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

Sintesi Tecnica: Massimizzare la resistenza al compito attraverso la minimizzazione dell'affaticamento muscolare nella ciclismo a mano guidato da FES

Problema
La stimolazione elettrica funzionale (FES) è una tecnica di riabilitazione utilizzata per ripristinare la funzione motoria in seguito a disturbi neuromuscolari. Tuttavia, la sua utilità clinica è significativamente ostacolata dall'insorgenza precoce dell'affaticamento muscolare periferico. A differenza del reclutamento naturale, che attiva preferenzialmente le fibre a contrazione lenta durante i compiti di resistenza, la FES attiva in modo sincrono le unità motorie sotto gli elettrodi con una limitata selettività del tipo di fibra, portando a un rapido affaticamento. Sebbene esistano varie strategie per mitigare l'affaticamento a livello muscolare (ad esempio, modulando la frequenza o la larghezza d'impulso), esse spesso non tengono conto della ridondanza meccanica del sistema muscolo-scheletrico. Gli attuali metodi di controllo ottimale per la FES trattano frequentemente l'affaticamento come un disturbo piuttosto che come uno stato da minimizzare, e le funzioni di costo esistenti (tipicamente la minimizzazione della carica elettrica o della larghezza d'impulso) non sono state rigorosamente confrontate per la loro capacità di prolungare la durata del compito. Questo studio affronta il divario nell'identificazione delle funzioni di costo e delle strategie di ponderazione che massimizzano la resistenza al compito in un sistema ridondante dell'arto superiore.

Metodologia
Lo studio ha impiegato un approccio in-silico utilizzando un modello muscolo-scheletrico a 2 gradi di libertà e 4 muscoli dell'arto superiore destro (deltoidi anteriore/posteriore, bicipite, tricipite) adattato per un compito di ciclismo a mano a 60 RPM. La dinamica del sistema ha combinato un modello muscolo-scheletrico con i modelli fenomenologici della larghezza d'impulso e dell'affaticamento di Ding et al. (2003, 2007).

Il nucleo della metodologia è stato uno schema di Controllo Ottimale a Orizzonte Recedente (RHOC). A causa dell'intrattabilità computazionale di risolvere un singolo'ottimizzazione di 20 minuti, il problema è stato suddiviso in finestre di 2 a 5 cicli di pedalata. Lo studio è proceduto in tre fasi distinte:

1. Confronto delle Funzioni di Costo: Sono state valutate diciassette funzioni di costo, combinando quattro archetipi normati (media, quadratica, cubica, infinito) con cinque variabili fisiologiche/di stimolazione (larghezza d'impulso, forza muscolare, stress, potenza e stato di affaticamento $a'$). Queste sono state confrontate con un modello di stimolazione standard di tipo clinico.
2. Ottimizzazione Bayesiana: Un approccio di ottimizzazione bayesiana è stato utilizzato come metodo a ciclo esterno "black-box" per sintonizzare i pesi specifici per ogni muscolo all'interno di una funzione di costo di affaticamento quadratica. Ciò mirava a massimizzare il numero di cicli completati prima del fallimento del compito, esplorando uno spazio di ricerca dei pesi per i quattro muscoli.
3. Derivazione del Peso Fisiologico: Per affrontare l'elevato costo computazionale dell'ottimizzazione bayesiana (135 ore), è stato proposto un metodo originale e interpretabile. Questo metodo ha calcolato i pesi muscolari basandosi su due metriche: la faticabilità muscolare (tasso di declino della forza sotto alta domanda) e la criticità meccanica (contributo di coppia unico e supporto prima delle zone di coppia negativa).

Contributi Chiave

• Confronto Sistematico delle Funzioni di Costo: Lo studio fornisce una valutazione completa di 17 variazioni delle funzioni di costo, dimostrando che la scelta della variabile target ha un impatto sulla resistenza significativamente maggiore rispetto all'archetipo della norma matematica.
• Strategia di Ottimizzazione Pesata: Introduce un quadro per incorporare pesi specifici per muscolo nel controllo ottimale FES, andando oltre le funzioni di costo uniformi per tenere conto delle differenze fisiologiche (faticabilità) e dei ruoli meccanici.
• Euristica di Ponderazione Interpretabile: Il documento propone un metodo di calcolo rapido (<1 secondo) per i pesi muscolari basato su faticabilità e criticità meccanica, offrendo un'alternativa pratica all'ottimizzazione bayesiana computazionalmente costosa, ottenendo prestazioni comparabili.
• Identificazione dei Meccanismi di Fallimento: Lo studio identifica che il fallimento del compito nel ciclismo a mano non è dovuto solo all'affaticamento globale, ma è guidato da muscoli specifici (in particolare il deltoide anteriore e il bicipite) che raggiungono la saturazione, evidenziando la necessità di una redistribuzione adattiva dello sforzo.

Risultati

• Prestazioni della Funzione di Costo: La funzione di costo di minimizzazione dell'affaticamento ($\phi_{a'}^2$) ha prodotto il miglior risultato di resistenza, ottenendo il 74,7% in più di cicli rispetto alla minimizzazione standard della larghezza d'impulso ($\phi_{pw}^1$) e il 42,9% in più rispetto alla minimizzazione dello stress muscolare. La variabile ottimizzata (affaticamento) ha spiegato il 49,8% della varianza nella resistenza, mentre l'archetipo della norma ha spiegato il 20,4%.
• Ottimizzazione Bayesiana: L'ottimizzazione dei pesi specifici per muscolo tramite metodi bayesiani ha aumentato la resistenza di un ulteriore 40,6% (raggiungendo 1.729 cicli) rispetto alla minimizzazione dell'affaticamento non pesata. Questa strategia ha riesposto con successo lo sforzo verso il tricipite, più resistente all'affaticamento, e lontano dal deltoide anteriore, che si affatica rapidamente. Tuttavia, questo approccio richiedeva 135 ore di calcolo, limitandone l'immediata applicabilità clinica.
• Ponderazione Fisiologica: Il metodo euristico proposto, che incorporava la faticabilità muscolare e la criticità meccanica, ha ottenuto un aumento del 37,6% della resistenza (1.692 cicli) rispetto alla baseline non pesata. Questo risultato è stato quasi identico al risultato dell'ottimizzazione bayesiana, ma è stato calcolato in meno di un secondo.
• Schemi di Stimolazione: Le strategie ottimizzate si sono spostate da una distribuzione uniforme a schemi adattivi. Ad esempio, la minimizzazione dell'affaticamento ha promosso brevi raffiche di stimolazione con larghezze d'impulso maggiori, mentre la minimizzazione della larghezza d'impulso ha favorito un controllo basso e distribuito. Le strategie pesate hanno bilanciato la progressione dell'affaticamento, ritardando il punto in cui i muscoli critici (deltoide anteriore, bicipite) raggiungevano il 50% della capacità di forza.

Significatività
L'articolo sostiene che massimizzare la resistenza al compito nella riabilitazione FES richiede di andare oltre la semplice minimizzazione della carica. La principale significatività risiede nel dimostrare che tenere conto della natura multifattoriale della resistenza — specificamente l'interazione tra faticabilità specifica per muscolo e criticità meccanica — è essenziale per prolungare l'attività guidata da FES.

Lo studio conclude che, sebbene la minimizzazione della variabile dello stato di affaticamento sia l'archetipo di funzione di costo più efficace, le sue prestazioni dipendono fortemente da come il controllore distribuisce lo sforzo tra i muscoli ridondanti. Il metodo di ponderazione proposto offre una soluzione pratica, interpretabile ed efficiente dal punto di vista computazionale per personalizzare le strategie di stimolazione senza il costo proibitivo dell'ottimizzazione iterativa. Prevenendo l'esaurimento precoce dei muscoli meccanicamente critici o altamente faticabili, queste strategie supportano il potenziale per sessioni di riabilitazione più lunghe ed efficaci, affrontando una barriera chiave all'adozione clinica della FES.