirn Ver­hal­ten erzeugt. Es soll­te dabei als Werk­zeug sowohl für die kli­ni­sche als auch für die wis­sen­schaft­li­che Pra­xis ver­stan­den wer­den, ins­be­son­de­re zur Anwen­dung bei Pati­en­ten mit Läh­mun­gen nach einem Schlaganfall.

Dank­sa­gung

Der Autor bedankt sich bei Michae­la Walcker, Flo­ri­an Helm­hold und Andre­as Ray für die Hil­fe bei der sprach­li­chen Aus­ar­bei­tung des Textes.

Der Autor:
Dr. Ander Ramos-Murguialday
Uni­ver­si­täts­kli­ni­kum Tübingen
Insti­tut für Medi­zi­ni­sche Psychologie
und Ver­hal­tens­neu­ro­bio­lo­gie
Sil­cher­stra­ße 5
72076 Tübin­gen
ander.ramos-murguialday@unituebingen.de

Begut­ach­te­ter Beitrag/reviewed paper

Zita­ti­on
Ramos-Mur­guial­day A. Brain-Machi­ne-Inter­faces bei Pati­en­ten mit Läh­mun­gen nach Schlag­an­fall. Ortho­pä­die Tech­nik, 2017; (68): 40–45

 

  1. Lang­hor­ne P, Bern­hardt J, Kwak­kel G. Stro­ke reha­bi­li­ta­ti­on. Lan­cet, 2011; 377 (9778): 1693–1702
  2. Bell JA, Wol­ke ML, Ortez RC, Jones TA, Kerr AL. Trai­ning Inten­si­ty Affects Motor Reha­bi­li­ta­ti­on Effi­cacy Fol­lowing Uni­la­te­ral Ischemic Insult of the Sen­so­ri­mo­tor Cor­tex in C57BL/6 Mice. Neu­ro­reha­bil Neural Repair, 2015; 29 (6): 590–598
  3. Byblow WD, Sti­ne­ar CM, Bar­ber PA, Petoe MA, Acker­ley SJ. Pro­por­tio­nal reco­very after stro­ke depends on cor­ti­co­mo­tor inte­gri­ty. Ann Neu­rol, 2015; 78 (6): 848–859
  4. Sti­ne­ar CM, Byblow WD. Pre­dic­ting and acce­le­ra­ting motor reco­very after stro­ke. Curr Opin Neu­rol, 2014; 27 (6): 1
  5. Kra­kau­er JW, Car­mi­cha­el ST, Cor­bett D, Wit­ten­berg GF. Get­ting Neu­ro­reha­bi­li­ta­ti­on Right. Neu­ro­reha­bil Neural Repair, 2012; 26 (8): 923–931
  6. Ramos-Mur­guial­day A, Broetz D, Rea M, Läer L, Yil­maz Ö, Bra­sil FL, Libe­ra­ti G, Cura­do MR, Gar­cia-Cos­sio E, Vyzio­tis A, Cho W, Ago­sti­ni M, Soares E, Soe­ka­dar S, Caria A, Cohen LG, Bir­bau­mer N. Brain-machi­ne inter­face in chro­nic stro­ke reha­bi­li­ta­ti­on: A con­trol­led stu­dy. Ann Neu­rol, 2013; 74 (1): 100–108
  7. Taub E. Fore­word for neu­ro­plasti­ci­ty and neu­ro­reha­bi­li­ta­ti­on. Front Hum Neu­ro­sci, 2014; 8: 544
  8. Lin KC, Chang YF, Wu CY, Chen YA. Effects of Cons­traint-Indu­ced The­ra­py Ver­sus Bila­te­ral Arm Trai­ning on Motor Per­for­mance, Dai­ly Func­tions, and Qua­li­ty of Life in Stro­ke Sur­vi­vors. Neu­ro­reha­bil Neural Repair, 2009; 23 (5): 441–448
  9. Wolf SL, Win­stein CJ, Mil­ler JP, Taub E, Uswat­te G, Mor­ris D, Giu­lia­ni C, Light KE, Nichols-Lar­sen D; EXCITE Inves­ti­ga­tors. Effect of Cons­traint-Indu­ced Move­ment The­ra­py on Upper Extre­mi­ty Func­tion 3 to 9 Mon­ths After Stro­ke. JAMA, 2006; 296 (17): 2095
  10. Bel­da-Lois J‑M, Mena-del Hor­no S, Ber­me­jo-Bosch I, More­no JC, Pons JL, Fari­na D, Iosa M, Moli­na­ri M, Tam­bu­rel­la F, Ramos A, Caria A, Solis-Esca­lan­te T, Brun­ner C, Rea M. Reha­bi­li­ta­ti­on of gait after stro­ke: a review towards a top-down approach. J Neu­ro­eng Reha­bil, 2011; 8 (1): 66
  11. Klam­roth-Mar­gans­ka V, Blan­co J, Cam­pen K, Curt A, Dietz V, Ett­lin T, Fel­der M, Fel­ling­hau­er B, Gui­da­li M, Koll­mar A, Luft A, Nef T, Schus­ter-Amft C, Sta­hel W, Rie­ner R. Three-dimen­sio­nal, task­spe­ci­fic robot the­ra­py of the arm after stro­ke: a mul­ti­cent­re, par­al­lel­group ran­do­mi­sed tri­al. Lan­cet Neu­rol, 2014; 13 (2): 159–166
  12. Tur­ner DL, Ramos-Mur­guial­day A, Bir­bau­mer N, Hoff­mann U, Luft A. Neu­ro­phy­sio­lo­gy of robot-media­ted trai­ning and the­ra­py: A per­spec­ti­ve for future use in cli­ni­cal popu­la­ti­ons. Front Neu­rol, 2013; 4 : 1–11
  13. Caria A, Weber C, Brötz D, Ramos A, Tici­ni LF, Ghara­baghi A, Braun C, Bir­bau­mer N. Chro­nic stro­ke reco­very after com­bi­ned BCI trai­ning and phy­sio­the­ra­py: a case report. Psy­cho­phy­sio­lo­gy, 2011; 48 (4): 578–582
  14. Chaud­ha­ry U, Bir­bau­mer N, Ramos-Mur­guial­day A. Brain-com­pu­ter inter­faces for com­mu­ni­ca­ti­on and reha­bi­li­ta­ti­on. Nat Rev Neu­rol, 2016; 12 (9): 513–525
  15. Chaud­ha­ry U, Bir­bau­mer N, Ramos-Mur­guial­day A. Brain-com­pu­ter inter­faces for com­mu­ni­ca­ti­on and reha­bi­li­ta­ti­on. Nat Rev Neu­rol, 2016; 12 (9): 513–525
  16. Col­lin­ger JL, Wod­lin­ger B, Dow­ney JE, Wang W, Tyler-Kaba­ra EC, Weber DJ, McMor­land AJ, Vel­lis­te M, Bonin­ger ML, Schwartz AB. High-per­for­mance neu­ro­prost­he­tic con­trol by an indi­vi­du­al with tetra­ple­gia. Lan­cet, 2013; 381 (9866): 557–564
  17. Aji­boye AB, Wil­lett FR, Young DR, Mem­berg WD, Mur­phy BA, Mil­ler JP, Wal­ter BL, Sweet JA, Hoyen HA, Keith MW, Peck­ham PH, Sime­ral JD, Dono­ghue JP, Hoch­berg LR, Kirsch RF. Res­to­ra­ti­on of reaching and grasping move­ments through brain-con­trol­led mus­cle sti­mu­la­ti­on in a per­son with tetra­ple­gia: a pro­of-of-con­cept demon stra­ti­on. Lan­cet, 2017; 389 (10081): 1821–1830
  18. Spü­ler M, Wal­ter A, Ramos Mur­guial­day A, Naros G, Bir­bau­mer N, Ghara­baghi A, Rosen­stiel W, Bog­dan M. Deco­ding of motor inten­ti­ons from epi­du­ral ECoG record­ings in severely para­ly­zed chro­nic stro­ke pati­ents. J Neural Eng, 2014; 11 (6): 66008
  19. Chaud­ha­ry U, Bir­bau­mer N, Ramos-Mur­guial­day A. Brain-com­pu­ter inter­faces for com­mu­ni­ca­ti­on and reha­bi­li­ta­ti­on. Nat Rev Neu­rol, 2016; 12 (9): 513–525
  20. Ramos-Mur­guial­day A, Broetz D, Rea M, Läer L, Yil­maz Ö, Bra­sil FL, Libe­ra­ti G, Cura­do MR, Gar­cia-Cos­sio E, Vyzio­tis A, Cho W, Ago­sti­ni M, Soares E, Soe­ka­dar S, Caria A, Cohen LG, Bir­bau­mer N. Brain-machi­ne inter­face in chro­nic stro­ke reha­bi­li­ta­ti­on: A con­trol­led stu­dy. Ann Neu­rol, 2013; 74 (1): 100–108
  21. Song J, Young BM, Nigo­go­s­y­an Z, Walton LM, Nair VA, Gro­gan SW, Tyler ME, Farrar-Edwards D, Cal­de­ra KE, Sat­tin JA, Wil­liams JC, Prabha­ka­ran V. Cha­rac­te­ri­zing rela­ti­ons­hips of DTI, fMRI, and motor reco­very in stro­ke reha­bi­li­ta­ti­on uti­li­zing brain-com­pu­ter inter­face tech­no­lo­gy. Front Neu­ro­eng, 2014; 7: 31
  22. Gang­u­ly K, Car­mena JM. Emer­gence of a sta­ble cor­ti­cal map for neu­ro­prost­he­tic con­trol. PLoS Biol, 2009; 7 (7): e1000153
  23. Gang­u­ly K, Byl NN, Abrams GM. Neu­ro­reha­bi­li­ta­ti­on: motor reco­very after stro­ke as an examp­le. Ann Neu­rol, 2013; 74 (3): 373–381
  24. Sam­paio-Bap­tis­ta C, Khr­a­pit­chev AA, Fox­ley S, Schlag­heck T, Scholz J, Jbab­di S, DeLu­ca GC, Mil­ler KL, Tay­lor A, Tho­mas N, Kleim J, Sib­son NR, Ban­ner­man D, Johan­sen-Berg H. Motor Skill Lear­ning Indu­ces Chan­ges in White Mat­ter Micro­st­ruc­tu­re and Mye­li­na tion. J Neu­ro­sci, 2013; 33 (50): 19499–19503
  25. Gang­u­ly K, Byl NN, Abrams GM. Neu­ro­reha­bi­li­ta­ti­on: motor reco­very after stro­ke as an examp­le. Ann Neu­rol, 2013; 74 (3): 373–381
  26. Hebb DO. The orga­niz­a­ti­on of beha­vi­or: a neu­ro­psy­cho­lo­gi­cal theo­ry. New York: Psy­cho­lo­gy Press, 2005
  27. Nis­hi­mu­ra Y, Perl­mut­ter SI, Fetz EE. Res­to­ra­ti­on of upper limb move­ment via arti­fi­cial cor­ti­co­s­pi­nal and mus­cu­lo­s­pi­nal con­nec­tions in a mon­key with spi­nal cord inju­ry. Front Neural Cir­cuits, 2013; 7: 57
  28. Lucas TH, Fetz EE. Myo-cor­ti­cal cros­sed feed­back reor­ga­ni­zes pri­ma­te motor cor­tex out­put. Ann Intern Med, 2013; 158 (6): 5261– 5274
  29. Mur­phy TH, Cor­bett D. Plasti­ci­ty during stro­ke reco­very: from syn­ap­se to beha­viour. Nat Rev Neu­ro­sci, 2009; 10 (12): 861–872
  30. Nis­hi­mu­ra Y, Perl­mut­ter SI, Fetz EE. Res­to­ra­ti­on of upper limb move­ment via arti­fi­cial cor­ti­co­s­pi­nal and mus­cu­lo­s­pi­nal con­nec­tions in a mon­key with spi­nal cord inju­ry. Front Neural Cir­cuits, 2013; 7: 57
  31. Nis­hi­mu­ra Y, Perl­mut­ter SI, Fetz EE. Res­to­ra­ti­on of upper limb move­ment via arti­fi­cial cor­ti­co­s­pi­nal and mus­cu­lo­s­pi­nal con­nec­tions in a mon­key with spi­nal cord inju­ry. Front Neural Cir­cuits, 2013; 7: 57
  32. Edward­son MA, Avery DH, Fetz EE. Voli­tio­nal mus­cle acti­vi­ty pai­red with tran­scra­ni­al magne­tic sti­mu­la­ti­on incre­a­ses cor­ti­co­s­pi­nal exci­ta­bi­li­ty. Front Neu­ro­sci, 2014; 8: 442
  33. McPh­er­son JG, Mil­ler RR, Perl­mut­ter SI. Tar­ge­ted, acti­vi­ty­de­pen­dent spi­nal sti­mu­la­ti­on pro­du­ces long-las­ting motor reco­very in chro­nic cer­vi­cal spi­nal cord inju­ry. Proc Natl Acad Sci, 2015; 112 (39): 12193–12198
  34. Ramos-Mur­guial­day A, Broetz D, Rea M, Läer L, Yil­maz Ö, Bra­sil FL, Libe­ra­ti G, Cura­do MR, Gar­cia-Cos­sio E, Vyzio­tis A, Cho W, Ago­sti­ni M, Soares E, Soe­ka­dar S, Caria A, Cohen LG, Bir­bau­mer N. Brain-machi­ne inter­face in chro­nic stro­ke reha­bi­li­ta­ti­on: A con­trol­led stu­dy. Ann Neu­rol, 2013; 74 (1): 100–108
  35. Ang KK, Chua KS, Phua KS, Wang C, Chin ZY, Kuah CW, Low W, Guan C. A Ran­do­mi­zed Con­trol­led Tri­al of EEG-Based Motor Image­ry Brain-Com­pu­ter Inter­face Robo­tic Reha­bi­li­ta­ti­on for Stro­ke. Clin EEG Neu­ro­sci, 2014; 46 (4): 310–320
  36. Ono T, Shin­do K, Kawa­shi­ma K, Ota N, Ito M, Ota T, Mukai­no M, Fuji­wa­ra T, Kimu­ra A, Liu M, Ushi­ba J. Brain-com­pu­ter inter­face with soma­to­sen­so­ry feed­back impro­ves func­tio­n­al reco­very from seve­re hemi­ple­gia due to chro­nic stro­ke. Front Neu­ro­eng, 2014; 7: 19
  37. Var­gas-Irwin CE, Shakhna­ro­vich G, Yadol­lah­pour P, Mislow JMK, Black MJ, Dono­ghue JP. Deco­ding com­ple­te reach and grasp actions from local pri­ma­ry motor cor­tex popu­la­ti­ons. J Neu­ro­sci, 2010; 30 (29): 9659–9669
  38. Ramos-Mur­guial­day A, Hill J, Bensch M, Mar­tens S, Hal­der S, Nij boer F, Schoel­kopf B, Bir­bau­mer N, Ghara­baghi A. Tran­si­ti­on from the locked in to the com­ple­te­ly locked-in sta­te: a phy­sio­lo­gi­cal ana­ly­sis. Clin Neu­ro­phy­si­ol, 2011; 122 (5): 925–933
  39. Spü­ler M, Wal­ter A, Ramos Mur­guial­day A, Naros G, Bir­bau­mer N, Ghara­baghi A, Rosen­stiel W, Bog­dan M. Deco­ding of motor inten­ti­ons from epi­du­ral ECoG record­ings in severely para­ly­zed chro­nic stro­ke pati­ents. J Neural Eng, 2014; 11 (6): 66008
  40. Schu­ett­ler M, Koh­ler F, Ordo­nez JS, Stieg­litz T. Her­me­tic elec­tro­nic pack­a­ging of an implan­ta­ble brain-machi­ne-inter­face with trans­cu­ta­ne­ous opti­cal data com­mu­ni­ca­ti­on. 2012 Annu­al Inter­na­tio­nal Con­fe­rence of the IEEE Engi­nee­ring in Medi­ci­ne and Bio­lo­gy Socie­ty 2012, 2012: 3886–3889
  41. Char­vet G, Sau­ter-Starace F, Foers­ter M, Ratel D, Chab­rol C, Por­cherot J, Robi­net S, Rever­dy J, D’Errico R, Mes­ta­is C, Benabid AL. WIMAGINE(©): 64-chan­nel ECoG record­ing implant for human app­li­ca­ti­ons. 35th Annu­al Inter­na­tio­nal Con­fe­rence of the IEEE Engi­nee­ring in Medi­ci­ne and Bio­lo­gy Socie­ty (EMBC), 2013; 2013: 2756–2759
  42. Bor­ton DA, Yin M, Ace­ros J, Nur­mik­ko A. An implan­ta­ble wire less neural inter­face for record­ing cor­ti­cal cir­cuit dyna­mics in moving pri­ma­tes. J Neural Eng, 2013; 10 (2): 26010
  43. Col­lin­ger JL, Wod­lin­ger B, Dow­ney JE, Wang W, Tyler-Kaba­ra EC, Weber DJ, McMor­land AJ, Vel­lis­te M, Bonin­ger ML, Schwartz AB. High-per­for­mance neu­ro­prost­he­tic con­trol by an indi­vi­du­al with tetra­ple­gia. Lan­cet, 2013; 381 (9866): 557–564
  44. Aji­boye AB, Wil­lett FR, Young DR, Mem­berg WD, Mur­phy BA, Mil­ler JP, Wal­ter BL, Sweet JA, Hoyen HA, Keith MW, Peck­ham PH, Sime­ral JD, Dono­ghue JP, Hoch­berg LR, Kirsch RF. Res­to­ra­ti­on of reaching and grasping move­ments through brain-con­trol­led mus­cle sti­mu­la­ti­on in a per­son with tetra­ple­gia: a pro­of-of-con­cept demon stra­ti­on. Lan­cet, 2017; 389 (10081): 1821–1830
  45. Col­lin­ger JL, Bonin­ger ML, Bruns TM, Cur­ley K, Wang W, Weber DJ. Func­tio­n­al prio­ri­ties, assis­ti­ve tech­no­lo­gy, and brain-com­pu­ter inter­faces after spi­nal cord inju­ry. J Reha­bil Res Dev, 2013; 50 (2): 145–160
  46. Zrin­zo L, Fol­ty­nie T, Limou­sin P, Hariz MI. Redu­cing hemor­rha­gic com­pli­ca­ti­ons in func­tio­n­al neu­ro­sur­ge­ry: a lar­ge case seri­es and sys­te­ma­tic lite­ra­tu­re review. J Neu­ro­surg, 2012; 116 (1): 84–94
  47. Blount JP, Lang­burt W, Otsubo H, Chi­to­ku S, Ochi A, Weiss A, Snead OC, Rut­ka JT. Mul­ti­ple sub­pial tran­sec­tions in the tre­at­ment of pediatric epi­le­psy. J Neu­ro­surg Pediatr, 2004; 100 (2): 118–124
  48. Wol­paw JR. Brain-Com­pu­ter Inter­face Rese­arch Comes of Age: Tra­di­tio­nal Assump­ti­ons Meet Emer­ging Rea­li­ties. J Mot Behav, 2010; 42(6): 351–353
  49. Ramos-Mur­guial­day A, Gar­cía-Cos­sio E, Wal­ter A, Cho W, Broetz D, Bog­dan M, Cohen LG, Bir­bau­mer N. Deco­ding upper limb resi­du­al mus­cle acti­vi­ty in seve­re chro­nic stro­ke. Ann Clin Transl Neu­rol, 2015; 2 (1): 1–11
  50. Sara­so­la-Sanz A, Irastor­za-Lan­da N, Shi­man F, López-Lar­raz E, Spü­ler M, Bir­bau­mer N, Ramos-Mur­guial­day A. EMG-based mul­ti­joint kine­ma­tics deco­ding for robot-aided reha­bi­li­ta­ti­on the­ra­pies. 14th Inter­na­tio­nal Con­fe­rence on Reha­bi­li­ta­ti­on Robo­tics, 2015
  51. Sara­so­la-Sanz A, Irastor­za-Lan­da N, Shi­man F, López-Lar­raz E, Spü­ler M, Bir­bau­mer N, Ramos-Mur­guial­day A. EMG-based mul­ti­joint kine­ma­tics deco­ding for robot-aided reha­bi­li­ta­ti­on the­ra­pies. 14th Inter­na­tio­nal Con­fe­rence on Reha­bi­li­ta­ti­on Robo­tics, 2015
Tei­len Sie die­sen Inhalt
Anzeige