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

Resumo Técnico: Modelagem Precisa da Ativação Sensoriomotora Relacionada à Tarefa Baseada em Eletromiografia de Superfície Simultânea

Definição do Problema
A ressonância magnética funcional (fMRI) enfrenta desafios significativos para a translação clínica, incluindo a falta de padronização técnica e o controle insuficiente sobre o desempenho da tarefa, o que prejudica a interpretabilidade das ativações relacionadas à tarefa. Embora a fMRI motora relacionada à tarefa com EMG ofereça uma solução promissora ao combinar a sensibilidade espacial da fMRI com a especificidade temporal da eletromiografia de superfície (EMG), as estratégias de modelagem otimizadas permanecem incertas. Estudos anteriores concentraram-se primariamente em movimentos de membros superiores e frequentemente trataram a EMG apenas como um regressor de tarefa ou uma covariável, em vez de comparar sistematicamente diferentes abordagens de modelagem. Além disso, a utilidade de adicionar a EMG simultânea aos dados cinemáticos (acelerometria/Acc) e o impacto específico das derivadas temporais (TD) na detecção de sinal subcortical em tarefas de membros inferiores não foram rigorosamente avaliados.

Metodologia
O estudo empregou um protocolo de fMRI de design em blocos com 20 controles saudáveis realizando dorsiflexão/plantiflexão do tornozelo (Ankle) e imagética de marcha (GI). Dados fisiológicos, incluindo EMG de superfície do músculo tibial anterior (TA) e acelerometria triaxial (Acc), foram registrados simultaneamente com dados de fMRI BOLD em um scanner de 3T.

A inovação metodológica central foi a comparação de cinco distintas estratégias de análise de Modelo Linear Geral (GLM) para avaliar como diferentes regressores fisiológicos explicam a variabilidade do sinal BOLD:

1. m1 (Padrão): Apenas regressor de tarefa (caixa convolvida com HRF).
2. m2 (rAcc): Regressor de tarefa + Acc ortogonalizada (resíduo de Acc).
3. m3 (rEMG): Regressor de tarefa + EMG ortogonalizada (resíduo de EMG).
4. m4 (rAcc+orEMG): Regressor de tarefa + rAcc + EMG ortogonalizada em relação à rAcc (orEMG).
5. m5 (Split EMG): Regressor de tarefa + rEMG relacionado à tarefa (trEMG) + EMG de estado de repouso não ortogonalizada.

Adicionalmente, o estudo comparou sistematicamente modelos com e sem a derivada temporal (TD) do regressor de tarefa principal para avaliar o impacto da variabilidade temporal na detecção de sinal. As análises incluíram estatística de grupo voxel-a-voxel (FLAME 1+2) e análises de região de interesse (ROI) pós-hoc visando o córtex sensoriomotor (SMC), área motora suplementar (SMA), córtex somatossensorial secundário (S2), tálamo e cerebelo.

Principais Contribuições

• Comparação Sistemática de Modelos: O artigo fornece uma comparação direta de estratégias de modelagem rEMG, rAcc e split EMG em um paradigma de membros inferiores, indo além do foco em membros superiores da literatura anterior.
• Diferenciação de EMG de Repouso e de Tarefa: Introduz uma abordagem de "split EMG" para modelar separadamente as flutuações de EMG de repouso e de tarefa, investigando se a EMG de repouso captura atividade neural significativa (ex: imagética ou flutuações espontâneas) distinta do movimento manifesto.
• Impacto da Derivada Temporal (TD): O estudo avalia os efeitos específicos da inclusão de TD nos modelos GLM quando regressores fisiológicos estão presentes, revelando trocas (trade-offs) região-específicas na detecção de sinal.
• Especificidade de Membros Inferiores: Valida o uso de EMG-fMRI simultânea para o tibial anterior, um músculo crítico para a marcha, abordando uma lacuna na literatura sobre o controle motor de membros inferiores.

Resultados

• Ativação do SMC: Tanto a Acc ortogonalizada (rAcc) quanto a EMG (rEMG) explicaram robustamente a variabilidade do sinal BOLD nos córtex sensorimotores primários (SMC). Em nível de cérebro total, os padrões de ativação para rAcc e rEMG foram surpreendentemente semelhantes, sugerindo que eles podem ser intercambiáveis para monitorar movimentos fásicos simples em sujeitos saudáveis.
• Áreas Subcorticais e Secundárias: Embora rAcc e rEMG tenham sido semelhantes no SMC, a rEMG forneceu poder explicativo adicional em outras regiões. Especificamente, a rEMG (e o regressor orEMG no modelo m4) explicou variabilidade significativa no tálamo contralateral e no córtex somatossensorial secundário (S2), áreas onde a rAcc mostrou efeitos mais fracos ou não significativos.
• EMG de Repouso: O modelo "split EMG" (m5) revelou que as flutuações de EMG em estado de repouso explicaram variabilidade significativa do sinal BOLD nos tálamos bilaterais, S2 e redes associadas à imagética de marcha (incluindo SMA, córtex cingulado e ínsula). Isso sugere que a EMG durante o repouso captura atividade motora subliminar ou processos relacionados à imagética não capturados pela Acc.
• Derivadas Temporais (TD): A inclusão de TD melhorou a detecção de sinal nos córtex sensorimotores primários. No entanto, teve um efeito deletério na detecção de sinal em regiões subcorticais, especificamente no cerebelo e no tálamo. Modelos sem TD mostraram maior ativação nessas áreas, sugerindo que a TD pode inadvertidamente remover mudanças de sinal transitórias associadas às transições entre repouso e movimento nessas estruturas.

Significância e Alegações
Os autores afirmam que a incorporação da EMG na análise de fMRI aumenta a especificidade da detecção da atividade cerebral relacionada ao movimento, particularmente na diferenciação entre comportamento motor espontâneo (repouso/imagética) e movimento manifesto. O estudo demonstra que, embora a Acc e a EMG sejam comparáveis para a saída motora primária, a EMG oferece insights únicos sobre a integração sensoriomotora de ordem superior (S2, tálamo) e processos motores sub-liminares.

O artigo posiciona esses achados como um passo fundamental para o desenvolvimento de biomarcadores objetivos para o comprometimento da marcha e déficits motores. Ao ligar o engajamento periférico do músculo diretamente aos processos neurais centrais, a abordagem multimodal proposta visa preencher a lacuna entre a ativação cerebral e a execução real do movimento. Os autores enfatizam que seus resultados, derivados de controles saudáveis, servem como uma validação piloto para futuros estudos clínicos em populações de pacientes (ex: AVC, esclerose múltipla) onde a variabilidade no desempenho da tarefa é maior e a necessidade de modelagem precisamente informada pela fisiologia é mais premente. O estudo não reivindica utilidade diagnóstica clínica imediata, mas estabelece um arcabouço metodológico para biomarcadores de fMRI mais interpretáveis e confiáveis na pesquisa de controle motor.