Журнал высшей нервной деятельности им. И.П. Павлова, 2020, T. 70, № 4, стр. 435-445

НАБОР ТЕКСТА ПАЦИЕНТАМИ С ПОСТИНСУЛЬТНОЙ АФАЗИЕЙ В КОМПЛЕКСЕ “НЕЙРОЧАТ” НА ОСНОВЕ ТЕХНОЛОГИИ ИНТЕРФЕЙСОВ МОЗГ-КОМПЬЮТЕР НА ВОЛНЕ P300

И. П. Ганин 12*, С. А. Ким 1, С. П. Либуркина 1, Н. В. Галкина 3, А. О. Лужин 2, Л. А. Майорова 456, Н. Г. Малюкова 4, В. М. Шкловский 4, А. Я. Каплан 178

1 Биологический факультет МГУ им. М.В. Ломоносова
Москва, Россия

2 НП “Эксперт”
Москва, Россия

3 ООО “Нейрочат”
Москва, Россия

4 ГБУЗ Центр патологии речи и нейрореабилитации ДЗМ
Москва, Россия

5 ФГБУН Институт высшей нервной деятельности и нейрофизиологии РАН
Москва, Россия

6 ФГБНУ “Федеральный научно-клинический центр реабилитологии и реаниматологии”
Москва, Россия

7 Институт когнитивных нейронаук, НИУ “Высшая школа экономики”
Москва, Россия

8 БФУ им. И. Канта
Калининград, Россия

* E-mail: ipganin@mail.ru

Поступила в редакцию 23.09.2019
После доработки 20.02.2020
Принята к публикации 26.02.2020

Аннотация

Двигательные и речевые нарушения являются одними из наиболее частых инвалидизирующих последствий острого нарушения мозгового кровообращения в левой гемисфере головного мозга. Технологии интерфейсов мозг-компьютер (ИМК) на волне Р300, позволяющие набирать текст без голоса и движений, могут быть важным инструментом социализации таких пациентов и тем самым способствовать эффективной реабилитации. Однако основной объем исследований и разработок в области таких коммуникационных нейроинтерфейсов выполняется в лабораторных условиях с участием в качестве испытуемых-добровольцев здоровых людей. В этой связи остается недостаточно разработанной проблема адаптации коммуникационных ИМК-технологий для использования непосредственно пациентами с афатическими расстройствами. Целью настоящей работы было изучение способности постинсультных пациентов с афазиями к овладению навыком управления в ИМК на основе волны P300. Полученные данные свидетельствуют о том, что в ходе многодневной работы (10 сессий) с набором текста в ИМК-P300 18 из 19 пациентов не только освоили набор текста посредством фокусирования внимания на экранных символах, но и показали постепенное улучшение точности и скорости ввода команд, а также общего количества вводимых за сессию букв. Представляется перспективным дальнейшее изучение процессов адаптации афатичных пациентов к набору текстов и команд посредством коммуникационных нейроинтерфейсов с выявлением возможных реабилитационных эффектов в отношении восстановления речи.

Ключевые слова: интерфейс мозг-компьютер, ИМК, волна P300, нейрореабилитация, ишемический инсульт, ОНМК, афазия, дизартрия

DOI: 10.31857/S0044467720040036

Список литературы

  1. Ганин И.П., Каплан А.Я. Интерфейс мозг-компьютер на основе волны P300: предъявление комплексных стимулов “подсветка + движение”. Журн. высш. нерв. деят. им. И.П. Павлова. 2014. 64 (1): 32–40.

  2. Лурия А. Р. Высшие корковые функции человека. Питер. 2018.

  3. Шкловский В.М. Заикание. М.: ICE. 1994.

  4. Ang K.K., Guan C. EEG-Based Strategies to Detect Motor Imagery for Control and Rehabilitation. IEEE Trans Neural Syst Rehabil Eng. 2017. 25 (4): 392–401.

  5. Arvaneh M., Robertson I.H., Ward T.E. A P300-Based Brain-Computer Interface for Improving Attention. Front. Hum. Neurosci. 2018. 12: 524.

  6. Bamdad M., Zarshenas H., Auais M.A. Application of BCI systems in neurorehabilitation: a scoping review. Disability and Rehabilitation: Assistive Technology. 2015. 10 (5): 355–364.

  7. Birbaumer N., Cohen L. Brain–computer interfaces: communication and restoration of movement in paralysis. The Journal of Physiology. 2007. 579: 621–636.

  8. Bockbrader M.A., Francisco G., Lee R., Olson J., Solinsky R., Boninger M.L. Brain Computer Interfaces in Rehabilitation Medicine. PM&R. 2018. 10 (9): S233–S243.

  9. Burwell S., Sample M., Racine E. Ethical aspects of brain computer interfaces: a scoping review. BMC medical ethics. 2017. 18 (1): 60.

  10. Carelli L., Solca F., Faini A., Meriggi P., Sangalli D., Cipresso P., Riva G., Ticozzi N., Ciammola A., Silani V., Poletti B. Brain-Computer Interface for Clinical Purposes: Cognitive Assessment and Rehabilitation. Biomed Res Int. 2017. 2017: 1695290.

  11. Dubois B., Slachevsky A., Litvan I., Pillon B.F.A.B. The FAB: a frontal assessment battery at bedside. Neurology. 2000. 55 (11): 1621–1626.

  12. Farwell L.A., Donchin E. Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials. Electroencephalogr Clin Neurophysiol. 1988. 70 (6): 510.

  13. Frolov A.A., Mokienko O., Lyukmanov R., Biryukova E., Kotov S., Turbina L., Nadareyshvily G., Bushkova Y. Post-stroke Rehabilitation Training with a Motor-Imagery-Based Brain-Computer Interface (BCI)-Controlled Hand Exoskeleton: A Randomized Controlled Multicenter Trial. Front Neurosci. 2017. 11: 400.

  14. Ganin I.P., Shishkin S.L., Kaplan A.Ya. A P300-based brain-computer interface with stimuli on moving objects: four-session single-trial and triple-trial tests with a game-like task design. PLOS ONE. 2013. 8 (10): e77755.

  15. Gomez-Pilar J., Corralejo R., Nicolas-Alonso L.F., Alvarez D., Hornero R. Neurofeedback training with a motor imagery-based BCI: neurocognitive improvements and EEG changes in the elderly. Medical and Biological Engineering and Computing. 2016. 54 (11): 1655–1666.

  16. Jeon H., Shin D.A. Experimental set up of P300 based brain computer interface using a bioamplifier and BCI2000 system for patients with spinal cord injury. Korean Journal of Spine. 2015. 12 (3): 119.

  17. Kaplan A.Ya. Neurophysiological foundations and practical realizations of the brain–machine interfaces in the technology in neurological rehabilitation. Human Physiology. 2016. 42 (1): 103–110.

  18. Kleih S.C., Kübler A. Empathy, motivation, and P300 BCI performance. Frontiers in human neuroscience. 2013. 7:642.

  19. Kleih S.C., Gottschalt L., Teichlein E., Weilbach F.X. Toward a P300 based brain-computer interface for aphasia rehabilitation after stroke: presentation of theoretical considerations and a pilot feasibility study. Frontiers in human neuroscience. 2016. 10: 547.

  20. Machado S., Araújo F., Paes F., Velasques B., Cunha M., Budde H., Basile L.F., Anghinah R., Arias-Carrión O., Cagy M., Piedade R, de Graaf T.A., Sack A.T., Ribeiro P. EEG-based brain-computer interfaces: an overview of basic concepts and clinical applications in neurorehabilitation. Reviews in the Neurosciences. 2010. 21 (6): 451–468.

  21. Malouin F., Jackson P.L., Richards C.L. Towards the integration of mental practice in rehabilitation programs. A critical review. Frontiers in human neuroscience. 2013. 7: 576.

  22. Mak J.N., Wolpaw J.R. Clinical Applications of Brain-Computer Interfaces: Current State and Future Prospects. IEEE Rev Biomed Eng. 2009. 2: 187–199.

  23. Mak J.N., Arbel Y., Minett J.W., McCane L.M., Yuksel B., Ryan D., Thompson D., Bianchi L., Erdogmus D. Optimizing the P300-based brain-computer interface: current status, limitations and future directions. J. Neural Eng. 2011. 8: 025003.

  24. Martinez-Cagigal V, Gomez-Pilar J, Alvarez D, Hornero R. An Asynchronous P300-Based Brain-Computer Interface Web Browser for Severely Disabled People. IEEE Trans Neural Syst Rehabil Eng. 2017. 25 (8): 1332–1342.

  25. McFarland D.J., Vaughan T.M. BCI in practice. Prog Brain Res. 228: 389–404. 2016.

  26. Powers J.C., Bieliaieva K., Wu S., Nam C.S. The Human Factors and Ergonomics of P300-Based Brain-Computer Interfaces. Brain Sci. 2015. 5 (3): 318–356.

  27. Monge-Pereira E., Ibañez-Pereda J., Alguacil-Diego I.M., Serrano J.I., Spottorno-Rubio M.P., Molina-Rueda F. Use of Electroencephalography Brain-Computer Interface Systems as a Rehabilitative Approach for Upper Limb Function After a Stroke: A Systematic Review. PM R. 2017. 9 (9): 918–932.

  28. Rezeika A., Benda M., Stawicki P., Gembler F., Saboor A., Volosyak I. Brain-Computer Interface Spellers: A Review. BrainSci. 2018. 8 (4): E57.

  29. Sellers E.W., Donchin E. A P300-based brain-computer interface: initial tests by ALS patients. Clin Neurophysiol. 2006. 117 (3): 538–548.

  30. Shishkin S.L., Ganin I.P., Basyul I.A., Zhigalov A.Yu., Kaplan A.Y. N1 wave in the P300 BCI is not sensitive to the physical characteristics of stimuli. J. of Integrative Neuroscience. 2009. 8 (4): 471–485.

  31. Speier W., Arnold C., Chandravadia N., Roberts D., Pendekanti S., Pouratian N. Improving P300 Spelling Rate using Language Models and Predictive Spelling. Brain Comput Interfaces (Abingdon). 2018. 5 (1): 13–22.

  32. Wang P.T., King C.E., Do A.H., Nenadic Z. Pushing the communication speed limit of a noninvasive BCI speller. Cornell University Library arXiv. 2012. 1212: 0469.

Дополнительные материалы отсутствуют.