Normalising electromyograms without maximal voluntary contractions

Menschliche Muskeln sprechen eine Sprache der Elektrizität. Wenn wir uns entscheiden uns zu bewegen, senden unsere Gehirne Signale durch das Rückenmark an die Motoneuronen, welche wiederum elektrische Impulse in die Muskelfasern feuern. Diese Aktivität erzeugt winzige Spannungsänderungen auf der Hautoberfläche, ein Signal, das als Elektromyographie oder EMG bekannt ist. Wissenschaftler nutzen diese Signale seit langem, um zu verstehen, wie wir unseren Körper kontrollieren, um die Gesundheit von Nerven und Muskeln zu beurteilen und um bei der Entwicklung bionischer Gliedmaßen zu helfen, die auf die Absicht eines Nutzers reagieren. Das Lesen dieser elektrischen Sprache ist jedoch knifflig. Die Größe des auf der Haut erfassten Signals hängt von vielen Dingen ab: wie dick die Haut ist, wie weit die Elektroden vom Muskel entfernt sind und wie die Person positioniert ist. Um die Muskelaktivität zwischen verschiedenen Menschen oder an verschiedenen Tagen vergleichen zu können, müssen Forscher in der Regel einen gemeinsamen Referenzpunkt finden. Traditionell bedeutete dies, eine Person zu bitten, einen Muskel so fest wie möglich zusammenzupressen – eine maximale Anstrengung, die als „Skalengröße“ für die Messung dient.

Diese Standardpraxis, obwohl nützlich, bringt erhebliche Hürden mit sich. Einer Person zu verlangen, ihre absolute maximale Kraft aufzubringen, ist nicht immer möglich. Es kann für jemanden mit einer Verletzung schmerzhaft sein, für einen Patienten, der sich von einer Krankheit erholt, erschöpfend oder einfach zu schwierig für jemanden mit einer neurologischen Erkrankung, die die Fähste Fähigkeit zur vollständigen Kontraktion der Muskeln einschränkt. Darüber hinaus kann das Ergebnis einer maximalen Anstrengung selbst bei gesunden Menschen je nach Motivation oder Ermüdung von Tag zu Tag variieren. Jahrelang haben Wissenschaftler nach einem Weg gesucht, diese Muskelsignale zu normalisieren, ohne sich auf diese schwierige, manchmal unmögliche maximale Anstrengung verlassen zu müssen. Ein Team von Forschern der Griffith University hat nun eine neue Methode vorgeschlagen, die sich die Form des elektrischen Signals selbst ansieht, um dessen Stärke zu bestimmen, was potenziell die Notwendigkeit eines maximalen Zusammenpressens vollständig überflüssig macht.

Die Forscher begannen mit einer einfachen Beobachtung darüber, wie sich Muskelsignale verhalten. Wenn ein Muskel kaum aktiv ist, ist das elektrische Signal leise und konzentriert sich um einen zentralen Punkt. Wenn der Muskel härter arbeitet und mehr Fasern rekrutiert werden, wird das Signal lauter und breitet sich aus, wodurch es in seiner Intensität variabler wird. Das Team stellte die Hypothese auf, dass diese Ausbreitung, oder die „Breite“ der Verteilung des Signals, als eingebautes Lineal fungieren könnte. Anstatt eine Person zu bitten, ein Maximum zu erreichen, könnten sie einfach messen, wie breit das Signal während einer Aufgabe wird, und diese Breite nutzen, um abzuschätzen, wie hart der Muskel im Verhältnis zu seinem Maximum arbeitet.

Um diese Idee zu testen, zeichnete das Team die Muskelaktivität von sieben gesunden Erwachsenen auf, während sie auf einem stationären Fahrrad in verschiedenen Geschwindigkeiten und Leistungsstufen fuhren, die von einem sanften Aufwärmen bis hin zu einem Sprint mit voller Kraft reichten. Sie fügten auch einige Sprungaufgaben hinzu, um den Bereich der Muskelanstrengung zu erweitieren. Für jede Sitzung berechneten sie zuerst das traditionelle „Maximum“, indem sie das stärkste Signal ermittelten, das die Person während irgendeiner der Aufgaben erzeugte. Dann wandten sie ihre neue Methode auf dieselben Daten an. Dieser neue Ansatz nahm das rohe elektrische Signal, filterte das Rauschen heraus und unterteilte es in winzige, sich überschneidende Zeitschichten. In jeder Schicht maßen die Forscher zwei Dinge: wie stark das Signal in seiner Intensität variierte und wie breit die Verteilung dieser Intensitäten war. Sie nutzten diese beiden Messwerte, um vorherzusagen, was die maximale Anstrengung gewesen wäre, wodurch sie effektiv eine normalisierte Skala erstellten, ohne den Teilnehmer jemals zu verlangen, alles zu geben.

Die Ergebnisse waren verblüffend nah an der traditionellen Methode. Als die Forscher die neuen Schätzungen mit den Standardmessungen der maximalen Anstrengung verglichen, betrug der durchschnittliche Unterschied nur etwas mehr als sechs Prozent. Mit anderen Worten: Die neue Methode sagte die Intensität der Muskelanstrengung mit einem hohen Grad an Genauigkeit voraus und erfasste dieselben Spitzen und Täler der Aktivität wie der herkömmliche Ansatz. Die Methode funktionierte konsistent über die verschiedenen Fahrradbedingungen hinweg, vom langsamen Treten bis hin zu maximalen Sprints. Um zu sehen, ob dieser Ansatz außerhalb der kontrollierten Umgebung eines Fahrrades funktionieren könnte, testete das Team ihn an einem einzelnen unabhängigen Teilnehmer bei Geh-, Lauf-, Kniebeuge- und Sprungaufgaben. Während die Fehlerrate bei diesen komplexeren Bewegungen mit durchschnittlich etwa zwölf Prozent etwas höher war, erfasste die Methode dennoch erfolgreich die relative Intensität der Muskelaktivität.

Die Studie legt nahe, dass diese auf der Verteilung basierende Technik eine praktische Alternative für Situationen bietet, in denen eine maximale Anstrengung nicht machbar ist. Sie könnte besonders wertvoll für tragbare Geräte im Feldeinsatz sein, wo die Einrichtung einer komplexen Kalibrierungsroutine unpraktisch ist, oder für klinische Bewertungen von Patienten, die keine sichere maximale Kontraktion durchführen können. Die Forscher merkten an, dass ihre Methode nicht alle Fehlerquellen eliminiert, wie etwa Unterschiede in der Elektrodenplatzierung, aber sie nimmt die Last der Suche nach einem perfekten Maximalreferenzwert für jede einzelne Messsitzung weg. Indem sie sich auf die natürlichen statistischen Eigenschaften des Muskelsignals selbst verlassen, hat das Team demonstriert, dass es möglich ist, die Muskelanstrengung zu messen, ohne eine maximale Anstrengung zu fordern.

Obwohl die Ergebnisse vielversprechend sind, sind die Autoren vorsichtig damit, dies als eine neue Option und nicht als Ersatz für alle bestehenden Methoden darzustellen. Die Validierung wurde primtär an gesunden Erwachsenen durchgeführt, und das Team räumt ein, dass weitere Arbeit nötig ist, um zu bestätigen, ob der Ansatz auch bei Menschen mit neurologischen Verletzungen oder für andere Arten von Muskelkontraktionen gilt. Die Methode erfordert zudem spezifische Aufzeichnungsgeräte und Einstellungen, um sicherzustellen, dass die Signalqualität konsistent bleibt. Dennoch bietet die Studie einen klaren Weg nach vorn für einen einfacheren, weniger belastenden Weg, die Muskelaktivität zu messen. Sie deutet darauf an, dass die Antwort auf die Frage „Wie hart arbeitet dieser Muskel?“ in dem Signal selbst verborgen liegt und darauf wartet, gelesen zu werden, ohne dass ein letzter, erschöpfender Stoß nötig ist.