Slagtilfælde er den tredje hyppigste dødsårsag og den største årsag til handicap erhvervet af voksne i højindkomstlande. Under genoptræningen fra et slagtilfælde er tidlig mobilisering en vigtig faktor i bedringen samt løbende vedligeholdelse af fysisk form resten af patientens liv. For at komme over handicap erhvervet som følge af et slagtilfælde er flere rehabilitering teknikker blevet foreslået, blandt disse er en forholdsvis ny teknik: brain computer interface (BCI) denne teknik kan enten oversætte hjernesignaler til handlinger eller oversætter signaler til aktivering en ekstern enhed. BCI systemer er blevet designet til at genkende movement relaterede cor- tical potentials (MRCP) i realtid, andre systemer har registreret ikke kun begyndelsen af en bevægelse, men også den ønskede bevægelses hastighed og kraft. Ingen af disse systemer har dog undersøgt, hvor hurtigt BCI kontrol kan læres, og de har heller ikke undersøgt hvor robuste BCI systemer, som bruger MRCP som et styresignal er over tid.
Formålet med dette projekt var at undersøge ændringer i ydeevne over tid for et BCI system designet til at detektere MRCPer og den ønskede hastighed af bevægelsen. Det påtænkes, at MRCP kan anvendes som et styresignal fra den første træningsgang, og at ydeevnen ikke vil ændre sig væsentligt i løbet af et longitudinelt studie på grund af enkelheden af de bevægelser, der udføres.
7 raske frivillige blev brugt til at teste, hvad effekten af træning af et BCI-system over tid var, og om MRCPer fra raske forsøgspersoner for ikke komplekse dorsiflexioner ændre sig over tid. BCI systemet blev også testet en træningsgang på 6 patienter, som har haft et slagtilfælde der påvirker deres motorcortex for at se hvordan BCI-systemet kunne detektere forskelle i hastighed baseret på MRCPer for patienter med slagtilfælde. Dette blev gjort for at undersøge, om BCI kan anvendes til genoptræning fra den første træningsgang.
Et BCI designet til at detektere MRCPer og klassificere dem baseret på bevægelses hastigheder, enten hurtige bevægelser på 0,5 sekunder eller langsomme bevægelser på tre sekunder blev un- dersøgt i løbet af to træningsgange pr. uge i fire uger og en fire ugers pause efterfulgt af en kontrol træning. Tre forskellige træningsscenarier blev testede for at undersøge om brug af data fra mere end én session vil øge ydeevnen af BCI systemet. Den første test fokuserede på kun at bruge tidligere optaget data og ingen træning af forsøgspersonen inden testen. Den anden test brugt kun træningsdata optaget i løbet af den session for en mere aktuel detektion og klassifi- ceringen, men med en mindre mængde data. Den tredje test, som anvender al tilgængelig data og træner forsøgspersonen i de forskellige typer af bevægelser inden testen blev udført. Dette menes at have den højeste nøjagtighed, men også den mest tidskrævende.
Den gennemsnitlige detektion, klassifikation, og systemets ydeevne til de tre forskellige træn- ingsscenarier var hhv. 79 ± 1 % , 56 ± 1 % og 45 ± 1 %. En enkelt træningsgang blev udført med 6 patienter til at undersøge hvor godt BCI fungerede for patienter. Den gennemsnitlige detektion, klassifikation, og systemets ydeevne til de tre forskellige test var hhv. 88 ± 12 % , 57 ± 6 % , og 50 ± 9 %.
Disse resultater tyder på, det er muligt at bruge et BCI med meget lidt træning og øge ydeev- nen af systemet ved at bruge al tilgængelige data. Resultaterne viser også at der ikke er var nogen stigning eller et fald i systemets ydeevne over tid, kontrolsessionen viste, at det ikke var nødvendigt at træne forsøgspersonen efter en fire ugers pause, hvis tilstrækkelig forudgående træningsdata var tilstede. Sessionen med patienter viste detektionsnøjagtigheder, som sandsyn- ligvis kan bruges til hjælpe patienter med rehabilitering ved at kombinere et online BCI system med fx funktionel elektrisk stimulation.