Normalising electromyograms without maximal voluntary contractions

人間の筋肉は電気という言語を話しています。私たちが動こうと決意するとき、脳は脊髄を通じて運動ニューロンへと信号を送り、それがさらに筋肉の繊維へと電気的なインパルスを放ちます。この活動は皮膚の表面に微小な電圧変化を生じさせ、これは筋電図（EMG）として知られる信号となります。科学者たちは、身体の制御方法を理解したり、神経や筋肉の健康状態を評価したり、あるいはユーザーの意図に反応する義肢を設計したりするために、長年この信号を利用してきました。しかし、この電気的な言語を読み解くことは非常に困難です。皮膚上で記録される信号の大きさは、皮膚の厚さ、電極と筋肉の距離、そして人の姿勢など、多くの要因に左右されます。異なる人同士や異なる日における筋肉の活動を比較するために、研究者たちは通常、共通の基準点を見つける必要があります。伝統的には、これはその人ができる限り強く筋肉を絞る、つまり測定の「フルスケール」としての役割を果たす最大努力を求めることを意味してきました。

この標準的な手法は有用ではあるものの、重大な障壁を伴います。人が絶対的な最大値を発揮することは、必ずしも可能ではありません。怪我を負った人にとっては痛みとなり、病気から回復中の患者にとっては疲労を招き、あるいは神経学的な疾患によって筋肉を十分に収縮させることが制限されている人にとっては、単に困難すぎる場合もあります。さらに、健康な人々であっても、モチベーションや疲労の状態によって、最大努力の結果は日ごとに変動することがあります。長年、科学者たちは、その困難で、時には不可能な最大努力に頼らずに、これらの筋肉信号を正規化する方法を探求してきました。グリフィス大学の研究チームは、電気信号自体の「形」を見ることでその強度を判断するという新しい手法を提案し、最大級の絞り込みを完全に不要にする可能性を示しました。

研究者たちは、筋肉の信号がどのように振る舞うかという単純な観察から研究を開始しました。筋肉がほとんど活動していないとき、電気信号は静かで、中心点付近に集中しています。筋肉がより激しく働くにつれて、より多くの繊維が動員され、信号はより大きくなり、広がり、強度の多様性が増していきます。チームは、この広がりの度合い、すなわち信号の「幅」が、組み込まれた「ものさし」として機能できるのではないかという仮説を立てました。つまり、人に最大値に達するよう求める代わりに、タスク中の信号がどれほど広がるかを測定し、その幅を用いて、筋肉が最大値に対してどの程度働いているかを推定できるのではないかと考えたのです。

このアイデアを検証するため、チームは7人の健康な成人の筋肉活動を、緩やかなウォーミングアップから全力のスプリントに至るまで、さまざまな速度とパワーレベルでの固定式自転車走行中に記録しました。また、範囲を広げるために、いくつかのジャンプ動作も組み込みました。各セッションにおいて、彼らはまず、参加者が行ったタスクの中で最も強い信号を見つけ出すことで、伝統的な「最大値」を算出しました。次に、彼らは同じデータに対して新しい手法を適用しました。この新しいアプローチでは、生の電気信号を取り込み、ノイズを除去した後、それを重なり合う微細な時間の断片（スライス）へと分解しました。各スライスにおいて、研究者たちは、信号の強度がどれほど変化しているかと、それらの強度の分布がどれほど広いかの2点を測定しました。彼らはこれら2つの測定値を用いて、最大努力がどの程度であったかを予測し、実質的に、参加者に全力を尽くさせることなく正規化されたスケールを作り出しました。

結果は驚くほど伝統的な手法に近いものでした。研究者が新しい推定値と標準的な最大努力の測定値を比較したところ、平均的な差はわずか6パーセント強でした。言い換えれば、新しい手法は、従来の方式と同じように活動のピークや谷を捉え、筋肉の努力の強度を高い精度で予測できたのです。この手法は、低出力のペダリングから最大スプリントに至るまで、異なるサイクリング条件下で一貫して機能しました。このアプローチが自転車という管理された環境の外でも通用するかを確認するため、チームは歩行、走行、スクワット、ジャンプを行う単独の被験者に対してテストを行いました。より複雑な動きにおいてはエラー率がやや高まり、平均して約12パーセントとなりましたが、手法は依然として筋肉活動の相対的な強度を捉えることに成功しました。

この研究は、分布に基づくこのテクニックが、最大努力が実行不可能な状況における実用的な代替案となることを示唆しています。これは、複雑なキャリブレーション・ルーチンを設定することが困難なフィールドでのウェアラブルデバイスや、患者が安全に最大収縮を行えない臨床評価において、特に価値がある可能性があります。研究者たちは、この手法が電極の配置の違いなどのすべての誤差の原因を排除するわけではないと指摘していますが、毎回の測定セッションごとに完璧な最大参照点を見つけるという負担を取り除いてくれます。筋肉信号自体の自然な統計的特性に頼ることで、チームは、最大限の絞り込みを要求することなく筋肉の努力を測定することが可能であることを証明しました。

有望な結果ではありますが、著者らはこれを既存のあらゆる手法に代わるものではなく、あくまで新しい選択肢の一つとして慎重に位置づけています。検証は主に健康な成人に対して行われており、このアプローチが神経学的損傷を持つ人々や、異なるタイプの筋肉収縮に対しても有効であるかどうかを確認するには、さらなる研究が必要であることをチームは認めています。また、信号の品質を一貫させるためには、特定の記録機器と設定が必要です。それにもかかわらず、本研究は、より単純で負担の少ない筋肉活動の測定方法への明確な道筋を示しています。「この筋肉はどれほど働いているのか？」という問いへの答えは、最後の一踏ん張りによる消耗を必要とせず、信号の中に隠されたまま、読み解かれるのを待っているのかもしれないのです。