由NIH 2R01HD040289-15A1支持
小脑损伤会损害运动协调性和适应性运动学习能力，使到达等动作不准确，很难控制。目前还没有系统地改善小脑运动不协调或“共济失调”的药物，使康复治疗成为主要的治疗选择。然而，众所周知，共济失调患者很难用物理疗法治疗，这可能是因为他们学习新运动模式的能力有限。这里提出的研究通过发展一种分阶段、个性化的方法来解决这一挑战，以了解不同的干预措施是否对不同的人有帮助。我们将使用患者特定运动缺陷的数学模型、替代性学习机制和机器人控制来测试我们是否能够系统地减少手臂共济失调。在目标1中，我们将确定基于强化的运动学习是否可以作为小脑损伤患者的替代策略。我们的初步数据表明，在共济失调患者中，基于强化的运动学习比适应性运动学习更有效。我们将测试这是否可以用来改变对共济失调患者更具临床意义的3D伸展的复杂元素。在目标2中，我们将测试长期强化训练是否可以减少共济失调并提高3D伸展能力。在这里，我们将测试在Aim 1中一天内通过强化学习的人。我们将确定与2周的标准到达实践相比，他们是否从2周的基于虚拟现实的强化到达训练课程中获益更多。我们将研究训练如何转化为自然伸展运动（即虚拟现实环境之外的运动）以及手臂共济失调和功能的临床评定量表。在目标3中，我们将基于小脑功能的个体化模型为共济失调患者开发补偿机器人辅助。这对于患有最严重共济失调和学习问题但在Aim 1中根本不学习的个人来说是至关重要的。总之，该建议提供了一个科学框架，用于确定个人康复运动学习潜力与智能补偿机器人辅助需求。我们的总体目标是为制定和选择新的康复策略提供基础。
在这个项目中，我们将确定小脑损伤患者是否能够1）使用不依赖小脑的运动学习机制在短时间内学习提高伸手能力，2）通过几周的训练提高长期伸手能力，3）受益于个性化的机器人伸手帮助。我们假设，许多轻度至中度小脑共济失调患者可以使用强化运动学习机制在短时间和长时间范围内学习，这可能会使他们在数周的训练中受益。我们认为，患有最严重共济失调的个体可能会从机器人帮助中受益最多，这种机器人帮助可以帮助他们特定的失调模式。我们将使用阶段性测试策略来确定哪一种可能对共济失调患者最有用。