Cybernetyka i neurorehabilitacja

Wprowadzenie do modelu NWU. Trening i terapia w ujęciu cybernetycznym [7, 13, 16, 18, 22, 24]

Z ontologicznego punktu widzenia informacja (~cybernetyka) jest trzecim, obok materii i energii (~fizyka), składnikiem istnienia wszystkich obiektów i systemów wszechświata. Mózg operuje głównie na informacjach: zbieranie informacji (receptory, percepcja), zapisywanie informacji (pamięć), wytwarzanie informacji (rozumowanie, myślenie), generacja sygnałów sterujących (np. pracą mięśni). Dlatego obok neuroanatomii i neurofizjologii należy rozpatrywać OUN w sensie neurocybernetycznym. Jedną z zalet takiego podejścia stanowi synteza dotychczas zgromadzonej wiedzy o OUN i możliwość całościowego ich ujęcia, dzięki czemu możliwe jest prawdziwe zrozumienie mózgu i ciała ludzkiego jako systemu, ponieważ całość jest czymś więcej niż sumą elementów składowych.

Ryc.4

Ryc.4. Podstawowy diagram cybernetyczny uwzględniający system Pacjenta, relacje ze środowiskiem oraz pętle sprzężenia zwrotnego. Symbol oznacza węzeł sumacyjny, który łączy informacje i oddziaływania (energii i materii) zwrotne z informacjami sprzężonymi w sposób prosty z Pacjentem; P – system organizmu Pacjenta; d – sygnały oddziałujące na Pacjenta, pochodzenia zewnętrznego; i – suma sygnałów i oddziaływań zwrotnych pochodzących ze środowiska; o - sygnały generowane przez Pacjenta, oddziałujące ze środowiskiem zewnętrznym; o' – zewnętrzne/pozaustrojowe sygnały zwrotne, np. wzrokowa informacja o położeniu kończyny

Cybernetyka jest nauką o sterowaniu lub o zachowaniu się systemów. System to zbiór elementów i zachodzących między nimi relacji. Podstawowym pojęciem cybernetyki jest sprzężenie zwrotne. Jeśli dwa systemy są powiązane i oddziałują na siebie, to mówimy, że są sprzężone. Jeśli jeden system oddziałuje na drugi, mówimy o sprzężeniu prostym. Jeśli systemy oddziałują wzajemnie na siebie, mówimy o sprzężeniu zwrotnym. W ujęciu cybernetycznym, człowiek stanowi system biocybernetyczny, który pobiera informację oraz energię i materię ze środowiska (jest z nim sprzężony), przetwarza je oraz wytwarza nową informację. Uproszczony układ zawierający wzajemne oddziaływania pomiędzy Pacjentem, środowiskiem a nim samym - przedstawia diagram z Ryc.4.

Zjawisko sprzężenia zwrotnego między człowiekiem a środowiskiem jest niezbędne dla procesów uczenia się. Przykładowo, wykorzystując tor sprzężenia zwrotnego człowiek może dokonać korekty ruchu na podstawie informacji czuciowej oraz wzrokowej i w ten sposób nauczyć się nowej umiejętności ruchowej. Procesy uczenia nazwijmy treningiem kiedy dotyczą optymalizacji (zob. rozdział drugi), natomiast terapią lub neurorehabilitacją kiedy dotyczą normalizacji. Zarówno procesy optymalizacyjne jak i normalizacyjne odbywają się z wykorzystaniem zewnętrznych i wewnętrznych torów sprzężenia zwrotnego. Dlatego pojęcia treningu, terapii i procesów uczenia się stają się tożsame, kiedy mówimy o neurorehabilitacji (ale nie w drugą stronę - treningu optymalizacyjnego nie możemy nazwać terapią ani rehabilitacją).

Poza wykorzystaniem cybernetyki do modelowania procesów fizjologicznych można ją stosować do modelowania matematycznego parametrów fizycznych tkanek i pobudliwości neuronów, przykładowo w celu ustalenia optymalnych parametrów stymulacji tFES.


Bibliografia

  1. Allen S.J., Watson J.J., Shoemark D.K. i in., GDNF, NGF and BDNF as therapeutic options for neurodegeneration, Pharmacology & Therapeutics, 2013.
  2. Błaszczyk J., Modele cybernetyczne wybranych struktur i funkcji układu nerwowego, [w:] Neurocybernetyka Teoretyczna, red. R. Tadeusiewicz, Wyd. Uniwersytetu Warszawskiego, Warszawa, 2009.
  3. 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].
  4. 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.
  5. 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]
  6. Gajda J., Pomiary i identyfikacja w diagnostyce medycznej, [w:] Podstawy inżynierii Biomedycznej. Tom I, red. Tadeusiewicz R., Augustyniak P., Wydawnictwa AGH, Kraków, 2009.
  7. 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.
  8. Gerven M., Farquhar J., Schaefer R. i in., The Brain-Computer Interfaces Cycle, Journal of Neural Engineering, Wrzesień, 2009.
  9. Giggins O., McCarthy Persson U., Caulfield B. (2013), Biofeedback in rehabilitation, Journal of NeuroEngineering and Rehabilitation, 10:60.
  10. Gwiazdowska B., Pawlicki G., Fizyku Medyczny - gdzie twoje miejsce? Historia i perspektywy fizyki medycznej w Polsce, Polish Journal of Medical Physics and Engineering, 2006.
  11. Hess G. (2009), Przekaźnictwo synaptyczne i plastyczność synaptyczna, [w:] Neurocybernetyka Teoretyczna, red. R. Tadeusiewicz, Wyd. Uniwersytetu Warszawskiego, Warszawa.
  12. http://www.ted.com/talks/daniel_wolpert_the_real_reason_for_brains#t-1178711 [dostęp: 11.10.2016]
  13. Jaśkowski P. (2004), Zarys psychofizjologii, Wyższa Szkoła Finansów i Zarządzania, Warszawa.
  14. 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].
  15. Krakauer J.W. (2006), Motor learning: its relevance to stroke recovery and neurorehabilitation, „Current Opinion in Neurology”, nr 19, s. 84–90.
  16. Mazur M. (1999), Cybernetyka i charakter, Wyższa Szkoła Zarządzania i Przedsiębiorczości im.Bogdana Jańskiego, Warszawa.
  17. Merzenich M.M., Van Vleet T.M., Nahum M., Brain plasticity-based therapeutics, Frontiers In Human Neuroscience, 2014.
  18. 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.
  19. 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]
  20. Pąchalska M. Rehabilitacja neuropsychologiczna. UMCS, Lublin, 2008.
  21. Razavi S., Nazem G., Mardani M., Neurotrophic factors and their effects in the treatment of multiple sclerosis, Advanced Biomedical Research, 2015.
  22. Tadeusiewicz R., Biocybernetyka, Wydawnictwa Zakładu Narodowego im. Ossolińskich i Polskiej Akademii Nauk, Wrocław, 1988.
  23. Tadeusiewicz R., Izworski A., Majewski J.: Biometria, Wydawnictwa AGH, Kraków, 1993.
  24. Tadeusiewicz R.: Neurocybernetyka Teoretyczna, Wydawnictwa Uniwersytetu Warszawskiego, Warszawa 2009.
  25. The Neurobiology of Neurofeedback, Wikipedia-Books, źródło: http://en.wikipedia.org/wiki/Book:The_Neurobiology_of_Neurofeedback [dostęp: 11.10.2016]
  26. Thomson M., Thomson L. (2012), Neurofeedback, Biomed Neurotechnologie, Wrocław.
  27. 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]
  28. Wolpaw R.J, Winter Wolpaw E., Brain-Computer Interfaces: Principles and Practice, Oxford University Press, New York, 2012
  29. Zawada J.: Wybrane zagadnienia z podstaw metrologii, Wydawnictwo Politechniki Łódzkiej, Łódź, 2002.

Przypisy

  1. 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).
  2. 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.
  3. Podział zaproponowany przez Giggins i in. 2013 [9]
  4. 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.