Precise modeling of task-related sensorimotor activation based on simultaneous surface electromyography

Resumen Técnico: Modelado Preciso de la Activación Sensoriomotora Relacionada con Tareas Basado en la Electromiografía de Superficie Simultánea

Planteamiento del Problema
La resonancia magnética funcional (fMRI) enfrenta desafíos significativos para su traslación clínica, incluyendo una falta de estandarización técnica y un control insuficiente sobre el desempeño de la tarea, lo que dificulta la interpretabilidad de las activaciones relacionadas con la tarea. Mientras que la fMRI con EMG por movimientos de tarea ofrece una solución prometedora al combinar la sensibilidad espacial de la fMRI con la especificidad temporal de la electromiografía (EMG) de superficie, las estrategias de modelado óptimas aún no están claras. Los estudios previos se han centrado principalmente en movimientos de los miembros superiores y a menudo trataron la EMG meramente como un regresor de la tarea o una covariable, en lugar de comparar sistemáticamente diferentes enfoques de modelado. Además, la utilidad de añadir la EMG simultánea a los datos cinemáticos (acelerometría/Acc) y el impacto específico de las derivadas temporales (TD) en la detección de la señal subcortical en tareas de miembros inferiores no han sido evaluados rigurosamente.

Metodología
El estudio empleó un protocolo de fMRI de diseño de bloques con 20 controles sanos realizando dorsiflexión/plantarflexión de tobillo (Ankle) e imaginación de la marcha (GI). Se registraron datos fisiológicos, incluyendo la EMG de superficie del músculo tibial anterior (TA) y acelerometría triaxial (Acc), simultáneamente con los datos de fMRI BOLD en un escáner de 3T.

La innovación metodológica central fue la comparación de cinco distintas estrategias de análisis del Modelo Lineal General (GLM) para evaluar cómo diferentes regresores fisiológicos explican la variabilidad de la señal BOLD:

1. m1 (Estándar): Solo regresor de la tarea (boxcar convolucionado con HRF).
2. m2 (rAcc): Regresor de la tarea + Acc ortogonalizada (Acc residual).
3. m3 (rEMG): Regresor de la tarea + EMG ortogonalizada respecto a la tarea (EMG residual).
4. m4 (rAcc+orEMG): Regresor de la tarea + rAcc + EMG ortogonalizada con respecto a rAcc (orEMG).
5. m5 (Split EMG): Regresor de la tarea + rEMG relacionado con la tarea (trEMG) + EMG de estado de reposo no ortogonalizada.

Además, el estudio comparó sistemáticamente modelos con y sin la derivada temporal (TD) del regresor principal de la tarea para evaluar el impacto de la variabilidad del tiempo en la detección de la señal. Los análisis incluyeron estadísticas de grupo a nivel de vóxel (FLAME 1+2) y análisis de regiones de interés (ROI) post-hoc dirigidos a la corteza sensoriomotora (SMC), el área motora suplementaria (SMA), la corteza somatosensorial secundaria (S2), el tálamo y el cerebelo.

Contribuciones Clave

• Comparación Sistemática de Modelos: El artículo proporciona una comparación directa de las estrategias de modelado rEMG, rAcc y split EMG en un paradigma de miembros inferiores, yendo más allá del enfoque en miembros superiores de la literatura previa.
• Diferenciación de la EMG de Reposo y de Tarea: Introduce un enfoque de "split EMG" para modelar por separado las fluctuaciones de la EMG en estado de reposo y de la tarea, investigando si la EMG en reposo captura actividad neural significativa (por ejemplo, imaginación o fluctuaciones espontáneas) distinta del movimiento evidente.
• Impacto de la Derivada Temporal (TD): El estudio evalúa los efectos específicos de incluir la TD en los modelos GLM cuando hay presencia de regresores fisiológicos, revelando compensaciones (trade-offs) específicas de región en la detección de la señal.
• Especificidad de Miembros Inferiores: Valida el uso de la fMRI con EMG simultánea para el tibial anterior, un músculo crítico para la marcha, abordando un vacío en la literatura sobre el control motor de los miembros inferiores.

Resultados

• Activación de la SMC: Tanto la Acc ortogonalizada (rAcc) como la EMG (rEMG) explicaron robustamente la variabilidad de la señal BOLD en las cortezas sensorimotoras primarias (SMC). A nivel de todo el cerebro, los patrones de activación para rAcc y rEMG fueron notablemente similares, lo que sugiere que pueden ser intercambiables para monitorear movimientos fásicos simples en sujetos sanos.
• Áreas Subcorticales y Secundarias: Aunque rAcc y rEMG fueron similares en la SMC, la rEMG proporcionó un poder explicativo adicional en otras regiones. Específicamente, la rEMG (y el regresor orEMG en el modelo m4) explicó la variabilidad significativa en el tálamo contralateral y la corteza somatosensorial secundaria (S2), áreas donde la rAcc mostró efectos más débiles o no significativos.
• EMG de Reposo: El modelo de "split EMG" (m5) reveló que las fluctuaciones de la EMG en estado de reposo explicaron la variabilidad significativa de la señal BOLD en los tálamos bilaterales, la S2 y las redes asociadas con la imaginación de la marcha (incluyendo SMA, corteza cingulada e ínsula). Esto sugiere que la EMG durante el reposo captura actividad motora subumbral o procesos relacionados con la imaginación que no son capturados por la Acc.
• Derivadas Temporales (TD): La inclusión de la TD mejoró la detección de la señal en las cortezas sensorimotoras primarias. Sin embargo, tuvo un efecto perjudicial en la detección de la señal en regiones subcorticales, específicamente en el cerebelo y el tálamo. Los modelos sin TD mostraron un aumento en la activación en estas áreas, sugiriendo que la TD puede eliminar inadvertidamente cambios transitorios de la señal asociados con las transiciones entre el reposo y el movimiento en estas estructuras.

Significancia y Reivindicaciones
Los autores afirman que la incorporación de la EMG en el análisis de fMRI mejora la especificidad en la detección de la actividad cerebral relacionada con el movimiento, particularmente en la diferenciación entre el comportamiento motor espontáneo (reposo/imaginación) y el movimiento evidente. El estudio demuestra que, si bien la Acc y la EMG son comparables para la salida motora primaria, la EMG ofrece perspectivas únicas sobre la integración sensorimotora de orden superior (S2, tálamo) y los procesos motores subumbrales.

El artículo posiciona estos hallazgos como un paso fundacional hacia el desarrollo de biomarcadores objetivos para el deterioro de la marcha y los déficits motores. Al vincular directamente el compromiso muscular periférico con los procesos neurales centrales, el enfoque multimodal propuesto pretende cerrar la brecha entre la activación cerebral y la ejecución real del movimiento. Los autores enfatizan que sus resultados, derivados de controles sanos, sirven como una validación piloto para futuros estudios clínicos en poblaciones de pacientes (por ejemplo, accidente cerebrovascular, esclerosis múltiple) donde la variabilidad en el desempeño de la tarea es mayor y la necesidad de un modelado preciso e informado fisiológicamente es más grande. El estudio no pretende una utilidad diagnóstica clínica inmediata, sino que establece un marco metodológico para biomarcadores de control motor más interpretables y fiables en la investigación del control motor.