An EEG-informed fNIRS framework uncovers stage-associated cortical dynamics during unassisted upper-limb movement after stroke
यह अध्ययन प्रदर्शित करता है कि FBCSP और GLM को संयोजित करने वाला एक EEG-सूचित मल्टीमॉडल ढांचा स्ट्रोक रोगियों में पारिस्थितिक ऊपरी-अंग की गतिविधियों के दौरान हेमोडायनामिक आर्टिफैक्ट्स को प्रभावी ढंग से कम करता है, जो ब्रुनस्ट्रॉम रिकवरी चरणों के माध्यम से विशिष्ट, चरण-संबद्ध कॉर्टिकल पुनर्गठन पैटर्न को सफलतापूर्वक प्रकट करता है जिन्हें पारंपरिक विधियाँ पकड़ने में विफल रहती हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जब किसी व्यक्ति को स्ट्रोक आता है, तो क्षति अक्सर शरीर को नियंत्रित करने की मस्तिष्क की आंतरिक मानचित्रण क्षमता को अक्षम करने के अलावा शारीरिक अक्षमता से कहीं अधिक विस्तृत होती है। रिकवरी (सुधार) शायद ही कभी पक्षाघात से पूर्ण शक्ति तक का एक सीधा रास्ता होता है। इसके बजाय, यह अक्सर एक घुमावदार पथ का अनुसरण करता है जहाँ मस्तिष्क पहले जोड़ों को सख्त, अनैच्छिक पैटर्न में एक साथ लॉक करके हाथ हिलाना सीखता है, और केवल बाद में उन पैटर्नों को स्वतंत्र रूप से व्यक्तिगत जोड़ों को हिलाने के लिए सुलझाने में सक्षम होता है। चिकित्सकों ने इन विशिष्ट रिकवरी चरणों को ट्रैक करने के लिए ब्रुनस्ट्रोम स्टेजिंग (Brunnstrom staging) नामक एक प्रणाली का लंबे समय से उपयोग किया है, जो पूर्ण ढीलेपन से लेकर कठोर सिनर्जी (synergy) के चरणों से होते हुए अंततः स्वतंत्र नियंत्रण की ओर बढ़ती है। इस कठिन यात्रा के दौरान मस्तिष्क के भीतर क्या हो रहा है, इसे समझने के लिए वैज्ञानिक ऐसे उपकरणों का उपयोग करते हैं जो विद्युत संकेतों को सुन सकते हैं और रक्त प्रवाह को माप सकते हैं। हालाँकि, एक ठीक हो रहे रोगी को अपना हाथ स्वाभाविक रूप से हिलाने के लिए कहना एक नई समस्या पैदा करता है: हाथ हिलाने की क्रिया स्वयं जैविक शोर (biological noise) की एक बाढ़ उत्पन्न करती है जो उन सूक्ष्म मस्तिष्क संकेतों को दबा सकती है जिन्हें शोधकर्ता सुनने की कोशिश कर रहे होते हैं।
चांगचुन यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी और द फर्स्ट हॉस्पिटल ऑफ जिलिन यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का लक्ष्य रखा। वे यह देखना चाहते थे कि क्या वे प्राकृतिक हाथ की गतिविधियों के दौरान मस्तिष्क को सुनने का एक बेहतर तरीका बना सकते हैं, विशेष रूप से यह मैप करने के लिए कि जैसे-जैसे रोगी रिकवरी के विभिन्न चरणों से गुजरते हैं, मस्तिष्क कैसे बदलता है। उन्होंने तीस-दो पुरुषों पर ध्यान केंद्रित किया जिन्हें स्ट्रोक आया था और जो रिकवरी के मध्य चरणों में थे, साथ ही पंद्रह स्वस्थ पुरुषों को एक बेसलाइन के रूप में शामिल किया। प्रतिभागियों ने एक सरल लेकिन चुनौतीपूर्ण कार्य किया: ध्वनि सुनते ही एक हाथ ऊपर उठाना और मुट्ठी भींचना, और फिर उसे वहीं थामे रखना। जब वे ऐसा कर रहे थे, तब शोधकर्ताओं ने दो विधियों का एक साथ उपयोग करके उनकी मस्तिष्क गतिविधि को रिकॉर्ड किया। एक विधि, इलेक्ट्रोएन्सेफलोग्राफी (EEG), मस्तिष्क की तीव्र विद्युत फायरिंग को कैप्चर करती है। दूसरी विधि, फंक्शनल नियर-इन्फ्रारेड स्पेक्ट्रोस्कोपी (fNIRS), रक्त के ऑक्सीजन स्तर में परिवर्तन को मापती है, जो यह संकेत देता है कि मस्तिष्क के कौन से हिस्से कड़ी मेहनत कर रहे हैं।
चुनौती यह थी कि हाथ उठाने के शारीरिक प्रयास के कारण होने वाले रक्त प्रवाह के परिवर्तन अक्सर उस रक्त प्रवाह के परिवर्तनों के समान दिखते हैं जो हिलने की मस्तिष्क की मंशा (intention) के कारण होते हैं। मानक कंप्यूटर मॉडल आमतौर पर इन दोनों के बीच अंतर करने में संघर्ष करते हैं, जिससे अक्सर एक धुंधली तस्वीर बनती है जहाँ वास्तविक संकेत शोर में खो जाता है। इसे ठीक करने के लिए, शोधकर्ताओं ने एक नया ढांचा विकसित किया जो fNIRS से प्राप्त धीमी रक्त प्रवाह माप को निर्देशित करने के लिए EEG से प्राप्त तीव्र विद्युत संकेतों का उपयोग करता है। उन्होंने विद्युत संकेतों को एक सटीक मानचित्र के रूप में माना कि मस्तिष्क ने कब हिलने का निर्णय लिया, और फिर उस मानचित्र का उपयोग रक्त प्रवाह के डेटा को साफ करने के लिए किया। इसने उन्हें हिलने की मंशा से संबंधित विशिष्ट मस्तिष्क गतिविधि को अलग करने की अनुमति दी, जिससे मांसपेशियों के काम करने और हृदय के पंप करने के कारण होने वाले सामान्य शोर को फ़िल्टर किया जा सका।
जब उन्होंने इस नई पद्धति को लागू किया, तो उन्हें मस्तिष्क के पुनर्गठन का एक स्पष्ट, गैर-रेखीय (non-linear) पैटर्न मिला जिसे मानक विधियाँ पूरी तरह से मिस कर देती थीं। जैसे ही रोगी उस चरण से आगे बढ़े जहाँ वे केवल गुरुत्वाकर्षण के विरुद्ध हिलना शुरू कर सकते थे, से उस चरण तक जहाँ उन्होंने सख्त, जोड़ों से जुड़े आंदोलनों से मुक्त होना शुरू किया, मस्तिष्क की गतिविधि नाटकीय रूप से बदल गई। इस संक्रमण के सबसे कठिन बिंदु पर, मस्तिष्क में चोटिल हाथ के विपरीत दिशा को सक्रिय करने की प्रबल प्रवृत्ति देखी गई, जिसका अर्थ है कि वह क्षतिग्रस्त पक्ष की भरपाई के लिए स्वस्थ पक्ष का उपयोग करने की कोशिश कर रहा था। यह उच्च तंत्रिका प्रयास (neural effort) का क्षण था, जहाँ मस्तिष्क कठोर पैटर्न को दूर करने के लिए कड़ी लड़ाई लड़ रहा था। हालाँकि, जैसे-जैसे रोगी अगले चरण की ओर बढ़े, जहाँ वे अपने जोड़ों पर स्वतंत्र नियंत्रण प्राप्त करने लगे, गतिविधि वापस बदल गई। मस्तिष्क ने विपरीत पक्ष पर इतना अधिक निर्भर रहना बंद कर दिया और मस्तिष्क के घायल पक्ष को फिर से सक्रिय करना शुरू कर दिया, जो एक 'रिबाउंड' गतिविधि को दर्शाता है जो स्थानीयकृत मोटर नियंत्रण की वापसी का संकेत देती है।
शोधकर्ताओं ने पुष्टि की कि उनकी नई विधि डेटा विश्लेषण के पुराने तरीकों की तुलना में बहुत अधिक संवेदनशील थी। जहाँ मानक मॉडल केवल अस्पष्ट या असंगत परिवर्तन देखते थे, उनके EEG-निर्देशित दृष्टिकोण ने मस्तिष्क की गतिविधि में एक विशिष्ट V-आकार का पैटर्न प्रकट किया। मस्तिष्क का केंद्र तब विपरीत गोलार्ध (hemisphere) में गहराई तक चला गया जब रोगी सख्त सिनर्जी से मुक्त होने के लिए संघर्ष कर रहा था, और फिर स्वतंत्र आंदोलन में महारत हासिल करने के साथ ही घायल पक्ष की ओर वापस ऊपर उठ गया। यह खोज बताती है कि मस्तिष्क केवल एक सीधी रेखा में मजबूत नहीं होता है; यह एक विशिष्ट, गहन पुनर्गठन चरण से गुजरता है जहाँ यह अधिक कुशल पैटर्न में स्थापित होने से पहले विभिन्न रणनीतियों को आज़माता है। इन संक्रमणों का एक स्पष्ट दृश्य प्रदान करके, यह नया ढांचा रिकवरी को मापने का एक अधिक विश्वसनीय तरीका प्रदान करता है, जो संभावित रूप से डॉक्टरों और चिकित्सकों को यह समझने में मदद कर सकता है कि रोगी अपनी यात्रा में वास्तव में कहाँ है और उसे आगे किस तरह के सहयोग की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।