• BMI

    BMI übersetzt Hirnsignale in Signale für körper-externe Maschinen und Computer ohne Beteiligung des motorischen Systems.

     

Gehirn-Maschine-Interfaces (Brain-Machine Interfaces, BMI) zur Rehabilitation von Schlaganfall

Zusammenfassung

BMI übersetzt Hirnsignale in Signale für körper-externe Maschinen und Computer ohne Beteiligung des motorischen Systems. BMIs wurden zur Rehabilitation von chronischem Schlaganfall meist in Kombination mit funktioneller Elektrostimulation (FES), Robotern und Neuroprothesen und Physiotherapie benutzt. Zusätzlich zeigt Neurofeedback- und Biofeedbacktraining vielversprechende Ergebnisse als zusätzliche Rehabilitationsstrategie. Wenig gut kontrollierte klinische Studien mit hinreichend großen und homogenen Patientenstichproben stehen zur Verfügung, die meisten sind „proof-of-principle“ Versuche mit kleinen Stichproben. Die Kombination aus BMI-Neuroprothesen-Training mit Verhaltens-orientierter Physiotherapie hat sich als die wirksamste nicht-invasive Strategie bei schwerst gelähmten chronischen Schlaganfallpatienten erwiesen. In der Zukunft sollten invasive BMI-Trainings mit internalisierter FES und anderen drahtlosen und tragbaren Prothesen geprüft werden.

 

Einleitung

Eine der vielversprechendsten Entwicklungen im Bereich der Rehabilitation von Schlaganfall stellt die Entwicklung von Neuroprothesen und Gehirn-Computer-Interface-Technologien (BCI, Brain-Computer-Interface) dar, welche die Hirnläsionen bzw. efferenten Bahnunterbrechungen umgehen können. Zusätzlich erlauben Gehirn-Maschine-Interfaces-(BMI)-Technologien die Möglichkeit, neuroplastische Prozesse in die gewünschte Richtung anzustoßen.

Dieser Artikel konzentriert sich auf diese Entwicklungen, in denen BMIs zur Rehabilitation von Schlaganfall verwendet wurden und untersucht mögliche zukünftige Anwendungen. Gehirn-Maschine-Interfaces können die Mobilität wiederherstellen und ein gewisses Maß an Unabhängigkeit bei Patienten mit Lähmungen erzielen, indem die neuronale Aktivität, welche für Bewegungsintention und -durchführung verantwortlich ist, mit entsprechenden prothetischen Geräten bzw. Computern und Neuroprothesen verbunden wird. BCIs bzw. BMIs erlauben die Realisierung von Bewegungsintention und -ausführung unter Nutzung der Ableitung der Aktivität einzelner motorischer Neurone mittels intrakortikaler Mikroelektroden, oder von zahlreichen motorischen Neuronen mittels Elektrokortikogramm (ECoG), bei dem die Elektroden direkt auf der Hirnoberfläche aufliegen, Elektroenzephalogramm und hier wieder von Oszillationen ­ereigniskorrelierter Potenziale (ERPs), von magnetoenzephalografischen Signalen, BOLD-Reaktionen unter Verwendung des Real-time funktionellen Magnet-Resonanztomogramms (rt-fMRI) und der Nah-Infrarot-Spektroskopie (NIRS). Die Gehirnaktivität wird in der Regel dem Nutzer zurückgemeldet, was die Selbstkontrolle der jeweiligen Hirnaktivität ermöglicht. Zusätzlich zur Rückmeldung über die eigene Hirnaktivität kann die Rückmeldung allerdings auch über die Bewegung einer Prothese oder über direkte funktionelle Elektrostimulation (FES) eines Muskels oder des Gehirns selbst erfolgen. Die meisten der nicht-invasiven BMI-Untersuchungen am Menschen benützen die Vorstellung von Bewegungen und Bewegungsdurchführung als Reiz für die Aktivierung des BMIs. Dies ist allerdings keine notwendige Voraussetzung für die Rehabilitation mit BMIs, da eine Vielzahl von Tierexperimenten und auch Humanuntersuchungen zeigen, dass auch ohne bewusste kognitive Aktivitäten wie Vorstellungen BMI Kontrolle gelernt wird. Dies ist vor allem klinisch von Bedeutung als die Lernprozesse, welche zur Steuerung eines BMIs notwendig sind, auch bei schweren Hirnschädigungen, neurologischen und psychiatrischen Erkrankungen funktionieren. In dieser Übersicht werden ausschließlich Untersuchungen am Menschen berichtet, es soll aber hervorgehoben werden, dass vor allem die invasiven BMI-Anwendungen auf Untersuchungen an Tieren beruhen, welche ein hohes Ausmaß an Bewegungskontrolle mit BMIs dokumentiert haben.

Gehirn-Computer-Interfaces („brain-computer-interfaces”, BCI) übersetzen die Aktivität von einzelnen Neuronen oder Neuronenensembles oder die Aktivität des EEG in Signale, welche für die Steuerung externer Geräte, Prothesen oder Computer geeignet sind. Sehr gut geübte, automatisierte Bewegungen sind in den Populationsvektoren nur weniger Zellen verschlüsselt und können von lernenden neuronalen Netzen (auf der Abb. rechts in der Mitte schematisch eingezeichnet) nach einfachen Klassifikationsalgorithmen entschlüsselt und in Impulse für Bewegungsrichtungen umgewandelt werden. Damit könnte man das durchtrennte Rückenmark (auf der Abb. im Halsmark) oder zerstörte motorische Bahnen nach Schlaganfall umgehen und die Bewegungssignale aus den motorkortikalen Arealen direkt an die Muskeln oder Muskelersatz (Prothese) leiten. Dieser Ansatz, gelähmten Menschen selbstkontrollierbare Beweglichkeit zurückzugeben, wird derzeit intensiv verfolgt. Erste Versuche, auch nicht-invasiv, aus dem menschlichen EEG zumindest einfache Befehle („auf – zu“) zu klassifizieren, verliefen erfolgreich.

 

Lesen Sie hier den ausführlichen Artikel

Aus der Zeitschrift Klinische Neurophysiologie 2013; 44(04): 263-267