基于Physio-avatar肌电生物反馈(PAEB)体验对运动表现影响的初步研究

《Frontiers in Bioengineering and Biotechnology》：A pilot study on the effects of a physio-avatar EB experience on motor performance

　　

摘要：引言：近年来，结合虚拟现实(VR)与肌电图(EMG)的神经康复治疗受到关注。研究人员开发了一套基于上述技术的系统，使受试者可在VR环境中体验由自身EMG信号控制、具有任意动力学特性的化身[生理化身EMG生物反馈(Physio-avatar EMG Biofeedback, PAEB)]。本研究通过该系统的应用，检验体验比真实身体感觉更慢的化身是否能促进小脑内部模型(internal models)的再学习并改善运动表现。方法：共30名健康成人参与实验，分为四组：PAEB适应组(n=6，接受长时间PAEB训练)、PAEB非适应组(n=7，仅短时间PAEB暴露)、对照组(n=8，体验反映实际运动且无EMG控制的真实身体化身Real-Body Avatar, RBA)、抗阻训练(Resistance Training, RT)对照组(n=9，进行与PAEB适应组相当等负荷的等长收缩但无视觉化身反馈)。以真实肢体伸够(reaching)任务中的角速度评估运动表现，各组于适应期前后分别执行该任务以评估PAEB暴露效应。采用主观问卷评估本体所有感(Sense of Ownership, SoO)与主动控制感(Sense of Agency, SoA)。结果：被试水平单尾Mann–Whitney U检验(α=0.05)显示PAEB适应组中6名受试者有5名运动表现显著提高；其余组除PAEB非适应组1名、对照组1名及RT对照组1名外未见显著改善，且RT对照组无人改善，多数角速度下降。组内比较采用单尾Wilcoxon符号秩检验(α=0.05)，仅PAEB适应组基线与后测角速度较基线大幅提升(25.4％)。问卷结果显示仅PAEB适应组随重复PAEB暴露有SoA升高趋势。讨论：PAEB适应组运动表现改善提示，体验动力学被改变的化身通过错误驱动的内部模型更新改变了运动控制策略。RT对照组承受同等物理负荷却无改善支持该解释。表明运动速度提升更可能源于错误学习引发的内部模型重新校准(internal model recalibration)，而非物理训练引起的急性神经肌肉反应。结论：体验比自身身体运动更慢的PAEB化身有可能改善运动表现，但因接受PAEB训练的受试者数量有限，需更大样本验证。

论文解读：基于Physio-avatar肌电生物反馈(PAEB)体验对运动表现影响的初步研究

该研究发表于《Frontiers in Bioengineering and Biotechnology》。人类运动控制依赖大脑内构建的内部模型(internal model)，包括正向模型(forward model)与逆向模型(inverse model)，小脑依据预测与实际感觉反馈的偏差更新这些模型，此过程称错误学习(error learning)。神经损伤患者（如卒中）此过程常受损，传统康复靠重复体力练习与主观量表评估，存在枯燥、动机不足及无法量化内部模型实时适应等问题。虚拟现实(Virtual Reality, VR)与表面肌电图(surface Electromyography, sEMG)结合可提供沉浸式、定量化的运动学习界面。研究人员此前开发了生理化身EMG生物反馈(Physio-avatar EMG Biofeedback, PAEB)原型系统，用神经肌肉骨骼系统(Neuromusculoskeletal System, NMSS)模型将sEMG转为VR中连续的一维肘关节角度，先前工作发现PAEB（放慢、增阻尼）诱发感觉预测误差(sensory prediction error)并在肌电层面调节运动策略，但是否转化为客观运动表现（如最大角速度）改善尚不清楚。本研究以健康成人为对象，探究适应PAEB系统——刻意使化身比真实肢体反应慢、产生感觉预测误差——能否通过错误学习重新校准内部模型，从而提升随后真实伸够(reaching)任务中的最大角速度，并考察本体所有感(Sense of Ownership, SoO)与主动控制感(Sense of Agency, SoA)变化。

主要关键技术方法：

30名健康成人（22.9±0.96岁，男28女2）随机分四组：PAEB适应组(n=6，充分时长PAEB体验至达适应完成标准)、PAEB非适应组(n=7，仅单次短时长PAEB)、对照组(n=8，用反映真实运动的真实身体化身Real-Body Avatar, RBA无EMG控制)、抗阻训练(Resistance Training, RT)对照组(n=9，等长收缩匹配PAEB组物理负荷但无化身仅给力反馈条)。PAEB系统由Meta Quest 3 HMD、LabVIEW及NIHON KOHDEN WEB-5000采集肱二/三头肌sEMG(1000 Hz)，经带通及低通滤波、整流与二阶低通(22 Hz)平滑后输入NMSS模型（NM与MS二阶传递函数，K_NM·K_MS=500, ω_nNM=ω_nMS=5.0 rad/s, ζ_NM=ζ_MS=0.9，增延时与阻尼使化身慢于真实肢体）得虚拟关节角经TCP/IP传至Unity驱动VRM格式人形化身。实验含基线伸够任务（RBA模式但化身隐藏，屈肘60°触目标取末10试最大角速度）、适应任务（RBA熟悉后PAEB/ RBA /力反馈RT各按组，PAEB适应组反复至标准或5组，非适应组仅1组3 min，对照RBA 3 min或至标准，RT组5组每5 min力条维持≈60% MVC isometric收缩）、后测伸够任务（条件同基线）、清洗(Washout, WO)任务（RBA显示化身触目标助再适应）。SoO（感到VR手臂是自身一部分？）与SoA（感到VR手臂运动由自己意图引起？）用7点Likert量表在指定节点测评。主要结局指标为伸够任务肘屈最大角速度及其前后变化率，统计用Shapiro–Wilk正态性检验后选用单尾配对t检验或Wilcoxon符号秩检验及Mann–Whitney U检验（α=0.05），效应量r按公式r=Z/√N或r=t/√(t²+df)计算。

研究结果

4.1 Questionnaire results (SoO/SoA)

PAEB组初入PAEB时SoO略降（不显著）SoA显著降(p<0.001)；随重复PAEB暴露SoA呈回升趋势（PAEB(last)较PAEB1升1.5分），WO恢复RBA后SoO、SoA显著回升(p=0.010)。非适应组PAEB期间SoA显著低于RBA期(p=0.002)，WO后SoO显著升。对照组全程SoO/SoA稳定无变化。表明PAEB引入的视-运动不匹配暂时降低SoA，充分适应过程中正向模型更新使SoA部分恢复。

4.2 Motor performance (maximum angular velocity)

取最后10试最大角速度分析，基线与后测组间无差异(p=0.975)。PAEB适应组组内后测较基线平均提升25.4％（基线4.98 rad/s→后测6.09 rad/s, p=0.031, r=0.538大效应）；其余三组无组内显著提升（非适应组-5.86%, p=0.711；对照组-0.42%, p=0.527；RT对照组-15.3%, p=0.980）。个体水平Mann–Whitney U检验显示PAEB适应组6人中5人角速度显著提高，非适应组7人中仅1人、对照组8人中仅1人、RT对照组9人中0人提高，RT对照组多数下降。说明充分适应PAEB（而非短时暴露、单纯RBA或单纯等长负荷）特异性提升真实肢体最大角速度。

总结讨论与结论翻译

讨论指出PAEB适应组改善而同等物理负荷RT组未改善甚至多下降（符合等长收缩致疲劳），提示改善非源于神经肌肉急性反应或本体感觉错位，而是PAEB故意引入的视觉延迟与阻尼造成感觉预测误差，驱动中枢神经系统通过增大运动指令增益来补偿"偏慢"的化身预测，该重新校准作为后效(after-effect)延续到无化身真实运动中致更快伸够，支持错误学习框架下的内部模型重新校准机制。短时PAEB未引足够适应故无改善；SoA随重复暴露回升印证内部模型逐渐适配PAEB动力学。局限性含样本小且年轻男性为主、未盲法、NMSS参数-个体肢体动力学失配可能影响适应、速度提升在病理人群未必等同功能改善、单条目SoO/SoA量表建议未来换标准化具身问卷及控制先验VR经验等协变量。未来需扩大样本、个性化NMSS参数、探明效应持久性并引入VMA量化指标。

结论原文翻译：本研究中，研究人员考察了健康受试者适应PAEB系统中"感觉比真实身体更慢、更难移动"的化身如何影响运动表现。实验结果表明，对此类PAEB的适应可改善运动表现。值得注意的是，尽管PAEB适应组个体水平观察到最大角速度的显著提升，其他组（包括PAEB非适应组、RBA对照组及经历同等物理负荷但无视觉化身反馈的RT对照组）组水平均未发现此类改善。这些发现提示，运动速度的提升更可能归因于运动学习——具体为由视-运动差异驱动的内部模型重新校准(internal model recalibration)——而非物理负荷引起的急性神经肌肉反应。基于上述结果，后续研究将扩大受试者规模、进一步完善实验方案，并探讨上述效应的中长期持续性。