MyoGestic：开启神经损伤患者多维度运动功能解码新时代

《SCIENCE ADVANCES》：MyoGestic: EMG interfacing framework for decoding multiple spared motor dimensions in individuals with neural lesions

为解决脊髓损伤（SCIs）、中风、截肢患者肢体运动功能恢复难题，研究人员开展基于表面肌电图（sEMG）的 MyoGestic 系统研究。结果显示，该系统能实时解码患者运动意图，控制多种设备。其意义在于推进直观的 sEMG 接口研究，助力患者康复。

　　在全球，脊髓损伤（Spinal Cord Injuries，SCIs）、中风和截肢等状况给众多患者的生活带来极大困扰。全球有 2064 万脊髓损伤患者、数十万脊髓中风患者以及 223 万单侧肢体截肢患者，他们失去了肢体运动功能，生活质量严重下降。目前，基于肌电图（Electromyography，EMG）的解码系统存在诸多问题。高端 EMG 设备虽记录能力强，但体积庞大，不适合日常使用；便携式无线系统缺乏模块化软件，难以直观有效地连接脊髓输出，且软件解码的运动维度有限，模型无法很好地适配患者个体需求。

为了攻克这些难题，来自 Friedrich - Alexander-Universit?t Erlangen - Nürnberg 和 Eberhard - Karls - Universit?t Tübingen 的研究人员进行了深入研究。他们开发了一种无线、高密度 EMG 手环和名为 MyoGestic 的软件框架。这项研究成果发表在《SCIENCE ADVANCES》上，为神经损伤患者运动功能的恢复带来了新的希望。

研究人员开展这项研究时，运用了以下关键技术方法：首先，开发了 32 通道单极 EMG 手环，能以 2000Hz 的频率实时记录信号，并通过商用无线放大器以 111Hz 的频率传输数据。其次，构建了基于 Unity 的视觉界面，展示控制手和预测手，辅助患者理解和执行动作。此外，利用 Python 搭建软件框架，进行信号处理、模型训练和验证，还采用了 CatBoost 算法和深度回归神经网络等进行分类和预测。

研究结果如下：

• 通用用户自适应无创神经接口系统的设计：研发的系统包含 32 通道单极 EMG 手环和开源软件框架，手环轻巧（76±2g），有多种长度可选。软件界面直观，分输入、输出和算法 / 处理三个面板，便于操作。经测试，新手用户平均 2.37±0.30 分钟就能学会控制一个运动维度。
• 脊髓损伤患者运动意图解码：对 3 名脊髓损伤患者进行研究，记录他们的 EMG 信号并训练 CatBoost 分类器模型。患者能产生抓握、拇指和食指弯曲的自主神经信号。使用朴素方法和共形预测（Conformal Prediction）验证模型，部分患者共形预测准确率更高，记录和验证运动维度的时间在 3 - 7 分钟左右。
• 经桡动脉截肢患者运动意图解码：对 2 名经桡动脉截肢患者研究发现，虽 EMG 信号存在一些干扰，但 MyoGestic 能在 10 分钟内解码并验证 5 个运动维度，且该系统控制更直观。
• 不同实验场景的适应性：MyoGestic 在多种场景下表现出色，如连接商用假肢、控制下肢 2D 光标、连接定制矫形器、集成新算法进行回归预测、控制手指运动和玩游戏等，展示了其灵活性和通用性。

研究结论和讨论部分指出，MyoGestic 系统在解码神经损伤患者运动意图方面展现出巨大潜力。对于脊髓损伤患者，它能在短时间内评估自主 EMG 信号，有助于重新评估 SCI 评估标准，辅助选择合适的辅助设备。对于截肢患者，虽手环存在贴合问题，但系统解码能力值得肯定，且控制方式更符合用户直觉。

此外，MyoGestic 作为通用接口，可连接多种输出设备，为患者控制不同辅助设备带来便利，有望提高患者生活质量。不过，目前研究也存在一些局限，如数据记录可能不足以实现可靠的纵向控制，未来需要进行纵向研究来解决这些问题。总体而言，MyoGestic 系统为神经损伤患者运动功能恢复的研究和临床应用开辟了新方向，具有重要的理论和实践意义，推动了该领域的发展。