Maximizing Task Endurance through Muscle Fatigue Minimization with Consideration of Muscle Fatigability and Task Contribution: an in-Silico FES Study of Handcycling

तकनीकी सारांश: FES-संचालित हैंडसाइक्लिंग में मांसपेशी थकान न्यूनीकरण के माध्यम से कार्य सहनशक्ति को अधिकतम करना

समस्या विवरण
फंक्शनल इलेक्ट्रिकल स्टिमुलेशन (FES) एक पुनर्वास तकनीक है जिसका उपयोग न्यूरोमस्कुलोस्केलेटल विकारों के बाद मोटर फंक्शन को बहाल करने के लिए किया जाता है। हालांकि, इसकी नैदानिक उपयोगिता परिधीय मांसपेशी थकान (peripheral muscle fatigue) के समय से पहले होने के कारण काफी बाधित होती है। प्राकृतिक भर्ती (natural recruitment) के विपरीत, जो सहनशक्ति वाले कार्यों के दौरान धीमी गति वाली फाइबर (slow-twitch fibers) को प्राथमिकता से सक्रिय करती है, FES इलेक्ट्रोड के नीचे मोटर इकाइयों को समकालिक रूप से सक्रिय करता है जिसमें फाइबर-प्रकार की सीमित चयनात्मकता होती है, जिससे तेजी से थकान होती है। हालांकि थकान को मांसपेशी स्तर पर कम करने के लिए विभिन्न रणनीतियां मौजूद हैं (जैसे कि फ्रीक्वेंसी या पल्स विड्थ को मॉड्युलेट करना), वे अक्सर मस्कुलोस्केलेटल प्रणाली की यांत्रिक अतिरेक (mechanical redundancy) को ध्यान में रखने में विफल रहती हैं। FES के लिए वर्तमान इष्टतम नियंत्रण (optimal control) विधियां अक्सर थकान को एक विक्षोभ (disturbance) के रूप में देखती हैं, न कि एक ऐसी स्थिति के रूप में जिसे न्यूनतम किया जाना चाहिए, और मौजूदा लागत फलन (cost functions) (आमतौर पर इलेक्ट्रिकल चार्ज या पल्स विड्थ को कम करना) कार्य की अवधि को बढ़ाने की क्षमता के लिए कठोरता से तुलना नहीं किए गए हैं। यह अध्ययन इस अंतर को संबोधित करता है कि एक रेडंडेंट अपर-लिम्ब सिस्टम में कार्य सहनशक्ति को अधिकतम करने के लिए कौन से कॉस्ट फंक्शन और वेटिंग स्ट्रैटेजी (weighting strategies) उपयुक्त हैं।

कार्यप्रणाली
इस अध्ययन में दाहिने ऊपरी अंग (एंटीरियर/पोस्टीरियर डेल्टॉइड, बाइसेप्स, ट्राइसेप्स) के लिए एक 2-डिग्री-ऑफ-फ्रीडम, 4-मांसपेशी मस्कुलोस्केलेटल मॉडल का उपयोग करते हुए एक इन-सिलिको दृष्टिकोण अपनाया गया, जिसे 60 RPM पर हैंडसाइक्लिंग कार्य के लिए अनुकूलित किया गया था। सिस्टम डायनेमिक्स ने एक मस्कुलोस्केलेटल मॉडल को डिंग एट अल. (2003, 2007) के फेनोमेनोलॉजिकल FES पल्स विड्थ और थकान मॉडल के साथ जोड़ा।

कार्यप्रणाली का मुख्य हिस्सा एक रिसिडिंग होराइजन ऑप्टिमल कंट्रोल (RHOC) योजना थी। एक एकल 20 मिनट के अनुकूलन (optimization) को हल करने की कम्प्यूटेशनल जटिलता के कारण, समस्या को 2 से 5 क्रैंक साइकिल के विंडोज़ में विभाजित किया गया। अध्ययन तीन अलग-अलग चरणों में आगे बढ़ा:

1. कॉस्ट फंक्शन तुलना: सत्रह कॉस्ट फंक्शन्स का मूल्यांकन किया गया, जिसमें चार नॉर्मड आर्केटाइप्स (औसत, क्वाड्रेटिक, क्यूबिक, इन्फिनिटी) को पांच शारीरिक/उत्तेजना चरों (पल्स विड्थ, मसल फोर्स, स्ट्रेस, पावर, और थकान अवस्था $a'$) के साथ संयोजित किया गया। इनकी तुलना एक मानक क्लिनिकल-जैसे स्टिमुलेशन पैटर्न से की गई।
2. बायेसियन ऑप्टिमाइजेशन: एक क्वाड्रेटिक फटीग कॉस्ट फंक्शन के भीतर मांसपेशी-विशिष्ट वेट्स (weights) को ट्यून करने के लिए एक बायेसियन ऑप्टिमाइजेशन दृष्टिकोण का उपयोग एक बाहरी-लूप ब्लैक-बॉक्स विधि के रूप में किया गया। इसका उद्देश्य कार्य विफलता से पहले पूरे किए गए चक्रों की संख्या को अधिकतम करना था, जिसमें चार मांसपेशियों के वेट्स के लिए सर्च स्पेस की खोज की गई।
3. फिजियोलॉजिकल वेट डेरिवेशन: बायेसियन ऑप्टिमाइजेशन की उच्च कम्प्यूटेशनल लागत (135 घंटे) को संबोधित करने के लिए, एक मूल, व्याख्या योग्य विधि प्रस्तावित की गई। इस विधि ने दो मेट्रिक्स के आधार पर मांसपेशी वेट की गणना की: मांसपेशी थकावट क्षमता (उच्च मांग के तहत बल गिरावट की दर) और यांत्रिक महत्वपूर्णता (अद्वितीय टॉर्क योगदान और नेगेटिव टॉर्क ज़ोन से पहले का समर्थन)।

प्रमुख योगदान

• कॉस्ट फंक्शन का व्यवस्थित तुलनात्मक अध्ययन: अध्ययन 17 कॉस्ट फंक्शन विविधताओं का एक व्यापक मूल्यांकन प्रदान करता है, जो यह प्रदर्शित करता है कि लक्षित चर का चुनाव, गणितीय नॉर्म आर्केटाइप की तुलना में सहनशक्ति पर काफी अधिक प्रभाव डालता है।
• वेटेड ऑप्टिमाइजेशन स्ट्रैटेजी: यह FES ऑप्टिमल कंट्रोल में मांसपेशी-विशिष्ट वेट्स को शामिल करने के लिए एक ढांचा पेश करता है, जो शारीरिक अंतरों (थकावट क्षमता) और यांत्रिक भूमिकाओं को ध्यान में रखते हुए यूनिफॉर्म कॉस्ट फंक्शन्स से आगे बढ़ता है।
• व्याख्या योग्य वेटिंग ह्यूरिस्टिक: पेपर एक तीव्र (<1 सेकंड) गणना विधि प्रस्तावित करता है जो थकावट क्षमता और यांत्रिक महत्वपूर्णता पर आधारित है, जो बायेसियन ऑप्टिमाइजेशन जैसे महंगे कम्प्यूटेशनल तरीके के मुकाबले एक व्यावहारिक विकल्प प्रदान करता है और समान प्रदर्शन प्राप्त करता है।
• विफलता तंत्र की पहचान: अध्ययन ने पहचान की है कि हैंडसाइक्लिंग में कार्य विफलता केवल वैश्विक थकान के कारण नहीं होती है, बल्कि विशिष्ट मांसपेशियों (विशेष रूप से एंटीरियर डेल्टॉइड और बाइसेप्स) के सैचुरेशन तक पहुँचने से प्रेरित होती है, जो प्रयास के अनुकूलनशील पुनर्वितरण (adaptive redistribution) की आवश्यकता को रेखांकित करती है।

परिणाम

• कॉस्ट फंक्शन प्रदर्शन: थकान-न्यूनीकरण कॉस्ट फंक्शन ($\phi_{a'}^2$) ने सर्वश्रेष्ठ सहनशक्ति परिणाम दिया, जिसने मानक पल्स विड्थ न्यूनीकरण ($\phi_{pw}^1$) की तुलना में 74.7% अधिक चक्र और मसल स्ट्रेस न्यूनीकरण की तुलना में 42.9% अधिक चक्र प्राप्त किए। अनुकूलित चर (थकान) ने सहनशक्ति में 49.8% भिन्नता (variance) का योगदान दिया, जबकि नॉर्म आर्केटाइप ने 20.4% का।
• बायेसियन ऑप्टिमाइजेशन: बायेसियन विधियों के माध्यम से मांसपेशी-विशिष्ट वेट्स को अनुकूलित करने से अनवेटेड फटीग न्यूनीकरण की तुलना में सहनशक्ति में अतिरिक्त 40.6% की वृद्धि (1,729 चक्र तक पहुँचना) हुई। इस रणनीति ने अधिक थकान-प्रतिरोधी ट्राइसेप्स की ओर प्रयास को सफलतापूर्वक पुनर्वितरित किया और तेजी से थकने वाले एंटीरियर डेल्टॉइड से दूर किया। हालांकि, इस दृष्टिकोण के लिए 135 घंटे की गणना की आवश्यकता थी, जो तत्काल नैदानिक अनुप्रयोग को सीमित करती है।
• फिजियोलॉजिकल वेटिंग: प्रस्तावित ह्यूरिस्टिक विधि, जिसमें मांसपेशी थकावट क्षमता और यांत्रिक महत्वपूर्णता शामिल थी, ने अनवेटेड बेसलाइन की तुलना में 37.6% की वृद्धि (1,692 चक्र) हासिल की। यह परिणाम बायेसियन-अनुकूलित परिणाम के लगभग समान था, लेकिन इसे एक सेकंड से भी कम समय में गणना किया गया था।
• स्टिमुलेशन पैटर्न: अनुकूलित रणनीतियों ने यूनिफॉर्म वितरण से एडेप्टिव पैटर्न की ओर बदलाव किया। उदाहरण के लिए, थकान न्यूनीकरण ने लंबे पल्स विड्थ के साथ संक्षिप्त स्टिमुलेशन बर्स्ट को बढ़ावा दिया, जबकि पल्स विड्थ न्यूनीकरण ने कम, वितरित नियंत्रण को प्राथमिकता दी। वेटेड रणनीतियों ने थकान की प्रगति को संतुलित किया, जिससे महत्वपूर्ण मांसपेशियों (एंटीरियर डेल्टॉइड, बाइसेप्स) के 50% बल क्षमता तक पहुँचने में देरी हुई।

महत्व
यह पेपर तर्क देता है कि FES पुनर्वास में सहनशक्ति को अधिकतम करने के लिए सरल चार्ज न्यूनीकरण से आगे बढ़ना आवश्यक है। प्राथमिक महत्व इस बात को प्रदर्शित करने में है कि सहनशक्ति की बहु-कारक प्रकृति—विशेष रूप से मांसपेशी-विशिष्ट थकावट क्षमता और यांत्रिक महत्वपूर्णता के बीच परस्पर क्रिया—को ध्यान में रखना FES-संचालित गतिविधि को लंबा करने के लिए आवश्यक है।

अध्यति निष्कर्ष निकालती है कि हालांकि थकान अवस्था चर (fatigue state variable) को न्यूनतम करना सबसे प्रभावी कॉस्ट फंक्शन आर्केटाइप है, इसका प्रदर्शन इस बात पर अत्यधिक निर्भर करता है कि कंट्रोलर रेडंडेंट मांसपेशियों के बीच प्रयास को कैसे वितरित करता है। प्रस्तावित वेटिंग विधि एक व्यावहारिक, व्याख्या योग्य और कम्प्यूटेशनल रूप से कुशल समाधान प्रदान करती है, जो पुनरावृत्ति अनुकूलन (iterative optimization) की भारी लागत के बिना व्यक्तिगत स्टिमुलेशन रणनीतियों को सक्षम बनाती है। यांत्रिक रूप से महत्वपूर्ण या अत्यधिक थकावट वाली मांसपेशियों को समय से पहले थकावट से बचाकर, ये रणनीतियाँ लंबे, अधिक प्रभावी पुनर्वास सत्रों के लिए समर्थन प्रदान करती हैं, जो FES के नैदानिक अपनाने में एक प्रमुख बाधा को संबोधित करती हैं।