中风是全球第二大死亡原因，而50%的幸存者终生残疾。中风后最常见的残疾是受损半球对侧的上肢无力，导致偏瘫。为了恢复失去的功能，理疗师通常将物理治疗作为患者的康复策略。康复治疗有不同的类型，取决于所使用的环境和运动的类型。尽管以任务为导向的康复已经存在了很长时间，但最近，人们对它的实际效果提出了质疑。当使用面向任务的康复实践时，发现只有当测试条件与训练条件相同时，患者才能表现良好效果。与枯燥、重复的任务导向实践相比，鼓励患者在丰富的环境中进行自主选择的运动可以提高恢复水平。但在选择康复模式时需要考虑几个参数。

在这项研究中，开发一个计算模型，能够理解这些参数对中风后恢复的影响，以及在不同的患者特征下需要如何修改这些参数。 选择了用模型复制患者的行为。然后在模型中诱发中风，并观察恢复模式。几个计算模型实现了捕捉人类到达行为的类似过程。这些模型采用的一种方法是复制大脑的感觉运动环路。所执行的动作由感觉模块捕捉并反馈给运动模块，运动模块使用它来比较预期动作和类似于大脑的执行动作之间的差异。然后，该模型试图减少预期运动和实际运动之间的误差。还可以开发特定康复治疗的模型，以了解其对康复的影响 。本研究目的是开发一种可用于多种疗法的模型，以便对它们进行比较，以找到针对给定患者特征的最佳疗法。本文发表在《神经工程和康复杂志》上。

使用了一个简单的卷积神经网络，该网络能够使用立体视觉在3D空间中执行双向到达运动。该网络被设计为具有双侧对称性，以反映大脑半球的双侧性，两个半球通过交叉连接连接。然后根据3个选定的患者特征、损伤大小、恢复阶段（急性或慢性）和交叉连接的结构完整性（类似于胼胝体）修改该网络。类似地，使用3个参数来定义康复范式运动复杂性（探索性vs立体型）、手选择模式（仅移动受影响的手臂、约束诱导运动疗法CIMT vs移动双臂、双手疗法BMT）和可塑性程度（局部vs全局）。对于每种中风情况，测量每种康复参数设置下的表现，并对结果进行分析，以找到相应的最佳康复方案。

                                                              研究中使用的卷积网络

无论患者特征如何，当使用高复杂度的运动时，网络显示出更好的恢复，并且在两种手选择模式之间没有发现显著差异。与这两个参数相反，最佳可塑性程度受患者特征的影响。对于急性卒中，仅对较大的病变首选全局可塑性。然而，对于慢性，可塑性随交叉连接的结构完整性而变化。在高完整性条件下，无论病变大小如何，慢性病患者都倾向于整体可塑性，但低完整性患者则倾向于局部可塑性。与急性模型相比，观察到的恢复情况与健康状况不可比，即使是较小的损伤大小。这与现实中观察到的情况类似，因为慢性病患者并没有表现出与急性病患者相同的改善。

对于不同损伤大小的模型，到达误差与重新训练的时期数

通过使用本研究中开发的系统并相应地修改康复模式，预计可以最大限度地实现卒中后恢复。

Elango, S., Francis, A.J.A. & Chakravarthy, V.S. Interaction of network and rehabilitation therapy parameters in defining recovery after stroke in a Bilateral Neural Network. J NeuroEngineering Rehabil 19, 142 (2022). https://doi.org/10.1186/s12984-022-01106-3