Optymalizacja i normalizacja
Optymalizacja i normalizacja w neurorehabilitacji
Mediatorem wszystkich procesów uczenia się zarówno ruchowych jak i poznawczych jest proces neuroplastyczności. Regeneracja ośrodkowego układu nerwowego na drodze rehabilitacji, czyli neurorehabilitacja również odbywa się poprzez uczenie się. Można wyróżnić dwa cele procesów uczenia: (1) optymalizacja polega na polepszeniu zdolności poznawczych lub ruchowych, natomiast (2) normalizacja polega na doprowadzeniu zdolności ruchowych lub poznawczych do normy. Procesy optymalizacji i normalizacji nie różnią się od siebie pod względem molekularnych mechanizmów neurobiologicznych, ponieważ dotyczą tego samego procesu - neuroplastyczności (wyłączając proces spontanicznej plastyczności pouszkodzeniowej, który nie jest indukowany świadomą aktywnością człowieka). Natomiast wartości parametrów terapeutycznych i procedury treningowe muszą się różnić zarówno między Pacjentami zdrowymi i chorymi, jak i Pacjentami w tej samej grupie. Odpowiednie podejście terapeutyczne musi być adekwatne do bieżącego stanu Pacjenta niezależnie od celu interwencji (normalizacji lub optymalizacji).
Bibliografia
- Allen S.J., Watson J.J., Shoemark D.K. i in., GDNF, NGF and BDNF as therapeutic options for neurodegeneration, Pharmacology & Therapeutics, 2013.↩
- Błaszczyk J., Modele cybernetyczne wybranych struktur i funkcji układu nerwowego, [w:] Neurocybernetyka Teoretyczna, red. R. Tadeusiewicz, Wyd. Uniwersytetu Warszawskiego, Warszawa, 2009.↩
- Casadio M., Tamagnone I., Summa S., Sanguineti V., Neuromotor recovery from stroke: computational models at central, functional, and muscle synergy level, źródło: http://www.ncbi.nlm.nih.gov/pubmed/23986688 [dostęp: 1.06.2014].↩
- Cudo A., Zabielska E., Bałaj B., Wprowadzenie w zagadnienie interfejsów mózg-komputer, [w:] Studia z Psychologii w KUL, tom 17, s. 189-211, red. Gorbaniuk O., Kostrubiec-Wojtachnio B., Musiał D. i in.↩
- De Miranda M.A., Doggett M.A., Evans T.J., Medical Technology: Contexts and Contend in Science and Technology, źródło: http://people.wku.edu/mark.doggett/MedTechPrimer6.0.pdf [dostęp: 11.10.2016]↩
- Gajda J., Pomiary i identyfikacja w diagnostyce medycznej, [w:] Podstawy inżynierii Biomedycznej. Tom I, red. Tadeusiewicz R., Augustyniak P., Wydawnictwa AGH, Kraków, 2009.↩
- Garczyk A., Namysł J., Wstęp teoretyczny do treningu EMG Biofeedback i ETS w terapii zaburzeń neuromotorycznych po uszkodzeniach ośrodkowego układu nerwowego, [w:] Biofeedback Innowacje, red. Borkowski P., Wydawnictwo Akademii im. Jana Długosza w Częstochowie, Częstochowa, 2015.↩
- Gerven M., Farquhar J., Schaefer R. i in., The Brain-Computer Interfaces Cycle, Journal of Neural Engineering, Wrzesień, 2009.↩
- Giggins O., McCarthy Persson U., Caulfield B. (2013), Biofeedback in rehabilitation, Journal of NeuroEngineering and Rehabilitation, 10:60.↩
- Gwiazdowska B., Pawlicki G., Fizyku Medyczny - gdzie twoje miejsce? Historia i perspektywy fizyki medycznej w Polsce, Polish Journal of Medical Physics and Engineering, 2006.↩
- Hess G. (2009), Przekaźnictwo synaptyczne i plastyczność synaptyczna, [w:] Neurocybernetyka Teoretyczna, red. R. Tadeusiewicz, Wyd. Uniwersytetu Warszawskiego, Warszawa.↩
- http://www.ted.com/talks/daniel_wolpert_the_real_reason_for_brains#t-1178711 [dostęp: 11.10.2016]↩
- Jaśkowski P. (2004), Zarys psychofizjologii, Wyższa Szkoła Finansów i Zarządzania, Warszawa.↩
- Kossut M., Synapsy i plastyczność mózgu, źródło: http://fundacjarozwoju-nauki.pl/res/Tom1/Nauka%20swiatowa%20i%20polska%5B1%5D. Rozdzial%2009.pdf [dostęp: 1.06.2014].↩
- Krakauer J.W. (2006), Motor learning: its relevance to stroke recovery and neurorehabilitation, „Current Opinion in Neurology”, nr 19, s. 84–90.↩
- Mazur M. (1999), Cybernetyka i charakter, Wyższa Szkoła Zarządzania i Przedsiębiorczości im.Bogdana Jańskiego, Warszawa.↩
- Merzenich M.M., Van Vleet T.M., Nahum M., Brain plasticity-based therapeutics, Frontiers In Human Neuroscience, 2014.↩
- Ojanguren E.I., Kostic M., Bejarano N.C., Keller T., Workshop on Transcutaneous Functional Electrical Stimulation, [w:] Emerging Therapies in Neurorehabilitation II, red. Pons J.L, Raya R., González J., Springer International Publishing, 2016.↩
- Purves D., Augustine G.J., Fitzpatrick D. i in., Neuroscience, 2nd edition, źródło: https://www.ncbi.nlm.nih.gov/books/NBK10799/ [dostęp: 11.10.2016]↩
- Pąchalska M. Rehabilitacja neuropsychologiczna. UMCS, Lublin, 2008.↩
- Razavi S., Nazem G., Mardani M., Neurotrophic factors and their effects in the treatment of multiple sclerosis, Advanced Biomedical Research, 2015.↩
- Tadeusiewicz R., Biocybernetyka, Wydawnictwa Zakładu Narodowego im. Ossolińskich i Polskiej Akademii Nauk, Wrocław, 1988.↩
- Tadeusiewicz R., Izworski A., Majewski J.: Biometria, Wydawnictwa AGH, Kraków, 1993.↩
- Tadeusiewicz R.: Neurocybernetyka Teoretyczna, Wydawnictwa Uniwersytetu Warszawskiego, Warszawa 2009.↩
- The Neurobiology of Neurofeedback, Wikipedia-Books, źródło: http://en.wikipedia.org/wiki/Book:The_Neurobiology_of_Neurofeedback [dostęp: 11.10.2016]↩
- Thomson M., Thomson L. (2012), Neurofeedback, Biomed Neurotechnologie, Wrocław.↩
- Wang W., Collinger J.L, Perez A.M. i in., Neural Interface Technology for Rehabilitation: Exploiting and Promoting Neuroplasticity, źródło: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2788507/ [dostęp: 11.10.2016]↩
- Wolpaw R.J, Winter Wolpaw E., Brain-Computer Interfaces: Principles and Practice, Oxford University Press, New York, 2012↩
- Zawada J.: Wybrane zagadnienia z podstaw metrologii, Wydawnictwo Politechniki Łódzkiej, Łódź, 2002.↩
Przypisy
- Sama proteza dłoni nie jest interfejsem nerwowym ani neuroprotezą. Neuroprotezą jest system zastępujący elementy układu czuciowego. Wg autorów neuroproteza oddziałująca mechanicznie na układ człowieka należy do interfejsów HMI/HCI, a ze względu na funkcję/cel do technologii wspomagających (AT).↩
- Zdaniem autorów, neurofeedback formalnie należy do biofeedbacku fizjologicznego. Zastosowane rozdzielenie neurofeedbacku od biofeedbacku ma wymiar czysto praktyczny, polegający na odróżnieniu sygnałów pochodzących z mózgu od innych sygnałów fizjologicznych.↩
- Podział zaproponowany przez Giggins i in. 2013 [9]↩
- Modele jakościowe sprowadzają się do opisu przepływu informacji za pomocą diagramów (schematów blokowych) i, w przeciwieństwie do modeli ilościowych, nie wykorzystują matematycznego opisu zjawisk, przez co są znacznie bardziej ogólne i nie pozwalają na precyzyjną analizę zachowania się systemu [2]. Modele jakościowe mają wartość przede wszystkim edukacyjną i w tym aspekcie są lepsze niz modele ilościowe ponieważ pozwalają na łatwiejsze zrozumienie procesów zachodzących w obrebie systemu który modelują.↩