Marcher naturellement après une lésion de la moelle épinière à l'aide d'un cerveau

Nature volume 618, pages 126–133 (2023)Citer cet article

257 000 accès

1 Citations

6358 Altmétrique

Détails des métriques

Une lésion de la moelle épinière interrompt la communication entre le cerveau et la région de la moelle épinière qui produit la marche, entraînant une paralysie1,2. Ici, nous avons restauré cette communication avec un pont numérique entre le cerveau et la moelle épinière qui a permis à une personne atteinte de tétraplégie chronique de se tenir debout et de marcher naturellement dans un cadre communautaire. Cette interface cerveau-rachis (BSI) consiste en des systèmes d'enregistrement et de stimulation entièrement implantés qui établissent un lien direct entre les signaux corticaux3 et la modulation analogique de la stimulation électrique épidurale ciblant les régions de la moelle épinière impliquées dans la production de la marche4,5,6. Un BSI très fiable est calibré en quelques minutes. Cette fiabilité est restée stable sur un an, y compris lors d'une utilisation autonome à domicile. Le participant rapporte que le BSI permet un contrôle naturel des mouvements de ses jambes pour se tenir debout, marcher, monter des escaliers et même traverser des terrains complexes. De plus, la neuroréhabilitation soutenue par le BSI a amélioré la récupération neurologique. Le participant a retrouvé la capacité de marcher avec des béquilles au-dessus du sol même lorsque le BSI était éteint. Ce pont numérique établit un cadre pour restaurer le contrôle naturel du mouvement après une paralysie.

Pour marcher, le cerveau délivre des commandes exécutives aux neurones situés dans la moelle épinière lombo-sacrée7. Bien que la majorité des lésions de la moelle épinière n'endommagent pas directement ces neurones, la perturbation des voies descendantes interrompt les commandes cérébrales nécessaires à ces neurones pour produire la marche8. La conséquence est une paralysie permanente.

Nous avons précédemment montré que la stimulation électrique épidurale ciblant les zones individuelles d'entrée de la racine dorsale de la moelle épinière lombo-sacrée permet la modulation des pools moteurs spécifiques des jambes9,10,11,12. À son tour, le recrutement de ces zones d'entrée de la racine dorsale avec des séquences spatio-temporelles préprogrammées reproduit l'activation physiologique des pools moteurs des jambes sous-jacents à la position debout et à la marche4,5,11,13,14. Ces séquences de stimulation ont restauré la station debout et la marche de base chez les personnes paralysées suite à une lésion de la moelle épinière. Cependant, cette récupération nécessitait des capteurs de mouvement portables pour détecter les intentions motrices des mouvements résiduels ou des stratégies compensatoires pour initier les séquences de stimulation préprogrammées5. Par conséquent, le contrôle de la marche n'était pas perçu comme tout à fait naturel. De plus, les participants ont montré une capacité limitée à adapter les mouvements des jambes aux changements de terrain et aux exigences volontaires.

Ici, nous suggérons qu'un pont numérique13,15,16,17,18,19 entre le cerveau et la moelle épinière permettrait un contrôle volontaire sur le moment et l'amplitude de l'activité musculaire, rétablissant un contrôle plus naturel et adaptatif de la position debout et de la marche chez les personnes paralysées en raison d'une lésion de la moelle épinière.

Pour établir ce pont numérique, nous avons intégré deux systèmes entièrement implantés qui permettent l'enregistrement de l'activité corticale et la stimulation de la moelle épinière lombo-sacrée sans fil et en temps réel (Fig. 1a).

a, Deux implants corticaux composés de 64 électrodes sont positionnés épiduralement sur le cortex sensorimoteur pour collecter les signaux ECoG. Une unité de traitement prédit les intentions motrices et traduit ces prédictions en modulation de programmes de stimulation électrique épidurale ciblant les zones d'entrée de la racine dorsale de la moelle épinière lombo-sacrée. Les stimulations sont délivrées par un générateur d'impulsions implantable connecté à une sonde à palette à 16 électrodes. b, Images rapportant la planification préopératoire des emplacements des implants corticaux et la confirmation postopératoire. L, gauche ; R, c'est vrai. c, Modèle informatique personnalisé prédisant la localisation optimale de la sonde à palettes pour cibler les zones d'entrée de la racine dorsale associées aux muscles des membres inférieurs, et confirmation postopératoire.

Pour surveiller les signaux électrocorticographiques (ECoG) du cortex sensorimoteur, nous avons exploité la technologie WIMAGINE3,20. Les implants WIMAGINE se composent d'une grille 8 par 8 de 64 électrodes (pas de 4 mm × 4,5 mm dans les axes antéropostérieur et médiolatéral, respectivement) et d'une électronique d'enregistrement qui sont intégrées dans un boîtier en titane de forme circulaire de 50 mm de diamètre qui a la même épaisseur que le crâne. La géométrie du système favorise un contact étroit et stable entre les électrodes et la dure-mère, et rend les dispositifs invisibles une fois implantés dans le crâne.

Deux antennes externes sont intégrées dans un casque personnalisé qui assure un couplage fiable avec les implants. La première antenne alimente l'électronique implantée par couplage inductif (haute fréquence, 13,56 MHz), tandis que la seconde antenne ultra haute fréquence (UHF, 402–405 MHz) transfère les signaux ECoG en temps réel à une station de base portable et à une unité de traitement, qui génère des prédictions en ligne des intentions motrices sur la base de ces signaux (Extended Data Fig. 1).

Les intentions motrices décodées sont ensuite converties en commandes de stimulation qui sont transférées vers un logiciel adapté fonctionnant sur la même unité de traitement.

Ces commandes sont transmises au générateur d'impulsions implantable ACTIVA RC (Fig. 1a), qui est couramment utilisé pour délivrer une stimulation cérébrale profonde chez les patients atteints de la maladie de Parkinson. Nous avons amélioré cet implant avec des modules de communication sans fil qui permettaient un ajustement en temps réel de l'emplacement et du moment de la stimulation électrique péridurale avec une latence d'environ 100 ms (Extended Data Fig. 1).

Des courants électriques sont ensuite délivrés aux zones d'entrée ciblées de la racine dorsale à l'aide de la sonde à palette implantable Spécifier 5-6-5, qui se compose d'un réseau incorporant 16 électrodes.

Cette chaîne intégrée de matériel et de logiciels a établi un pont numérique sans fil entre le cerveau et la moelle épinière : une interface cerveau-colonne vertébrale (BSI) qui convertit l'activité corticale en la modulation analogique des programmes de stimulation électrique péridurale pour régler l'activation des muscles des membres inférieurs, et ainsi retrouver la position debout et la marche après une paralysie due à une lésion de la moelle épinière (Vidéo supplémentaire 1).

Dans le cadre de l'essai clinique Stimulation Movement Overground (STIMO)-BSI (clinicaltrials.gov, NCT04632290), nous avons recruté un homme de 38 ans qui avait subi une lésion incomplète de la moelle épinière cervicale (C5/C6) lors d'un accident de vélo dix ans auparavant. Il avait auparavant participé à l'essai clinique STIMO (clinicaltrials.gov, NCT02936453), qui impliquait un programme de neuroréhabilitation de cinq mois soutenu par une stimulation électrique épidurale ciblée de la moelle épinière4,5. Ce programme lui a permis de retrouver la capacité de marcher à l'aide d'un déambulateur. Malgré l'utilisation continue de la stimulation à domicile, pendant environ trois ans, il avait atteint un plateau de récupération neurologique, ce qui l'a motivé à s'inscrire au STIMO-BSI.

Pour guider l'implantation du BSI, nous avons développé des procédures de planification préopératoire qui nous ont permis d'optimiser le positionnement des implants d'enregistrement et de stimulation sur le cerveau et la moelle épinière.

Le BSI nécessite la détection de caractéristiques neuronales liées à l'intention de bouger les membres inférieurs gauche et droit. Afin d'identifier les régions corticales les plus sensibles à la tentative de déplacement de chaque articulation des membres inférieurs, nous avons acquis des données d'imagerie anatomique et fonctionnelle basées sur la tomodensitométrie et la magnétoencéphalographie (Fig. 1b). Ces acquisitions ont permis d'identifier les régions du cortex cérébral qui répondaient plus vigoureusement à l'intention de bouger les membres inférieurs gauche et droit. Nous avons intégré ces informations aux contraintes anatomiques, pour définir le positionnement optimal des deux implants enregistreurs ECoG qui visent à décoder les mouvements des membres inférieurs gauche et droit. L'emplacement des deux implants a été téléchargé sur un système de neuronavigation pour établir la planification préopératoire de l'intervention neurochirurgicale.

Sous anesthésie générale, une incision bicoronaire du cuir chevelu a été réalisée pour permettre deux craniotomies de forme circulaire sur les emplacements prévus des hémisphères gauche et droit, à l'aide d'un trépan circulaire sur mesure correspondant au diamètre des implants. Nous avons ensuite remplacé les lambeaux osseux par les deux dispositifs d'enregistrement implantables, avant de refermer le cuir chevelu.

La sonde à palette a été positionnée sur les zones d'entrée de la racine dorsale de la moelle épinière lombaire au cours de l'essai clinique STIMO. La position optimale de la sonde a été identifiée à l'aide d'un modèle personnalisé du rachis élaboré à partir d'imagerie structurale haute résolution5 (Fig. 1c). La localisation définitive a été optimisée en peropératoire sur la base d'enregistrements électrophysiologiques4,5. Le générateur d'impulsions implantable, qui était connecté à la sonde, a été inséré dans une poche sous-cutanée abdominale.

Le participant est sorti 24 h après chaque intervention neurochirurgicale.

L'étalonnage du BSI a nécessité deux procédures indépendantes pour sélectionner les caractéristiques des enregistrements ECoG qui discriminent l'intention de bouger et pour configurer des programmes de stimulation qui modulent des ensembles spécifiques de muscles des membres inférieurs.

La première procédure consistait à extraire les caractéristiques spatiales, spectrales et temporelles des signaux ECoG qui étaient liées à l'intention de mobiliser chaque articulation des deux membres inférieurs. À cette fin, le participant a été invité à tenter des mouvements de la hanche, du genou et de la cheville des côtés gauche et droit en position assise, au cours desquels des signaux ECoG ont été enregistrés simultanément. Cette cartographie a permis l'identification des électrodes, des caractéristiques spectrales et des fenêtres temporelles qui ont capturé la plus grande quantité d'informations liées au mouvement4,21,22,23,24 (Fig. 2a et Extended Data Fig. 2). Les électrodes qui mesuraient les signaux neuronaux en corrélation avec les mouvements des jambes étaient situées sur la face la plus médiale de l'implant, rostrale au sillon central, comme prévu sur la base des enregistrements magnétoencéphalographiques préopératoires. La distribution spatiale de ces électrodes a suivi une somatotopie qui a permis la discrimination précise des mouvements de la hanche, du genou et de la cheville (Extended Data Fig. 2c). D'autre part, les mouvements liés aux membres supérieurs coïncidaient avec la modulation des signaux ECoG mesurés à travers des électrodes situées sur la face latérale de l'implant (Extended Data Fig. 2f). Les informations liées au mouvement étaient contenues sur toute la gamme des bandes de fréquences bêta et gamma des signaux ECoG (Fig. 2a et Données étendues Fig. 2g). Cette procédure nous a permis de configurer les implants avec des fonctionnalités optimales pour permettre au participant d'utiliser le BSI (Extended Data Fig. 2f,g).

a, Identification des distributions spatiales et spectrales des poids des caractéristiques ECoG liées aux tentatives de flexion de la hanche gauche. b, Étalonnage des configurations anode/cathode et des paramètres de stimulation (fréquence, plage d'amplitudes) pour provoquer les flexions de la hanche gauche, y compris les signaux électromyographiques des muscles des membres inférieurs. Le tracé polaire rapporte l'amplitude relative des réponses musculaires pour la configuration optimale pour cibler les fléchisseurs de la hanche gauche sur la plage d'amplitudes de stimulation fonctionnelle (300 µs, 40 Hz, 14–16 mA). c, Étalonnage en ligne du BSI pour permettre la flexion volontaire de la hanche en position assise. Spectrogramme de rapport de séquence représentative, probabilité de décodage et modulation proportionnelle des amplitudes de stimulation ainsi que l'activité musculaire et le couple résultants. Le graphique rend compte de la convergence du modèle dans le temps, atteignant 97 ± 0,4 % après 90 s. d, Représentations similaires après calibrage du BSI pour permettre le contrôle des articulations de la hanche, du genou et de la cheville des membres inférieurs. e, Matrices de confusion rapportant la précision du décodage pour chaque articulation (74 ± 7 % sem) et la précision de la stimulation pour chaque groupe musculaire ciblé (83 ± 6 % sem).

La deuxième procédure consistait à paramétrer les programmes de stimulation (Fig. 2b). La stimulation électrique épidurale de la moelle épinière peut moduler des ensembles spécifiques de pools moteurs par le recrutement des zones d'entrée de la racine dorsale se projetant vers les régions de la moelle épinière où résident ces pools moteurs9,25. À leur tour, des configurations optimisées d'anodes et de cathodes peuvent orienter les champs électriques vers des sous-ensembles spécifiques de zones d'entrée de la racine dorsale pour moduler des ensembles bien définis de pools de motoneurones5,9,25. Ce principe physiologique permet de réguler les mouvements d'extension et de flexion de chaque articulation. Nous avons tiré parti de ce principe pour configurer une bibliothèque de programmes de stimulation électrique péridurale ciblés qui mobilisaient les articulations de la hanche, du genou et de la cheville des deux côtés. Concrètement, nous avons configuré des combinaisons d'anodes et de cathodes, des fréquences et des amplitudes de stimulation pour orienter les courants électriques afin d'obtenir un contrôle progressif de l'activité des groupes musculaires ciblés (Extended Data Fig. 2b – d).

Nous avons ensuite exploité les configurations des implants corticaux et rachidiens pour calibrer le BSI sur la base d'un algorithme multilinéaire récursif à commutation Aksenova / Markov pondéré exponentiellement qui liait les signaux ECoG au contrôle des paramètres de stimulation électrique épidurale (Extended Data Fig. 1).

L'algorithme a été conçu pour générer deux prédictions distinctes. Tout d'abord, un modèle de déclenchement a calculé la probabilité de l'intention de déplacer une articulation spécifique. Deuxièmement, un modèle multilinéaire indépendant a prédit l'amplitude et la direction du mouvement prévu. Les propriétés adaptatives de l'algorithme ont permis une paramétrisation incrémentielle en ligne des modèles tout au long de la période d'étalonnage. Un modèle de Markov caché assurait la stabilité et la robustesse des prédictions26.

Nous avons ensuite traduit les prédictions de l'algorithme dans un contrôleur analogique qui a ajusté l'amplitude des commandes de stimulation spécifiques aux articulations. Ces commandes mises à jour étaient transmises au générateur d'impulsions implantable toutes les 300 ms.

Dès la première séance après intervention neurochirurgicale, l'algorithme a calibré un BSI permettant au participant de contrôler la flexion relative des hanches gauche et droite d'un avatar projeté sur un écran (Vidéo supplémentaire 2). Nous avons ensuite intégré le contrôle analogique sur l'amplitude de stimulation à l'algorithme. À partir d'une position allongée, en moins de deux minutes, le participant a pu contrôler l'activité des muscles de la hanche pour générer un couple avec une précision de 97 % (Fig. 2c).

Nous avons ensuite élargi ce cadre BSI pour permettre au participant de contrôler l'amplitude relative des articulations de la hanche, du genou et de la cheville bilatéralement avec l'état de repos, ce qui représente un total de sept états. En utilisant ce BSI proportionnel combinant sept états, le participant a obtenu un contrôle progressif du mouvement de chaque articulation bilatéralement avec une précision de 74 ± 7%, alors que le niveau de chance était limité à 14% (Fig. 2d, e). La latence du décodeur était aussi faible que 1,1 s (±0,15 s sem) pour les sept états.

Ces premières sessions ont validé la procédure d'étalonnage rapide, robuste et précise d'un BSI fonctionnant sur plusieurs dimensions.

Nous nous sommes ensuite demandé si cette procédure supportait le calibrage d'un BSI qui restaure le contrôle naturel de la marche.

La marche implique des séquences bien définies de schémas d'activation musculaire qui favorisent l'acceptation du poids, la propulsion et le balancement des membres inférieurs gauche et droit. Ces séquences coïncident avec l'activation des pools moteurs situés dans des régions bien séparées de la moelle épinière lombo-sacrée4,27. Par conséquent, nous avons sélectionné les programmes de stimulation de la bibliothèque qui ciblaient les muscles associés aux fonctions d'acceptation du poids, de propulsion et de balancement, et avons lié ces programmes aux probabilités de décodage. Nous avons calibré le BSI pour permettre au participant de contrôler l'amplitude relative des programmes de stimulation pour l'acceptation du poids et les fonctions de swing.

Nous avons d'abord testé ce BSI lors d'élévations volontaires du pied en position debout. Après seulement 5 minutes d'étalonnage, le BSI a permis un contrôle continu de l'activité des muscles fléchisseurs de la hanche, ce qui a permis au participant de multiplier par cinq l'activité musculaire par rapport aux tentatives sans le BSI (Fig. 3a).

a, Tentatives d'exécution de flexions volontaires de la hanche sans et avec le BSI, y compris photographies, élévation verticale du genou et activité des muscles fléchisseurs de la hanche. Les diagrammes à barres indiquent les valeurs moyennes de ces mesures. (n = 3 tentatives par condition, test t unilatéral non apparié, ***P < 0,001.) b, Chronophotographie pendant la marche avec le BSI allumé, éteint puis rallumé. A noter les deux tentatives décodées qui n'entraînent ni activité musculaire ni exécution de pas. c, Gamme d'amplitude de stimulation pendant la marche. d, diagrammes à barres rapportant les valeurs moyennes des paramètres d'activité cinématique et musculaire pendant la marche avec le BSI désactivé et activé, (n = 3 et 8 tentatives pour BSIOFF et BSION, respectivement, test t unilatéral non apparié, *** P < 0,001, P (activation du psoas iliaque) = 3,4 × 10−4, P (hauteur du pas) = ​​5,1 × 10−10, P (angle de la hanche) = 2,7 × 10−5, P(angle de coude) = 1,6 × 10−9). e, Chronophotographie de la station debout (pause volontaire) et de la marche avec le BSI en extérieur. Le spectrogramme, les probabilités de pas gauche et droit et la modulation des amplitudes de stimulation illustrent la robustesse des performances et l'absence de détections de faux positifs lors de la pause volontaire. f, les tracés rapportent la probabilité de flexions de la hanche droite sur des pas consécutifs mesurés lors de la première séance après l'implantation neurochirurgicale (n = 13 pas, précision = 0,92 ± 0,1 sd, w = 2,66 ± 0,6 s sd), et à 2 (n = 46 pas, précision = 0,93 ± 0,1 sd, w = 2,64 ± 0,6 s sd), 6 (n = 41 pas, précision = 0,97 ± 0,1 sd, w = 2,56 ± 0,9 s sd) et 11 mois (n = 29 pas, précision = 0,97 ± 0,1 sd, w = 1,71 ± 0,4 s sd) après la première activation du BSI en utilisant des modèles mis à jour (Extended Data Fig. 5).

Nous avons fourni la même configuration pour supporter la marche avec des béquilles. Le BSI a permis un contrôle continu, intuitif et robuste de la marche (Fig. 3b). Lorsque le BSI a été désactivé, le participant a instantanément perdu la capacité d'effectuer n'importe quelle étape, malgré les tentatives détectées de marche à partir de la modulation de l'activité corticale. La marche a repris dès que le BSI a été rallumé. Le participant a pu décider s'il devait commencer à marcher, marcher continuellement, s'arrêter ou se tenir tranquillement sans détecter de faux positifs qui nuiraient à la performance debout (Extended Data Fig. 3). En effet, les évaluations de l'échelle d'équilibre de Berg ont révélé que le BSI n'altérait pas, et même légèrement amélioré, les capacités d'équilibre globales (Extended Data Fig. 3c).

Le participant a rapporté que le BSI permettait un contrôle naturel de ses mouvements pendant la marche (Vidéo supplémentaire 2). Nous avons cherché à capturer cette perception subjective avec des résultats quantifiés. Pour cela, nous avons appliqué une analyse en composantes principales à la cinématique corps entier et à l'activité musculaire recueillies lors de la marche sur tapis roulant avec le BSI ou avec les mêmes programmes de stimulation pilotés en boucle fermée à partir de capteurs de mouvement fixés aux pieds. Par rapport à la stimulation seule, le BSI a permis de marcher avec des caractéristiques de marche nettement plus proches de celles quantifiées chez les individus en bonne santé (Extended Data Fig. 4a). Le BSI assurait un lien continu entre le mouvement voulu et la modulation des protocoles de stimulation, ce qui se traduisait par la capacité à marcher au-dessus du sol de manière autonome avec des béquilles. Lorsque les mouvements intentionnels ont été détectés à partir des capteurs de mouvement, le participant a signalé un décalage temporel fréquent entre les détections et ses intentions, ce qui a altéré sa capacité à marcher dans ces conditions (Extended Data Fig. 4b).

Nous avons ensuite cherché à déterminer si le BSI pouvait permettre un contrôle intuitif et naturel sur des activités complexes de la vie quotidienne qui n'étaient pas possibles sans le BSI.

Lorsque le participant s'est inscrit au STIMO, sept ans après son accident, il n'était pas capable de marcher de façon autonome. L'achèvement de cet essai clinique lui a permis de retrouver les bases de la marche lorsque la stimulation était activée, même si cette récupération nécessitait des stratégies compensatoires pour déclencher les séquences de stimulation basées sur les élévations du talon. Il a également récupéré une mobilité partielle sans stimulation. Cependant, il a eu des difficultés à passer de la position debout à la marche et à l'arrêt, et ne pouvait marcher que sur des surfaces planes. De plus, il n'était pas en mesure d'ajuster les mouvements des membres inférieurs pour progresser sur des rampes, surmonter des obstacles ou monter des escaliers, ce qui est nécessaire pour soutenir la mobilité dans la vie quotidienne.

Pour démontrer que le BSI a remédié à ces limitations, nous avons conçu une succession de modèles imitant les conditions sous-jacentes à ces activités de la vie quotidienne.

Nous avons d'abord demandé si le participant était capable de marcher sur un terrain escarpé nécessitant une modulation adaptative de l'amplitude de l'activité musculaire. Avec le BSI, le participant montait et descendait facilement une rampe raide, effectuant cette tâche deux fois plus vite que sans stimulation. Le BSI a également permis un dégagement élevé des marches, nécessaire pour gravir une succession d'escaliers, négocier des obstacles et traverser des terrains changeants (données étendues Fig. 4c, d). Toutes ces tâches ont été effectuées avec la même configuration BSI, qui s'est avérée très fiable pour prendre en charge une grande variété de tâches avec des contraintes très différentes (Extended Data Fig. 4c, d).

Nous avons ensuite cherché à évaluer la stabilité du BSI. Pour cela, nous avons quantifié la stabilité des signaux corticaux et des décodeurs dans le temps, et la nécessité d'ajuster les programmes de stimulation.

Après une période transitoire d'un mois, au cours de laquelle les signaux corticaux ont présenté de modestes changements dans le contenu spectral des différentes bandes de fréquences, les signaux ECoG sont restés stables au cours des mois suivants (Extended Data Fig. 5a). La diminution de la puissance spectrale a été limitée à 0,03 dB par jour en moyenne. Cette stabilité a permis des performances robustes. Par exemple, nous avons constaté que le même décodeur permettait au participant d'obtenir un contrôle progressif sur six articulations malgré un intervalle de deux mois entre les deux sessions (Extended Data Fig. 6). Nous avons tiré parti de cette robustesse pendant la neuroréhabilitation, car nous n'avons recalibré le BSI que lorsque cela était jugé nécessaire par le participant et/ou les physiothérapeutes pour promouvoir la meilleure performance fonctionnelle possible. Malgré ces recalibrages, les caractéristiques des décodeurs sont restées remarquablement stables dans le temps (Extended Data Fig. 5b). En effet, la qualité du signal et la précision du décodage pendant la marche sont restées globalement inchangées sur près d'un an d'utilisation (Fig. 3f et Extended Data Fig. 5d). Alors que les caractéristiques corticales sont restées stables dans le temps, nous avons détecté un renforcement progressif de leur profondeur de modulation, ce qui a révélé des améliorations progressives de la capacité du participant à moduler son activité corticale lors de l'utilisation du BSI (Extended Data Fig. 5e).

La bibliothèque de programmes de stimulation a montré la même stabilité. La plage optimale d'amplitudes de stimulation dépendait de la configuration spécifique des électrodes et des muscles ciblés (Extended Data Fig. 5c). Cependant, ces plages d'amplitudes de stimulation sont restées stables sur un an d'utilisation, et les seuils de stimulation n'ont pas évolué dans le temps.

L'étude clinique a été conçue pour déterminer si la neuroréhabilitation soutenue par le BSI améliore encore la récupération neurologique (Fig. 4a). Avant de s'inscrire au STIMO-BSI, le participant avait complété l'essai clinique STIMO, qui lui a permis de retrouver le contrôle volitionnel de muscles auparavant paralysés et d'améliorer ses fonctions de station debout et de marche. Cependant, après trois ans d'entraînement régulier avec stimulation uniquement, il avait atteint un plateau de récupération (Fig. 4d – f).

a, Chronophotographie illustrant la capacité de marche du participant sans aucune stimulation avant de s'inscrire à l'essai clinique STIMO (pré-STIMO), après son achèvement (post-STIMO) et après l'achèvement de l'essai clinique STIMO-BSI (post-BSI). b, Chronologie des deux essais cliniques, incluant un camembert rapportant le temps pendant lequel les différents types d'exercices de neuroréhabilitation ont été pratiqués, ainsi que l'utilisation à domicile du BSI. c, Photographies montrant la flexion maximale de la hanche et l'activité des muscles fléchisseurs associés avant et après la neuroréhabilitation. d, Changements dans les scores moteurs des membres inférieurs au cours des deux essais cliniques. e, Parcelles rapportant des améliorations des scores WISCI II au cours des deux essais cliniques. La neurorééducation soutenue par le BSI a restauré la capacité de marcher sur 10 m avec des béquilles sans aucune aide ni stimulation. f–h, tracés rapportant les quantifications du test de marche de 6 min (f), la capacité portante, le temps de montée et de descente, l'échelle d'équilibre de Berg (g) et l'analyse observationnelle de la marche (h) (chaque point fait référence aux scores d'un physiothérapeute (n = 6, test t unilatéral apparié ; **P = 0,002). N/A, non disponible.

Le participant a effectué 40 séances de neuroréhabilitation (Fig. 4b). qui impliquait la marche avec BSI, les mouvements mono-articulaires avec BSI, l'équilibre avec BSI et la physiothérapie standard. Étant donné que les déficiences étaient plus prononcées dans les muscles fléchisseurs de la hanche, nous avons principalement concentré les exercices d'entraînement et les configurations BSI sur le contrôle de ces muscles.

Ce programme de neuroréhabilitation a entraîné une amélioration prononcée du contrôle volontaire des muscles fléchisseurs de la hanche et des mouvements de flexion de la hanche associés sans stimulation (Fig. 4c). Cette récupération était corrélée à des gains de scores sensoriels (4 points dans le score sensoriel du toucher léger) et moteurs (Fig. 4d), et à une amélioration des capacités debout et de marche qui ont été capturées dans une augmentation des scores WISCI II de 6 avant STIMO à 16 après STIMO-BSI (Fig. 4e). Concrètement, le participant a présenté des améliorations dans toutes les évaluations cliniques conventionnelles, telles que le test de marche de six minutes, les capacités de mise en charge, le chronométrage, l'échelle d'équilibre de Berg et la qualité de la marche évaluée à l'aide de l'échelle d'analyse de la marche par observation28 par des physiothérapeutes en aveugle à l'étude (Fig. 4d – h et tableau de données étendu 3). Ces améliorations sans stimulation se sont traduites par une augmentation significative de la qualité de vie, comme marcher de manière autonome dans la maison, entrer et sortir d'une voiture ou boire une boisson avec des amis debout dans un bar (Vidéo supplémentaire 3).

Le BSI a amélioré les capacités debout et de marche du participant, ce qui nous a obligés à développer un cadre BSI pour une utilisation autonome à domicile.

Nous avons conçu un système qui pourrait être actionné par le participant sans aucune assistance. Ce système comprend un déambulateur équipé d'un boîtier intégré qui embarque tous les composants du BSI (Extended Data Fig. 7). Une interface tactile permet au participant d'interagir avec le logiciel adapté pour lancer une activité, vérifier le placement du casque et régler les amplitudes minimales et maximales des programmes de stimulation. La configuration du matériel et des logiciels est terminée avec un minimum d'entrées de l'utilisateur en moins de 5 minutes, après quoi le participant peut tirer parti du BSI pour la neuroréhabilitation ou pour soutenir les activités de la vie quotidienne (vidéo supplémentaire 4). Le participant a utilisé le système régulièrement pendant 7 mois avec des performances de décodage stables (Extended Data Fig. 7c). Cette utilisation à domicile s'est traduite par une augmentation importante des avantages perçus par le participant, tels que quantifiés par le questionnaire de l'échelle d'impact psychosocial des dispositifs d'assistance (PIADS) (tableau de données étendu 4). La sécurité, l'habileté et la capacité à participer ont été classées avec le maximum de gains possibles dans ce questionnaire.

Nous avons conçu un pont numérique sans fil entre le cerveau et la moelle épinière qui a restauré le contrôle naturel des mouvements des membres inférieurs pour se tenir debout et marcher sur des terrains complexes après une paralysie due à une lésion de la moelle épinière. De plus, la neuroréhabilitation a entraîné des améliorations neurologiques qui ont persisté même lorsque le pont a été éteint.

La validation de ce pont numérique a été limitée à un seul individu présentant des lésions graves mais partielles de la moelle épinière, et il n'est donc pas clair si le BSI sera applicable à d'autres localisations et sévérités de lésions. Cependant, plusieurs observations suggèrent que cette approche sera applicable à une large population d'individus paralysés. Tout d'abord, les principes physiologiques sous-tendant la stimulation électrique épidurale ciblée de la moelle épinière sont maintenant validés chez neuf des neuf personnes traitées présentant des lésions incomplètes4 et complètes56. Deuxièmement, nous avons développé des procédures permettant un étalonnage simple, rapide et stable du lien entre l'activité corticale et les programmes de stimulation, permettant au participant d'utiliser le BSI à la maison sans supervision. Troisièmement, une robustesse et une stabilité comparables de ce cadre informatique et technologique de décodage cérébral ont maintenant été observées chez deux autres personnes tétraplégiques3,26,29. Bien que l'expérience antérieure du participant avec la stimulation ait accéléré la configuration du BSI, nous ne prévoyons pas d'obstacles majeurs à la mise en œuvre d'un BSI chez de nouveaux individus. En effet, nous avons pu paramétrer des programmes de stimulation permettant de rétablir la marche en une journée chez trois participants présentant une paralysie sensorimotrice complète5.

La délivrance d'une stimulation électrique épidurale sur la moelle épinière lombaire a permis à de nombreuses personnes atteintes de lésions de la moelle épinière de retrouver un contrôle adaptatif sur l'activité de muscles autrement paralysés. Cette récupération a été documentée dans diverses études indépendantes, y compris chez des participants atteints de paralysie sensorimotrice complète5,6,30,31,32,33,34. Ces observations indiquent que des voies cérébrales anatomiquement intactes, mais fonctionnellement silencieuses, peuvent moduler l'impact de la stimulation électrique épidurale sur l'activité de la moelle épinière sous la lésion. Cependant, ces études reconnaissent également une série de limites. Premièrement, les paramètres de stimulation doivent être affinés en fonction du muscle ciblé ou de la fonction motrice souhaitée. Deuxièmement, le début de la stimulation doit être précisément synchronisé avec l'intention motrice. Troisièmement, un contrôle finement gradué de l'activité des muscles nécessite de moduler l'amplitude de la stimulation. Le BSI remédie à ces trois limitations. Dans ce scénario, les voies résiduelles et prothétiques convergent vers les mêmes neurones sous la lésion, permettant un contrôle progressif et soutenu de l'activité des muscles. Cette coopération joue probablement un rôle essentiel dans la réorganisation des voies neuronales qui interviennent dans la récupération neurologique en réponse à la neuroréhabilitation avec le BSI. Des observations comparables ont été rapportées lorsque des signaux électroencéphalographiques étaient couplés à un exosquelette ou à une stimulation électrique fonctionnelle des muscles pendant la rééducation de la marche chez les personnes atteintes de lésions médullaires22,24,35. Cependant, la mauvaise qualité des signaux électroencéphalographiques dans des conditions mobiles, combinée à l'impraticabilité de ce cadre technologique, sont un obstacle à la mise en œuvre clinique de ces stratégies non invasives.

La neuroréhabilitation soutenue par le pont numérique a entraîné des améliorations neurologiques supplémentaires après trois ans de performances stables, malgré l'utilisation continue de la stimulation électrique péridurale à domicile. Ces améliorations ont principalement eu lieu dans le contrôle des muscles de la hanche, qui était la cible principale des programmes de stimulation contrôlée par le cerveau pendant la neuroréhabilitation. Bien que concentrée sur un groupe musculaire, cette récupération neurologique s'est traduite par la capacité de lever la jambe contre la gravité sans stimulation. Cette reprise a favorisé la marche autonome avec des béquilles.

Dans les modèles précliniques, la neuroréhabilitation assistée par un pont numérique a déclenché une récupération supérieure par rapport à la stimulation électrique péridurale seule15. La stimulation neuromusculaire contrôlée par le cerveau a également permis des améliorations fonctionnelles durables des muscles engagés après un AVC36 et une lésion de la moelle épinière22,24,37. Comme le participant avait précédemment atteint un plateau de récupération après une rééducation intensive utilisant la stimulation médullaire seule, il est raisonnable de supposer que le BSI a déclenché une réorganisation des voies neuronales responsable de la récupération neurologique supplémentaire. Ces résultats suggèrent que l'établissement d'un lien continu entre le cerveau et la moelle épinière favorise la réorganisation des voies neuronales résiduelles qui relient ces deux régions dans des conditions physiologiques normales38,39,40,41. L'élargissement du concept d'un pont numérique à la moelle épinière cervicale peut également restaurer les mouvements des bras et des mains après une lésion de la moelle épinière42 et un accident vasculaire cérébral43. Cependant, il est important de comprendre que la quantité relative de récupération neurologique sera nécessairement en corrélation avec la gravité de la lésion.

La mise à l'échelle de ce pont numérique nécessitera plusieurs développements. Premièrement, l'utilisation pratique de l'implant cortical nécessitera la miniaturisation de la station de base, de l'unité de calcul et des antennes invisibles. La détection compressive et l'ajustement dynamique des électrodes et des caractéristiques échantillonnées pourraient encore réduire l'empreinte du dispositif cortical. Deuxièmement, l'implant rachidien doit être doté de capacités de communication ultrarapides, de paramètres de stimulation polyvalents et d'un contrôle sans fil direct depuis l'unité informatique portable. Enfin, les implants corticaux et rachidiens pourraient être contrôlés par un seul circuit intégré de faible puissance intégrant un processeur neuromorphique doté d'une capacité d'auto-étalonnage qui traduit de manière autonome l'activité corticale en mises à jour des programmes de stimulation. Bien que ces développements nécessitent du temps et des ressources, nous ne prévoyons pas d'obstacles techniques pour réaliser cette transition.

Le concept d'un pont numérique entre le cerveau et la moelle épinière augure d'une nouvelle ère dans le traitement des déficits moteurs dus aux troubles neurologiques.

Toutes les expériences ont été réalisées dans le cadre de l'étude de faisabilité clinique en cours STIMO-BSI (« Stimulation de la moelle épinière contrôlée par le cerveau chez les patients atteints de lésion de la moelle épinière »), qui étudie la sécurité et l'efficacité préliminaire de la stimulation de la moelle épinière contrôlée par le cerveau après une lésion de la moelle épinière (clinicaltrials.gov, NCT04632290). Toutes les procédures chirurgicales et expérimentales ont été réalisées au Centre Hospitalier Universitaire Vaudois (CHUV) à l'exception des expériences de magnétoencéphalographie qui ont été réalisées dans les installations du CEA Clinatec (Grenoble). L'étude comprenait des évaluations fonctionnelles avant l'implantation des dispositifs corticaux, la procédure neurochirurgicale, une période de 6 semaines au cours de laquelle divers décodeurs ont été calibrés et des bibliothèques de stimulation de la moelle épinière ont été établies, et une période de 15 semaines de neurorééducation avec des physiothérapeutes. ce qui représente un total de 40 séances d'une durée d'une à trois heures. Le programme de neuroréhabilitation a été personnalisé en fonction des améliorations du participant. À la fin de la période de neuroréhabilitation, le participant a quitté la phase de participation active de l'essai clinique et s'est vu offrir la possibilité de continuer à utiliser le BSI à domicile. Le participant fait actuellement l'objet d'un suivi régulier par l'équipe d'étude jusqu'à la fin de la phase d'extension de trois ans de l'étude d'utilisation à domicile du système.

Avant son inscription à l'étude STIMO-BSI, le participant avait suivi le protocole clinique STIMO (« STIMO : Epidural Electrical Simulation (EES) With Robot-assisted Rehabilitation in Patients With Spinal Cord Injury », NCT02936453) au cours duquel un système de stimulation de la moelle épinière avait été implanté et il avait suivi un programme intensif de neuroréhabilitation de cinq mois soutenu par l'EES, suivi d'une période de deux ans d'utilisation autonome à domicile.

De plus, un an avant de rejoindre l'essai STIMO-BSI, le participant a subi une intervention chirurgicale avec : (1) arthrodèse talo-naviculaire, transfert des extenseurs de l'orteil au tiers péronier ; et transfert du tibialis postérieur au tibialis anterior et extensor digitorum longus ; et (2) ténotomie de tous les longs fléchisseurs des orteils et arthrodèse interphalangienne de l'hallux. Les deux ont été réalisées bilatéralement et auraient pu avoir un impact sur la fiabilité des scores moteurs des extenseurs longs orteil avant et pendant l'étude en raison du changement de la spasticité et des propriétés mécaniques de l'articulation. Par conséquent, nous avons décidé de ne pas rapporter le score moteur de l'extenseur de l'orteil long dans notre analyse.

Avant d'entrer dans l'essai clinique STIMO-BSI, le participant était déjà implanté avec un système de moelle épinière qui n'était pas compatible avec l'IRM. Nous n'avons donc pas pu réaliser d'IRM anatomique ou fonctionnelle du cerveau. La magnétoencéphalographie (MEG) est moins sensible aux imprécisions anatomiques pour la reconstruction de la source que l'électroencéphalographie (EEG)44. Par conséquent, nous avons décidé d'utiliser MEG pour cartographier l'activité corrélée aux intentions motrices des membres.

Avant la procédure neurochirurgicale pour placer les implants corticaux, l'activité MEG a été mesurée dans une pièce blindée magnétiquement à l'aide d'un réseau de cuir chevelu entier à 306 canaux (204 gradiomètres planaires et 102 magnétomètres) du système Elekta Neuromag (Elekta Neuromag). L'électrocardiogramme et l'électro-oculogramme ont été enregistrés simultanément. Le taux d'échantillonnage d'enregistrement était de 1 000 Hz. Des signaux continus d'indicateur de position de la tête ont été enregistrés pendant les expériences pour suivre les mouvements de la tête du sujet. Avant l'expérimentation, un système de numérisation tridimensionnelle (3D) (Isotrak II, Polhemus) a été utilisé pour localiser les points repères anatomiques pour un coregistration ultérieur avec la tomographie informatisée (CT) de la tête. La séparation spatiale du signal temporel (tSSS) a été appliquée pour réduire le bruit dans les données MEG à l'aide du logiciel MaxFilter v.3.0 (Elekta). Tout d'abord, l'examen manuel des données brutes a permis de marquer les canaux défectueux. Deuxièmement, le filtre tSSS a été appliqué en utilisant la compensation du mouvement de la tête et la correction automatique du mauvais canal. Les principaux paramètres ont été conservés par défaut (seuil de corrélation tSSS de 0,98, ordres d'expansion pour les composantes «in» et «out» du signal réglés sur 8 et 3, respectivement, et un tampon temporel de 10 s). Un filtrage coupe-bande à 50 Hz et des harmoniques (100 Hz, 150 Hz, 200 Hz et 250 Hz) a également été appliqué pour éliminer la contamination des lignes électriques. Les artéfacts stéréotypés (cardiaques, oculaires) ont été identifiés par analyse en composantes indépendantes à l'aide du logiciel MNE-Python45 et rejetés sur dépistage visuel (méthode Infomax, calculée séparément pour les magnétomètres et les gradiomètres à l'aide de 64 composantes). Les géométries de la tête, du crâne et du cortex ont été calculées à partir de la tomodensitométrie à l'aide de la routine de segmentation IRM incluse dans le logiciel Brainstorm46, suivie du calcul du modèle de tête à l'aide de la méthode des sphères superposées. Un noyau d'inversion 3D a été calculé à l'aide de l'implémentation Brainstorm de la méthode Minimum Norm Imaging avec des paramètres par défaut. Il a permis la reconstruction de données brutes nettoyées au niveau de la source cérébrale pour les calculs ultérieurs. Enfin, la méthode MSA47 a été utilisée pour reconstruire l'activité cérébrale liée aux tentatives motrices du poignet, de la hanche et de la cheville. Pour estimer les activations cérébrales spécifiques à une tâche, MSA utilise une corrélation de Pearson multiple, validée croisée, calculée à partir du signal cérébral transformé temps-fréquence et du signal binaire des stimuli. Des instantanés 3D de ces activations à leur maximum ont été exportés au format DICOM dans le cadre de référence original de la tomodensitométrie pour être utilisés dans les outils de neuronavigation. Pour le rendu, nous avons manuellement segmenté le cerveau du scanner préopératoire du patient à l'aide de Slicer (slicer.org) et utilisé Blender pour le rendu. Nous avons recoloré le signal MEG avec une rampe de couleur rouge puis l'avons superposé avec le rendu 3D du cerveau.

Le système d'enregistrement implantable WIMAGINE a été conçu pour une implantation péridurale bilatérale sur le cortex sensorimoteur20. Les composants électroniques étaient logés dans un boîtier en titane (50 mm de diamètre, 7 à 12 mm d'épaisseur et une face externe convexe). Un réseau de 64 électrodes d'enregistrement en platine-iridium (90:10) pour l'ECoG épidural (2 mm de diamètre, pas de 4 à 4,5 mm) et cinq électrodes de référence étaient situés sur la face interne plate de l'appareil. Les données ECoG ont été enregistrées grâce à un circuit intégré spécifique à l'application48 qui a permis une amplification et une numérisation multicanaux avec un bruit référé d'entrée inférieur à 0,7 μV racine carrée moyenne dans la plage 0,5 Hz à 300 Hz. Les données ont été émises par radio via une antenne ultra haute fréquence (402–405 MHz). L'alimentation était fournie à distance via une antenne haute fréquence inductive de 13,56 MHz. Les deux antennes étaient enchâssées dans un volet en silicone s'étendant sur l'espace sous-cutané. Pour assurer la stabilité du signal à haute fréquence (586 Hz), compte tenu de la bande passante limitée, 32 contacts sur les 64 ont été utilisés pour chaque implant. La connexion sans fil utilisait deux antennes externes maintenues devant les enregistreurs par un casque conçu sur mesure. Les spécifications techniques de l'appareil sont indiquées dans le tableau de données étendu 1.

La chirurgie a été réalisée sous anesthésie générale. Une station de neuronavigation (StealthStation, Medtronic) a été utilisée pour localiser le centre des craniotomies sur chaque hémisphère. Les informations anatomiques et fonctionnelles obtenues à partir de l'imagerie MEG et CT ont permis la sélection des points d'entrée pour maximiser la couverture de la région de la jambe du cortex sensorimoteur, tout en assurant une marge de sécurité de la zone du sinus sagittal. Suite à une incision coronale, deux craniotomies circulaires de 5 cm de diamètre ont été réalisées à l'aide d'un trépan sur mesure. Les lambeaux osseux ont été retirés pour exposer la dure-mère. Les deux implants WIMAGINE ont été placés sur la dure-mère, puis soigneusement suspendus et fixés avec des sutures non résorbables. La peau a ensuite été suturée sur les implants. Le participant a été libéré le lendemain. La phase d'étalonnage a été lancée après une période de repos de deux semaines.

Les données ECoG ont été collectées à partir de 32 canaux par implant à une fréquence d'acquisition de 586 Hz. Les signaux ont été filtrés passe-bande entre 1 Hz et 300 Hz. Les données ont été transmises via la boîte à outils de terrain à un logiciel de décodage personnalisé fonctionnant dans l'environnement d'exécution Matlab (Mathworks).

Pour décoder l'intention d'effectuer des mouvements des membres inférieurs, nous avons implémenté une variante de l'algorithme REW-MSLM (Recursive Exponentially Weighted Markov-switching Multilinear Model) que nous avions précédemment développé pour décoder les mouvements des membres supérieurs26. REW-MSLM est un mélange d'algorithmes multilinéaires formés par des experts. Il se compose d'un classificateur de modèle de Markov caché (HMM), appelé « porte », et d'un ensemble de modèles de régression indépendants, appelés « experts ». Chaque expert est généralement dédié au contrôle d'un groupe de degrés de liberté, d'un membre ou d'un mouvement spécifique (par exemple, un mouvement articulaire). Le classificateur basé sur le HMM prédit la probabilité d'une telle activation (états) d'un membre ou d'un mouvement spécifique associée à un expert particulier. La sortie de décodeur résultante résulte d'un mélange doux de prédictions d'experts en fonction de probabilités estimées.

Le classificateur basé sur le HMM de porte prédit l'état et suppose que la séquence d'états Z(t) suit une hypothèse de chaîne de Markov du premier ordre. Par conséquent, la probabilité d'un état à chaque pas de temps dépend de la combinaison de l'état précédent et des données ECoG nouvellement acquises. Le classificateur basé sur HMM est composé d'un modèle de probabilité d'émission et de transition. A chaque pas de temps, la probabilité d'émission est estimée à partir des observations des signaux ECoG indépendamment de la séquence de l'état. Dans la présente étude, un classificateur linéaire discriminatif a été utilisé pour le modèle de probabilité d'émission. Pour K états/classes (dans notre cas, K = 7 états, repos, hanche, genou, cheville, bilatéralement), la sortie du classificateur a été calculée comme suit :

Ici βgate et bgate sont des matrices de coefficients et de biais de classificateurs discriminants linéaires. Ensuite, le vecteur de probabilité d'émission \({\alpha }^{{\rm{e}}{\rm{m}}{\rm{i}}{\rm{s}}{\rm{s}}{\rm{i}}{\rm{o}}{\rm{n}}}\,(t)\,=\) \(\left({\alpha }_{1}^{{\rm{émission}}}\,(t),\ldots ,{\alpha }_{K}^{ {\rm{émission}}}\,(t)\right)\) est obtenu à partir de la sortie du classificateur dgate(t) via la normalisation softmax :

Enfin, les probabilités d'émission sont pondérées par la matrice de probabilités de transition d'état HMM T, où T est une matrice K par K avec des coefficients définis par le nombre cumulé de transitions entre les états indicés.

La séquence d'état \(\hat{Z}\left(t\right)\) la plus probable peut être émise en maximisant la probabilité d'état \(\hat{\alpha }(t)\) à l'étape t. Le vecteur de probabilité d'état peut être utilisé pour mélanger les experts du décodeur, ou peut être considéré comme l'une des sorties du décodeur.

Pour les experts, un modèle de régression multilinéaire a été utilisé :

où \({\beta }_{k}^{{\rm{expert}}}\) et \({b}_{k}^{{\rm{expert}}}\) résument les coefficients du kème expert, k ∈ [1, K]. Enfin, le mélange de la sortie experte U(t) est calculé à partir des prédictions expertes φk(t) et des probabilités estimées \({\hat{\alpha }}_{k}\left(t\right)\) à partir de l'équation suivante : \({U}_{k}\left(t\right)={\phi }_{k}\left(t\right)\times {\hat{\alpha }}_{k}\left(t\right)\times \prod _ {i\ne k}(1-{\hat{\alpha }}_{i}\left(t\right))\).

À partir de cette architecture de décodeur, nous avons implémenté deux modèles de contrôle différents pour piloter la stimulation épidurale de la moelle épinière.

Pour le contrôle à six articulations dans des conditions statiques, nous avons mis en œuvre un mélange de prédictions d'experts pour permettre au participant d'obtenir un contrôle proportionnel sur l'amplitude de la stimulation. U(t) contient la prédiction analogique de l'amplitude relative souhaitée du mouvement articulaire à un instant donné. Le mouvement de chaque articulation est lié à un protocole de stimulation spécifique (configuration des électrodes, fréquence et largeur d'impulsion) défini dans la bibliothèque de programmes de stimulation (Extended Data Fig. 2b–d), tandis que les prédictions constituant U(t) sont redimensionnées linéairement en amplitude de stimulation (en mA) dans une plage de valeurs prédéfinies par l'expérimentateur.

Pour le contrôle de la station debout et de la marche dans des conditions dynamiques, nous avons pris en considération que ces activités ne nécessitent pas un contrôle simultané de l'amplitude des flexions de la hanche gauche et droite, car les pas gauche et droit ne doivent pas se produire en même temps. Par conséquent, nous avons supprimé la couche de mélange d'experts et mis en œuvre à la place un modèle de contrôle qui pilote les amplitudes de stimulation à partir de la sortie du modèle de porte. Ce modèle de contrôle évite la délivrance simultanée de stimulations sur toutes les articulations. Par conséquent, l'amplitude n'est modifiée que pour une articulation à la fois. À son tour, nous avons utilisé la probabilité d'état estimée maximale \(\max (\hat{\alpha}\left(t\right))\) pour permettre au participant d'obtenir un contrôle proportionnel sur l'amplitude de la stimulation.

REW-MSLM est un décodeur adaptatif en boucle fermée. Parallèlement à l'utilisation actuelle du modèle pour les prédictions, les décodeurs REW-MSLM mettent à jour leurs paramètres sur la base des nouvelles données entrantes, ce qui permet d'optimiser les paramètres du modèle en temps réel tout au long de la session d'étalonnage26. Le modèle de probabilité d'émission linéaire et les modèles experts ont été identifiés à l'aide d'un algorithme récursif à pondération exponentielle des moindres carrés partiels à N voies (REW-NPLS). Cet algorithme a été spécifiquement conçu pour l'apprentissage de décodeur multilinéaire temps réel incrémental et adaptatif49. La matrice de transition a été identifiée par comptage direct des transitions d'état pendant la session d'étalonnage. Le décodeur résultant était capable de prédire les états mentaux ainsi que les mouvements continus.

Les caractéristiques d'entrée X(t) ont été calculées à partir des signaux ECoG, puis transmises au décodeur. Des époques allant de 200 à 500 ms de signaux ECoG provenant des 64 électrodes ont été créées pour générer une fenêtre glissante de 100 ms. Les époques ont été cartographiées dans l'espace des fréquences temporelles avec une transformée en ondelettes continue complexe (CCWT). Les ondelettes déclinées à partir de l'ondelette mère de Morlet sont centrées autour de fréquences spécifiques (2, 5:5:100, 125, 150, 200 Hz). La valeur absolue de la sortie du CCWT a ensuite été décimée pour obtenir 2 à 5 points le long de la modalité temporelle, qui définissait l'époque. La prédiction a été calculée toutes les 100 ms. Au cours des expériences, l'algorithme REW-MSLM a mis à jour de manière récursive les experts et les coefficients de porte toutes les 15 s. Les données d'apprentissage consistent en des lots de 15 s de caractéristiques ECoG d'entrée associées à des caractéristiques de mouvement de sortie. Les caractéristiques de sortie sont générées en fonction de tâches spécifiques confiées au participant pour effectuer l'imagerie motrice, y compris l'état mental souhaité pour la mise à jour de la porte et un mouvement continu souhaité (le cas échéant) pour l'expert en charge de la mise à jour.

Lors de la création d'un modèle à partir de zéro, l'assistance du système peut être ajoutée à la sortie du décodeur. Cela permet au participant d'avoir des mouvements déjà effectués, même si le décodeur ne prédit pas correctement. L'assistance diminue au fur et à mesure que le modèle est calibré, pour finalement laisser le participant en plein contrôle.

Mise à jour du modèle :

Étape 1 : accumulez les données brutes et les étiquettes dgate et φ sur 15 s.

Étape 2 : calculez le vecteur caractéristique X(t) correspondant.

Étape 3 : effectuez les régressions partielles des moindres carrés pour le déclenchement dgate et les experts φ pour mettre à jour les coefficients (βgate, bgate, βexpert, bexpert).

Étape 4 : mettez à jour la matrice de transition en ajoutant le nombre de transitions. T(i,j) ≤ T(i,j) + somme((Z(t + 1),Z(t)) = (i,j)).

Calcul de prédiction :

Étape 1 : calculez les prédictions linéaires de la porte et des experts à partir des coefficients actuels.

Étape 2 : appliquer la normalisation exponentielle et l'étape de transition HMM.

Étape 3 : mélangez la prédiction du modèle de déclenchement et du modèle expert.

Pour évaluer les informations spatiales et spectrales dans les signaux ECoG pour discriminer une tâche spécifique, nous avons calculé les poids de régression linéaire associés aux tentatives motrices indicées. Pour cartographier les caractéristiques liées aux mouvements des membres inférieurs (hanche, genou, cheville bilatéralement), nous avons enregistré des signaux corticaux lors de 57 (± 6 sem) répétitions de chaque tentative de mouvement cumulant 226 s (± 25 s sem) au cours de chaque état. Les poids générés à partir de cet ensemble de données ont été projetés sur la dimension spatiale pour différentes bandes de fréquences (0,5–10 Hz, 10–40 Hz, 40–100 Hz et 100–200 Hz) ou sur la dimension spectrale.

L'implant destiné à délivrer une stimulation électrique épidurale (Tableau de données étendu 2) était composé d'un générateur d'impulsions implantable ACTIVA RC (modèle 37612, Medtronic) qui était interfacé avec la sonde à palettes Spécifier Surescan 5-6-5 (modèle 977C190, Medtronic). Un micrologiciel dédié a permis des téléchargements en temps réel des tables de stimulation pour contrôler les formes d'onde de stimulation électrique5. Le programmateur patient (SPTM, modèle 09103) était porté dans une ceinture pour aligner sa position avec le générateur d'impulsions implantable. Nous avons développé un programme de stimulation personnalisé5 qui envoyait des commandes au programmateur patient via un pont sans fil Bluetooth/infrarouge. Le programme de stimulation a permis la définition des configurations de stimulation (cathodes et anodes) et des paramètres (largeur d'impulsion, fréquences et plages d'amplitude) par un utilisateur expert5. Cette chaîne logicielle et matérielle a permis un contrôle en temps réel des protocoles de stimulation avec une latence inférieure à 150 ms (réf. 4).

L'activité électromyographique (EMG) a été enregistrée bilatéralement à partir des muscles iliopsoas, droit fémoral, vaste latéral, semi-tendineux, tibial antérieur, gastrocnémien médial et soléaire avec des électrodes de surface bipolaires sans fil (Delsys Trigno). Chaque paire d'électrodes a été placée sur le ventre du muscle ciblé, alignée longitudinalement aux fibres musculaires. Une pâte abrasive (Nuprep, 4Weaver) a été utilisée pour la préparation de la peau afin de réduire la résistance électrode-peau et d'améliorer la qualité du signal EMG. Une paire supplémentaire d'électrodes EMG de surface a été placée sur la colonne vertébrale, à la jonction thoraco-lombaire, pour détecter les artefacts de stimulation et ainsi aligner les réponses musculaires sur le début de la stimulation. Les signaux EMG continus ont été échantillonnés à 2 kHz et enregistrés sur un ordinateur de bureau. Les signaux EMG ont été filtrés passe-bande entre 20 et 450 Hz. Les courbes de recrutement ont été réalisées avec des impulsions d'amplitudes de stimulation croissantes, délivrées toutes les secondes. Nous avons mis en place un modèle de recherche de grille pour explorer les différentes configurations et fréquences d'électrodes afin de sélectionner les configurations de cathodes et d'anodes pour atteindre une sélectivité maximale dans le recrutement des groupes musculaires ciblés4. L'amplitude des réponses musculaires a été normalisée par z-scoring sur toutes les configurations. Pour chaque période de stimulation, la valeur absolue moyenne du z-score a été calculée. Le z-score a ensuite été représenté dans un diagramme polaire.

Lors de l'étalonnage des décodeurs, le participant a reçu des repères visuels via une interface sur mesure affichant l'état ciblé avec ou sans la direction du mouvement. Les signaux ont été générés sous forme de séquence pseudo-aléatoire avec une durée programmable (2/4 s par état) ou manuellement par l'expérimentateur. L'environnement de décodage a permis de visualiser la durée passée dans chaque état ainsi que le nombre de transitions entre les états. Une fois que les performances du décodeur ont été jugées suffisantes par le participant et l'expérimentateur, le repérage a été interrompu et le participant a pu utiliser le modèle sans autre étalonnage. Au jour le jour, les modèles ont été mis à jour lorsque cela était jugé nécessaire. La nature itérative de la mise en œuvre a facilité ces mises à jour. En règle générale, le modèle prenant en charge le contrôle des flexions de la hanche gauche et de la hanche droite pendant la marche a été formé sur la base de 30 répétitions de chaque état actif, tandis que l'état de repos a été prédit à partir de 3 minutes de données ECoG acquises pendant que le participant effectuait des mouvements non spécifiques de la main et du tronc, ainsi que la parole pour assurer la robustesse des prédictions.

La précision des prédictions de décodage a été quantifiée en calculant la corrélation croisée normalisée entre l'état décodé \(\hat{Z}\) et l'état repéré Z après compensation du délai :

où τ correspond à l'instant auquel le maximum de la corrélation croisée entre l'état repéré et la probabilité d'état décodé est atteint.

La précision des réponses musculaires a été obtenue en calculant la corrélation croisée normalisée entre l'état décodé \(\hat{Z}\) et l'enveloppe EMG seuillée, qui a été obtenue avec T = fenêtre glissante de 200 ms :

En marchant librement, il n'y avait aucun indice pour quantifier la précision du décodage. Pour fournir une quantification, nous avons profilé les courbes de probabilité décodées pendant la marche et analysé la valeur maximale et la largeur des courbes de probabilité associées aux flexions de hanche gauche et droite. Nous avons effectué cette analyse au cours de la marche à différents moments, de la première séance à des séances survenues près d'un an après la procédure neurochirurgicale de pose de l'implant cortical. Le pic moyen des probabilités, ainsi que la demi-largeur moyenne (± sd) ont été calculés pour chaque point temporel.

Pour générer des spectrogrammes de signaux ECoG, nous avons appliqué une transformée en ondelettes continue avec une fenêtre de 500 ms et une taille de pas de 100 ms. La différence entre les spectrogrammes moyennés des deux implants a été calculée et normalisée en appliquant des scores z sur chaque bande de fréquence. Les cartes de couleurs des spectrogrammes moyens normalisés ont été mises à l'échelle entre -0,5 et 0,5 ou entre -0,5 et 1 pour la visualisation.

La stabilité du signal a été évaluée par la quantification de la puissance du signal pendant l'état de repos dans les différentes bandes de fréquences50. Le participant était assis dans son fauteuil roulant avec les yeux fermés pendant que les signaux ECoG étaient acquis en 2 min. Pour chaque session, une fenêtre de 90 s commençant 20 s après le début de l'enregistrement a été sélectionnée pour l'analyse. La densité spectrale de puissance a été estimée à l'aide de la méthode de Welch. La racine carrée moyenne a été calculée sur toute la bande de fréquence (0,5–292 Hz). La puissance de la bande a été mesurée pour les quatre bandes de fréquences suivantes : 0,5–10 Hz, 10–40 Hz, 40–100 Hz et 100–200 Hz. Pour compenser les différentes largeurs de bande de fréquence, les puissances de bande obtenues ont été normalisées avant d'être converties en dB. Le rapport signal sur bruit a été calculé pour chaque bande comme le rapport de la puissance de la bande par rapport à la puissance de la bande de bruit, qui a été estimée entre 250 et 260 Hz en raison du filtre numérique. La moyenne quadratique, la puissance de la bande et le rapport signal sur bruit ont finalement été moyennés sur toutes les électrodes.

Nous avons analysé le renforcement des caractéristiques corticales liées aux tentatives de flexion de la hanche en calculant les spectrogrammes médians autour des signaux de flexion sur quatre périodes de temps différentes pour rassembler 100 événements par période (−2 s à +2 s autour de l'événement). Pour chaque électrode, nous avons calculé l'écart type des spectrogrammes sur toutes les fréquences pendant les 4 s entourant les événements. Nous avons effectué un ajustement linéaire sur les 64 électrodes et quatre périodes de temps.

Pour analyser la stabilité des modèles de marche, nous avons appliqué une analyse en composantes principales (ACP) sur les coefficients de chaque porte (inactif, flexion de la hanche gauche, flexion de la hanche droite) pour chaque modèle. Les vecteurs de porte étaient composés de coefficients (64 canaux × 24 fréquences) en faisant la moyenne de la dimension temporelle. L'ACP a été réalisée sur des échantillons (3 portes × 44 modèles) couvrant 4 mois d'utilisation. Les données étaient représentées dans les trois premiers volets de l'ACP. Nous avons construit un ellipsoïde de 1 600 points de données représentant la courbe de contour qui correspondait à un écart type de 1,4 pour une distribution gaussienne 3D avec la covariance et la valeur moyenne de chaque état.

L'activité EMG pendant la marche a été acquise bilatéralement à 1 259 Hz à l'aide de capteurs sans fil à 16 canaux (Delsys Trigno) placés sur l'iliopsoas, le droit fémoral, le vaste latéral), le demi-tendineux, le tibial antérieur et le gastrocnémien médial. Les enregistrements cinématiques ont été acquis à l'aide d'un système de capture de mouvement 3D (Vicon Motion Systems). Un réseau de 14 caméras infrarouges, qui couvrait un espace de travail de 12 × 4 × 2,5 m3, a été utilisé pour enregistrer le mouvement de marqueurs attachés à des repères corporels. Les données ont été acquises à un taux d'échantillonnage de 100 Hz en utilisant. Une PCA a été appliquée sur un total de 26 paramètres cinématiques et EMG qui ont été calculés pour chaque cycle de marche, comme décrit précédemment4. Les paramètres suivants ont été inclus : longueur du pas, hauteur du pas, hauteur du genou, angle du genou et angle maximal du genou, angle de la hanche et angle maximal de la hanche, angle du membre, activation du vaste latéral, activation du vaste latéral, activation du vaste latéral, activation du tibial antérieur, activation du tibial antérieur, activation du tibial antérieur, activation du rectus femoris, activation du rectus femoris, activation du rectus femoris swing, psoas iliaque activation, activation de la position iliopsoas, activation du balancement iliopsoas, activation du semi-tendineux, activation de la position semi-tendineuse, activation du balancement semi-tendineux, activation du gastrocnémien médial, activation de la position du gastrocnémien médial, activation du balancement du gastrocnémien médial. Les données ont été quantifiées pendant la marche avec le BSI et avec un contrôle fermé de la stimulation basé sur des capteurs de mouvement fixés aux pieds5. Ces données ont été comparées à des enregistrements identiques obtenus chez des individus sains. Lors de la marche au-dessus du sol avec des béquilles, des tentatives de pas ont été détectées lorsque l'angle du genou est tombé en dessous de 135 degrés avec au moins 2 s entre les pas. Les pas étaient considérés comme échoués lorsque la longueur du pas était inférieure à 10 cm.

Pour analyser la qualité de la marche à partir d'enregistrements vidéo, un panel de kinésithérapeutes (n = 6), aveugles aux conditions expérimentales et n'ayant pas participé aux essais cliniques STIMO ou STIMO-BSI, a été invité à noter différents essais de marche à l'aide d'éléments d'une feuille de notation validée, décrite dans le tableau de données étendu 3. Cette feuille de notation regroupait les éléments des questionnaires validés GAIT28, SCI-FAI51, Tinetti Test52 et réf. 53.

L'état neurologique a été évalué par un neurologue expérimenté sur la base des normes internationales de classification neurologique des lésions de la moelle épinière (ISNCSCI), un examen neurologique complet administré par un clinicien des fonctions sensorielles et motrices résiduelles quantifiant la gravité des lésions de la moelle épinière.

L'endurance a été évaluée par la distance parcourue au-dessus du sol en six minutes avec un déambulateur standard à quatre roues, mais sans aucune aide extérieure. Ce test a été réalisé avant et à la fin de chaque période de neurorééducation du STIMO et du STIMO-BSI. Les données ont été ajustées avec une courbe exponentielle.

La vitesse de marche a été évaluée par un test de marche chronométré de dix mètres sans aucune aide extérieure. Le participant a été invité à marcher avec l'appareil fonctionnel préféré aussi vite qu'il le pouvait.

Les points de données individuels sont représentés sur chaque figure. Les mesures ont été prises à partir d'échantillons distincts, à l'exception de l'analyse observationnelle de la marche pour laquelle les physiothérapeutes experts classaient indépendamment les mêmes vidéos. Nous avons utilisé un test t unilatéral apparié (le cas échéant) ou non apparié, sauf indication contraire, avec α = 0,05. Les valeurs P sont rapportées avec ***P < 0,001, **P < 0,01 et *P < 0,05.

En raison d'une infection sous-cutanée à Staphylococcus aureus au niveau de l'implant cortical situé du côté droit, l'investigateur principal a décidé d'explanter le dispositif 167 jours après l'implantation. Le deuxième implant n'a présenté aucun signe d'infection et est resté en place et entièrement fonctionnel. Après la récupération de la chirurgie et le traitement antibiotique per os, la neurorééducation et l'utilisation quotidienne ont pu se poursuivre comme prévu par le protocole. L'implantation d'un nouvel implant cortical a été réalisée le 9 mars 2023.

L'étude STIMO-BSI a été approuvée par les autorités suisses (numéro de protocole Swissethics CER-VD2020-01814, Swissmedic 10000766, EUDAMED CIV-20-07-034126) et a été menée conformément à la Déclaration d'Helsinki. L'étude STIMO-BSI est enregistrée sur ClinicalTrials.gov (NCT04632290). L'étude STIMO a été approuvée par les autorités suisses (numéro de protocole Swissethics CER-VD PB_2016-00886, Swissmedic 10000234, EUDAMED CIV-16-02-014664), enregistrée auprès de ClinicalTrials.gov (NCT02936453) et a été menée conformément à la Déclaration d'Helsinki. Le participant a signé un consentement éclairé écrit avant de participer. De plus, le participant a donné son consentement pour que le matériel le représentant apparaisse dans la contribution et soit publié dans la revue et les ouvrages associés sans limitation de durée de publication, sous quelque forme ou support que ce soit.

De plus amples informations sur la conception de la recherche sont disponibles dans le résumé des rapports sur le portefeuille Nature lié à cet article.

Les données présentées dans ce manuscrit sont disponibles ici : https://doi.org/10.5281/zenodo.7680471.

Les scripts MATLAB de support sont disponibles ici : https://doi.org/10.5281/zenodo.7680471.

Bickenbach, J. et al. Perspectives internationales sur les lésions médullaires : résumé (OMS, 2013) ; https://apps.who.int/iris/handle/10665/94192.

Ahuja, CS et al. Lésion traumatique de la moelle épinière. Nat. Rév. Dis. Abécédaire 3, 17018 (2017).

Article Google Scholar

Benabid, AL et al. Un exosquelette contrôlé par une interface cerveau-machine épidurale sans fil chez un patient tétraplégique : une démonstration de preuve de concept. Lancette Neurol. https://doi.org/10.1016/S1474-4422(19)30321-7 (2019).

Wagner, FB et al. La neurotechnologie ciblée restaure la marche chez les humains atteints de lésions de la moelle épinière. Nature 563, 65-71 (2018).

Article ADS CAS PubMed Google Scholar

Rowald, A. et al. La neuromodulation de la moelle épinière dépendante de l'activité restaure rapidement les fonctions motrices du tronc et des jambes après une paralysie complète. Nat. Méd. 28, 260-271 (2022).

Article CAS PubMed Google Scholar

Kathe, C. et al. Les neurones qui rétablissent la marche après une paralysie. Nature 611, 540–547 (2022).

Article ADS CAS PubMed PubMed Central Google Scholar

Arber, S. & Costa, RM Connexion des circuits neuronaux pour le mouvement. Sciences 360, 1403-1404 (2018).

Article ADS CAS PubMed Google Scholar

Courtine, G. & Sofroniew, MV Réparation de la moelle épinière : progrès de la biologie et de la technologie. Nat. Méd. 25, 898–908 (2019).

Article CAS PubMed Google Scholar

Capogrosso, M. et al. Un modèle informatique pour la stimulation électrique épidurale des circuits sensorimoteurs spinaux. J. Neurosci. 33, 19326–19340 (2013).

Article CAS PubMed PubMed Central Google Scholar

Wenger, N. et al. La neuromodulation en boucle fermée des circuits sensorimoteurs spinaux contrôle la locomotion raffinée après une lésion complète de la moelle épinière. Sci. Trad. Méd. 6, 255ra133 (2014).

Article PubMed Google Scholar

Wenger, N. et al. Les thérapies de neuromodulation spatio-temporelle engageant les synergies musculaires améliorent le contrôle moteur après une lésion de la moelle épinière. Nat. Méd. 22, 138-145 (2016).

Article CAS PubMed PubMed Central Google Scholar

Moraud, EM et al. Mécanismes sous-jacents à la neuromodulation des circuits rachidiens pour corriger les déficits de marche et d'équilibre après une lésion de la moelle épinière. Neurone 89, 814–828 (2016).

Article CAS PubMed Google Scholar

Capogrosso, M. et al. Une interface cerveau-colonne vertébrale atténuant les déficits de la marche après une lésion de la moelle épinière chez les primates. Nature 539, 284-288 (2016).

Article ADS PubMed PubMed Central Google Scholar

Minev, IR et al. Biomatériaux. Dure-mère électronique pour les interfaces neuronales multimodales à long terme. Sciences 347, 159-163 (2015).

Article ADS CAS PubMed Google Scholar

Bonizzato, M. et al. La modulation des circuits spinaux contrôlée par le cerveau améliore la récupération après une lésion de la moelle épinière. Nat. Commun. 9, 3015 (2018).

Article ADS PubMed PubMed Central Google Scholar

Lorach, H., Charvet, G., Bloch, J. & Courtine, G. Interfaces cerveau-colonne vertébrale pour inverser la paralysie. Natl Sci. Rév. 9, nwac009 (2022).

Article PubMed PubMed Central Google Scholar

Willett, FR, Avansino, DT, Hochberg, LR, Henderson, JM & Shenoy, KV Communication cerveau-texte haute performance via l'écriture manuscrite. Nature 593, 249-254 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Vansteensel, MJ et al. Interface cerveau-ordinateur entièrement implantée chez un patient enfermé atteint de SLA. N. Engl. J. Med. 375, 2060-2066 (2016).

Article PubMed PubMed Central Google Scholar

Moïse, DA et al. Neuroprothèse pour le décodage de la parole chez une personne paralysée atteinte d'anarthrie. N. Engl. J. Med. 385, 217-227 (2021).

Article PubMed PubMed Central Google Scholar

Mestais, CS et al. WIMAGINE : implant d'enregistrement ECoG 64 canaux sans fil pour des applications cliniques à long terme. IEEE Trans. Système neuronal. Réhabilit. Ing. 23, 10–21 (2015).

Article PubMed Google Scholar

Seeber, M., Scherer, R., Wagner, J., Solis-Escalante, T. & Müller-Putz, GR La suppression bêta de l'EEG et la faible modulation gamma sont différents éléments de la marche debout humaine. Devant. Hum. Neurosci. 8, 485–485 (2014).

Article PubMed PubMed Central Google Scholar

Donati, ARC et al. Un entraînement à long terme avec un protocole de marche basé sur une interface cerveau-machine induit une récupération neurologique partielle chez les patients paraplégiques. Sci. Rep. 6, 30383 (2016).

Article ADS CAS PubMed PubMed Central Google Scholar

McCrimmon, CM et al. Encodage électrocorticographique de la marche humaine dans le cortex moteur primaire de la jambe. Cerb. Cortex 28, 2752–2762 (2017).

Article PubMed Central Google Scholar

Selfslagh, A. et al. Stimulation électrique fonctionnelle non invasive contrôlée par le cerveau pour la rééducation de la locomotion chez les personnes paraplégiques. Sci. Rep. 9, 6782 (2019).

Article ADS PubMed PubMed Central Google Scholar

Greiner, N. et al. Recrutement de motoneurones des membres supérieurs avec stimulation électrique péridurale de la moelle épinière cervicale. Nat. Commun. 12, 435 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Moly, A. et al. Un décodeur ECoG adaptatif en boucle fermée pour le contrôle bimanuel stable et à long terme d'un exosquelette par un tétraplégique. J. Neural Eng. 19, 026021 (2022).

Annonces d'article Google Scholar

Cappellini, G., Ivanenko, YP, Dominici, N., Poppele, RE et Lacquaniti, F. La migration de l'activité du pool moteur dans la moelle épinière reflète la mécanique corporelle dans la locomotion humaine. J. Neurophysiol. 104, 3064–3073 (2010).

Article PubMed Google Scholar

Daly, JJ et al. Développement et mise à l'essai de l'outil d'évaluation et d'intervention de la marche (GAIT) : une mesure des composantes de la marche coordonnée. J. Neurosci. Méthodes 178, 334–339 (2009).

Article CAS PubMed Google Scholar

Larzabal, C. et al. Stabilité à long terme de l'enregistreur sans fil de péridurale chronique WIMAGINE chez les patients tétraplégiques. J. Neural Eng. 18, 056026 (2021).

Annonces d'article Google Scholar

Harkema, S. et al. Effet de la stimulation péridurale de la moelle épinière lombo-sacrée sur les mouvements volontaires, la station debout et la marche assistée après une paraplégie motrice complète : une étude de cas. Lancette 377, 1938-1947 (2011).

Article PubMed PubMed Central Google Scholar

Rejc, E., Angeli, CA, Atkinson, D. & Harkema, SJ Récupération motrice après un entraînement basé sur l'activité avec stimulation péridurale de la moelle épinière chez un paraplégique moteur chronique complet. Sci. Rep. 7, 13476 (2017).

Article ADS PubMed PubMed Central Google Scholar

Angeli, CA et al. Récupération de la marche au sol après lésion motrice chronique complète de la moelle épinière. N. Engl. J. Med. 379, 1244-1250 (2018).

Article PubMed Google Scholar

Gill, ML et al. La neuromodulation des réseaux rachidiens lombo-sacrés permet un pas indépendant après une paraplégie complète. Nat. Méd. 24, 1677-1682 (2018).

Article CAS PubMed Google Scholar

Darrow, D. et al. La stimulation épidurale de la moelle épinière facilite la restauration immédiate des voies supraspinales motrices et autonomes dormantes après une lésion chronique neurologiquement complète de la moelle épinière. J. Neurotrauma 36, ​​2325–2336 (2019).

Article PubMed PubMed Central Google Scholar

Shokur, S. et al. L'entraînement avec les interfaces cerveau-machine, la rétroaction visuo-tactile et la locomotion assistée améliore les signes sensorimoteurs, viscéraux et psychologiques chez les patients paraplégiques chroniques. PLoS ONE 13, e0206464 (2018).

Article PubMed PubMed Central Google Scholar

Biasiucci, A. et al. La stimulation électrique fonctionnelle actionnée par le cerveau provoque une récupération motrice durable du bras après un AVC. Nat. Commun. 9, 2421 (2018).

Article ADS CAS PubMed PubMed Central Google Scholar

Jovanovic, LI et al. Restauration de la fonction des membres supérieurs après une hémiplégie chronique sévère : à propos d'un cas sur la faisabilité d'une thérapie de stimulation électrique fonctionnelle contrôlée par une interface cerveau-ordinateur. Suis. J.Phys. Méd. Réhabilit. 99, e35–e40 (2020).

Article PubMed Google Scholar

Nishimura, Y., Perlmutter, SI, Eaton, RW et Fetz, EE Plasticité dépendante du moment de la pointe dans les connexions corticospinales des primates induites lors d'un comportement libre. Neurone 80, 1301–1309 (2013).

Article CAS PubMed PubMed Central Google Scholar

Moorjani, S., Walvekar, S., Fetz, EE et Perlmutter, SI Stimulation électrique dépendante du mouvement pour le renforcement volontaire des connexions corticales chez les singes qui se comportent. Proc. Natl Acad. Sci. États-Unis 119, e2116321119 (2022).

Article CAS PubMed PubMed Central Google Scholar

Guggenmos, DJ et al. Restauration de la fonction après une lésion cérébrale à l'aide d'une prothèse neurale. Proc. Natl Acad. Sci. États-Unis 110, 21177–21182 (2013).

Article ADS CAS PubMed PubMed Central Google Scholar

Noga, BR & Guest, JD Approches neuromodulatrices combinées dans le système nerveux central pour le traitement des lésions de la moelle épinière. Courant. Avis. Neurol. 34, 804–811 (2021).

Article CAS PubMed PubMed Central Google Scholar

Barra, B. et al. La stimulation électrique épidurale des racines dorsales cervicales restaure le contrôle volontaire des membres supérieurs chez des singes paralysés. Nat. Neurosci. 25, 924–934 (2022).

Article CAS PubMed Google Scholar

Powell, MP et al. Stimulation péridurale de la moelle épinière cervicale pour la parésie post-AVC des membres supérieurs. Nat. Méd. https://doi.org/10.1038/s41591-022-02202-6 (2023).

Knösche, TR & Haueisen, J. EEG/MEG Source Reconstruction: Textbook for Electro- and Magnetoencephalography (Springer, 2022).

Gramfort, A. et al. Analyse des données MEG et EEG avec MNE-Python. Devant. Neurosci. 7, 267 (2013).

Article PubMed PubMed Central Google Scholar

Tadel, F., Baillet, S., Mosher, JC, Pantazis, D. & Leahy, RM Brainstorm : une application conviviale pour l'analyse MEG/EEG. Calcul. Renseignement. Neurosci. 2011, 879716 (2011).

Article PubMed PubMed Central Google Scholar

Auboiroux, V. et al. Analyse multi-capteurs espace-temps-fréquence pour la localisation du cortex moteur par magnétoencéphalographie. Capteurs 20, 2706 (2020).

Article ADS PubMed PubMed Central Google Scholar

Robinet, S. et al. Un circuit à signal mixte 0,7 μVrms 32 canaux basse consommation pour les enregistrements ECoG. IEEE J. Emerg. Sél. Haut. Circuits Syst. 1, 451–460 (2011).

Annonces d'article Google Scholar

Eliseyev, A. et al. Régression récursive des moindres carrés partiels à N voies pondérée exponentiellement avec validation récursive des hyper-paramètres dans les applications d'interface cerveau-ordinateur. Sci. Rep. 7, 16281–16281 (2017).

Article ADS PubMed PubMed Central Google Scholar

Sauter-Starace, F. et al. Implantation à long terme chez la brebis de WIMAGINE®, un enregistreur d'électrocorticogramme sans fil à 64 canaux. Devant. Neurosci. 13, 847 (2019).

Article CAS PubMed PubMed Central Google Scholar

Perry, J., Garrett, M., Gronley, JK & Mulroy, SJ Classification du handicap de marche dans la population d'AVC. Course 26, 982–989 (1995).

Article CAS PubMed Google Scholar

Tinetti, ME, Franklin Williams, T. & Mayewski, R. Indice de risque de chute pour les patients âgés basé sur le nombre d'incapacités chroniques. Suis. J. Med. 80, 429-434 (1986).

Article CAS PubMed Google Scholar

Ermel, J. Des orteils à la tête : analyse de la marche, partie 2 : application pratique. physiopraxis 4, 30-34 (2006).

Article Google Scholar

Télécharger les références

Nous remercions notre pilote d'essai pour son engagement et sa confiance. Soutenu par Defitech Foundation, Rolex Award for Enterprise, International Foundation for Research in Paraplegia, Translational Medical Research Award 2021 de la Fondation Leenaards, Pictet Group Charitable Foundation, ONWARD medical, Medtronic, le Fonds national suisse par le biais du Centre national de compétence en recherche en robotique (51NF40-185543), Sinergia (CRSII5-183519), le programme Lead Agency avec l'Agence nationale de la recherche française (Think2Move SNF -32003BE-205563, ANR-21-CE19-0038), Prix AF Harvey, Agence suisse de l'innovation InnoSuisse (CTI-41871.1 IP-LS Bridge), Eurostars (E!12743 Confirm et E!113969 Prep2Go), Commission européenne (ERC-2019-PoC Braingait 875660, EIC 2021-TransitionChallenges- 01-01 ReverseParalysis 101057450, Horizon-EIC-2021-Pathfinderchallenges-01-02 NEMO-BMI 101070891), Fonds de dotation Clinatec (développement d'implants WIMAGINE) et Institut Carnot Leti. Subvention PHRT du domaine des EPF 2022-279.

Financement en libre accès fourni par l'EPFL Lausanne.

Ces auteurs ont contribué à parts égales : Henri Lorach, Andrea Galvez

Ces auteurs ont dirigé conjointement ce travail : Guillaume Charvet, Jocelyne Bloch, Grégoire Courtine

NeuroX Institute, School of Life Sciences, Ecole Polytechnique Fédérale de Lausanne (EPFL), Geneva, Switzerland

Henri Lorach, Andrea Galvez, Valeria Spagnolo, Nadine Intering, Molywan Vat, Cathal Harte, Salif Komi, Jimmy Ravier, Thibault Collin, Laure Coquoz, Icare Sakr, Edeny Baaklini, Sergio Daniel Hernandez-Charpak, Gregory Dumont, Leonie Asboth, Robin Demesmaeker, Jocelyne Bloch & Grégoire Courtine

Département de neurosciences cliniques, Centre hospitalier universitaire vaudois (CHUV) et Université de Lausanne (UNIL), Lausanne, Suisse

Henri Lorach, Andrea Galvez, Valeria Spagnolo, Nadine Intering, Molywan Vat, Cathal Harte, Salif Komi, Jimmy Ravier, Thibault Collin, Laure Coquoz, Icare Sakr, Edeny Baaklini, Sergio Daniel Hernandez-Charpak, Gregory Dumont, Léonie Asboth, Stefano Carda , Robin Demesmaeker, Jocelyne Bloch & Grégoire Courtine

NeuroRestore, Defitech Centre de neurothérapies interventionnelles, EPFL/CHUV/UNIL, Lausanne, Suisse

Henri Lorach, Andrea Galvez, Valeria Spagnolo, Nadine Intering, Molywan Vat, Cathal Harte, Salif Komi, Jimmy Ravier, Thibault Collin, Laure Coquoz, Icare Sakr, Edeny Baaklini, Sergio Daniel Hernandez-Charpak, Gregory Dumont, Leonie Asboth, Robin Demesmaeker, Jocelyne Bloch & Grégoire Courtine

Univ. Grenoble Alpes, CEA, LETI, Clinatec, Grenoble, France

Felix Martel, Serpil Karakas, Olivier Faivre, Lucas Struber, Fabien Sauter-Starace, Vincent Auboiroux, Stephan Chabardes, Tetiana Aksenova & Guillaume Charvet

Medtronic, Minneapolis, MN, États-Unis

Rik Buschman, Nicholas Buse et Tim Denison

Département des sciences de l'ingénieur, Université d'Oxford, Oxford, Royaume-Uni

Tim Denison

Département de réadaptation, Sint Maartenskliniek, Nimègue, Pays-Bas

Ilse van Ness

ONWARD Medical, Lausanne, Suisse

Anne Watrin

Univ. Grenoble Alpes, CHU Grenoble Alpes, Clinatec, Grenoble, France

Lilia Langar & Stephan Chabardes

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

HL, AG, VS, MV, NI, TC, LC, IS, EB, SDH-C., GD, IvN, FS-S., VA, S.Carda, JB et GC ont réalisé des expériences et analysé des données. HL, AG, FM, S.Karakas, OF, CH, S.Komi, RB, NB, TD, FS-S., VA, TA, RD et G.Charvet ont conçu, développé et/ou fabriqué du matériel et/ou des logiciels. JR, SDH-C. et GD a effectué des simulations. NI, EB, LA et IvN ont supervisé et dirigé la thérapie physique. HL, AG, MV et AW ont géré les affaires réglementaires. HL, AG et JR ont préparé des illustrations. S.Chabardes et JB ont réalisé des interventions neurochirurgicales. HL, G.Charvet, JB et G.Courtine ont conçu et supervisé l'étude. G.Courtine a rédigé l'article avec JB, HL et AG, et tous les auteurs ont contribué à sa rédaction.

Correspondence to Guillaume Charvet, Jocelyne Bloch or Grégoire Courtine.

G.Courtine, JB, HL, RD, LA, TA, FM, G.Charvet et FS-S. détiennent divers brevets ou demandes en relation avec le présent ouvrage (EP4108289A1, EP2623025A1, EP2649936B1, EP3190480B1 et EP4088659A1). G.Courtine et JB sont consultants pour ONWARD medical. AW est un employé d'ONWARD medical. G.Courtine et JB sont actionnaires minoritaires d'ONWARD, une société ayant un intérêt commercial potentiel dans l'œuvre présentée. Les autres auteurs ne déclarent aucun intérêt concurrent.

Nature remercie James Guest, Nick Ramsey et les autres relecteurs anonymes pour leur contribution à la relecture par les pairs de ce travail.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

a, Photographies rapportant la géométrie et les caractéristiques de l'implant WIMAGINE, comprenant 64 électrodes en platine-iridium (90:10) au pas de 4 mm x 4,5 mm (respectivement dans les axes antéro-postérieur et médio-latéral). Deux antennes externes sont intégrées dans l'implant. La première antenne alimente l'électronique implantée par couplage inductif à haute fréquence (HF, 13,56 MHz) tandis que la seconde antenne ultra haute fréquence (UHF, 402-405 MHz) transfère les signaux enregistrés à l'extérieur du corps. b, Deux antennes externes intégrées dans un casque personnalisé imprimé en 3D alimentent l'implant et récupèrent les signaux diffusés qui sont ensuite transférés vers une station de base. Cette station de base gère la mise sous tension des implants, la synchronisation et le conditionnement des données brutes. c, Un pipeline de décodage calcule les caractéristiques temporelles, spectrales et spatiales intégrées dans les signaux ECoG liés à l'intention de se déplacer. Ces caractéristiques sont ensuite téléchargées dans l'algorithme de décodage qui décode les tentatives de déplacement des membres inférieurs sur la base d'un algorithme de modèle multilinéaire à commutation de Markov à pondération exponentielle et récursif26. Cet algorithme est un mélange d'algorithmes d'experts multilinéaires intégrant un classifieur Hidden Markov Model (HMM), appelé gating, et un ensemble de modèles de régression indépendants, appelés experts. Le classificateur de déclenchement prédit l'articulation qui doit être mobilisée (c'est-à-dire la hanche, le genou ou la cheville de chaque côté) ainsi que l'état de repos, tandis que chaque expert se consacre à prédire la direction et l'amplitude relative du mouvement prévu. Lorsque la mise à jour est autorisée, toutes les 15 s, les coefficients des deux régressions linéaires (βgate, bgate, βexpert, bexpert) sont mis à jour par moindres carrés partiels récursifs ainsi que les coefficients de la matrice de transition T correspondant au nombre de transitions entre chaque états pendant cette période de 15s (soit 150 nouvelles transitions). Pour soutenir la production de la station debout et de la marche, les sorties du modèle sont codées dans des mises à jour de programmes de stimulation spécifiques aux articulations qui sont limités dans des plages fonctionnelles d'amplitudes préétablies. d, Un logiciel personnalisé de qualité médicale envoie ces mises à jour au générateur d'impulsions implanté via une chaîne de systèmes de communication sans fil, délivrant finalement la stimulation via un réseau de palettes implanté par voie épidurale sur la moelle épinière lombo-sacrée.

a, Localisation postopératoire des implants corticaux sur le cerveau segmenté du participant qui confirme le positionnement approprié des grilles à 64 électrodes sur les régions activées du cortex moteur primaire répondant aux tentatives de mouvements des membres inférieurs, telles que mesurées lors des enregistrements magnétoencéphalographiques fonctionnels. b, Localisation postopératoire de la sonde à palette sur la moelle épinière lombo-sacrée pour cibler les muscles des membres inférieurs. c, Projection des poids de régression linéaire associés aux différents mouvements des membres inférieurs (représentés sur les schémas corporels) sur l'emplacement des implants, révélant la ségrégation spatiale des caractéristiques spécifiques au mouvement. d, Activité électromyographique enregistrée à partir de plusieurs muscles des membres inférieurs suite à une rafale de stimulation électrique épidurale en utilisant les configurations d'électrodes plus sélectives (schémas) et les paramètres (rapportés) traduits en tracés polaires rapportant l'amplitude des réponses musculaires. e, Distribution spatiale des poids de régression linéaire associés aux mouvements des membres supérieurs par rapport aux membres inférieurs sur la grille de 64 électrodes de chaque implant cortical. Le firmware a permis la sélection de 32 électrodes parmi les 64 électrodes de chaque implant. Les points rouges indiquent les 32 électrodes sélectionnées de chaque implant en fonction de la quantité d'informations liées au mouvement identifiées pour chacune des 64 électrodes. f, distribution spectrale des poids de régression linéaire associés aux mouvements des membres supérieurs par rapport aux membres inférieurs, soulignant l'importance d'une densité d'échantillonnage élevée dans les basses fréquences par rapport aux hautes fréquences. Cet ensemble de caractéristiques a guidé le paramétrage des décodeurs. g, Représentation détaillée de la répartition spatiale et spectrale des poids associés au décodage des 6 différents mouvements articulaires des membres inférieurs.

a, Chronophotographie et spectrogramme associé, probabilités de pas gauche et droit, modulation de l'activité musculaire, hauteur de cheville et pic de probabilité de cycles de pas lors d'une séquence de marche, pause volontaire (30 s, consigne) et reprise de la marche. L'absence de détections de faux positifs illustre la robustesse du BSI. b, Le graphique à barres indique la probabilité maximale de marche (actif) par rapport à l'état d'inactivité, ainsi que les matrices de confusion indiquant les états de repos détectés par rapport aux états d'oscillation gauche et droite (n = 31 et n = 49 échantillons pour les états inactif et actif respectivement, test t unilatéral non apparié ***, P <0,001). c, photographies illustrant les capacités assis-debout sans et avec le BSI, y compris les diagrammes à barres indiquant les capacités d'équilibre (scores) mesurées à l'aide de l'échelle d'équilibre de Berg.

a, Analyse en composantes principales (PC) appliquée aux paramètres cinématiques et d'activité musculaire lors de la marche sur tapis roulant avec stimulation seule versus BSI. Pendant les conditions de stimulation seule, un contrôleur en boucle fermée basé sur des capteurs de mouvement fixés aux membres inférieurs détermine les paramètres de stimulation. Chaque point représente un cycle de marche. Le diagramme à barres indique la distance euclidienne dans l'espace PC entre chaque échantillon et le centroïde des étapes saines. (n = 119, n = 30 et n = 61 étapes pour sain, EES uniquement et BSI respectivement, test t unilatéral non apparié ***, P < 0,001). Par rapport à la stimulation seule, le BSI a permis de marcher avec des caractéristiques de marche plus proches de celles quantifiées chez les individus sains. Cette similitude est mise en évidence dans les diagrammes à barres, qui rapportent les valeurs moyennes des paramètres cinématiques avec une charge factorielle élevée sur PC1. b, Mesure quantitative de la longueur des pas en marchant avec des béquilles. Les étapes inférieures à 10 cm sont considérées comme ayant échoué, comme illustré dans le diagramme en bâtonnets. La condition EES uniquement a montré une longueur de pas significativement plus courte en raison de l'augmentation des étapes échouées (n = 26, n = 43 pour EES uniquement et BSI respectivement, test t unilatéral de Mann-Whitney U test **, P <0,01). c, photographies illustrant les capacités de marche, ainsi que des diagrammes à barres qui rapportent des quantifications de la performance lors de l'exécution de divers paradigmes de marche, y compris monter et descendre une rampe, monter des escaliers et marcher avec des béquilles au-dessus du sol. d) Marcher sur des terrains changeants avec des obstacles et des textures différentes (6 surfaces), comme illustré dans le schéma à gauche. Les conventions sont les mêmes que dans les figures précédentes. La stabilité du décodage est illustrée par des courbes de probabilité superposées de flexions de la hanche droite sur des pas consécutifs (n = 13 pas, précision à gauche = 0,89 +/− 0,1 std, w = 2,06 s +/− 0,6 s std) et précision à gauche (n = 13 pas, précision = 0,91 +/− 0,1 std, w = 2,06 s +/− 0,4 s std).

a, Des enregistrements de l'état de repos ont été acquis régulièrement pour évaluer l'évolution de la qualité du signal dans le temps. Les traces brutes et le spectre de puissance d'un signal ECoG mesuré à partir d'une électrode sélectionnée sont présentés pour illustrer la stabilité des signaux enregistrés. Le graphique rapporte les valeurs moyennes du spectre de puissance quantifiées sur 2 min d'état de repos enregistrées à intervalles réguliers sur une période de près d'un an, montrant une diminution constante mais négligeable de la qualité du signal au fil du temps (-0,03 dB/jour). b, Parcelles rapportant l'analyse en composantes principales des coefficients de déclenchement de tous les modèles utilisés pour soutenir la marche sur toute la durée de l'étude. La taille de chaque point de données capture le temps relatif pendant lequel chaque modèle a été utilisé. c, Parcelles rapportant la gamme d'amplitudes et de fréquences de stimulation utilisées tout au long du programme de neuroréhabilitation, soulignant la robustesse du BSI sur près de six mois d'utilisation. d, Spectrogrammes et performances de décodage avec modulation de l'amplitude de stimulation (relative) lors de la marche à son rythme permise par le BSI. Les tracés rapportent la probabilité d'événements de flexion de la hanche gauche et droite (oscillation) mesurés sur des étapes consécutives et répétés à intervalles réguliers pendant toute la durée de l'essai clinique. e, Spectrogrammes médians autour des tentatives de flexion de la hanche droite pendant différentes périodes de temps au cours de l'entraînement (n = 100 tentatives à chaque période). Les modulations redressées moyennes montrent une augmentation significative avec le temps (n = 64 électrodes, R2 = 0,68, P < 0,001).

Le même modèle a été utilisé pour permettre au participant d'exercer un contrôle sur 6 articulations des deux côtés pendant deux séances espacées de 2 mois. Les conventions sont les mêmes que dans les figures précédentes.

a, Un déambulateur intégré a été conçu et fabriqué pour incorporer les différents matériels composant le BSI, maximisant ainsi la praticabilité de la plate-forme technologique pour une utilisation à domicile. Le système est alimenté par batterie et peut fonctionner de manière autonome pendant environ 2 h sans aucune surveillance. b, Séquence montrant les différentes étapes de configuration du BSI, y compris le positionnement du casque de communication, le téléchargement d'un programme BSI, la surveillance de la qualité du signal pour assurer le placement approprié des antennes et le réglage des amplitudes minimale et maximale de la stimulation. Le participant utilise le BSI de manière indépendante pour soutenir la neuroréadaptation et les activités de la vie quotidienne depuis près d'un an. Le positionnement du matériel et la configuration du BSI nécessitent environ 5 min. c, Journal d'utilisation et quantification des performances du participant après la phase principale de l'étude en nombre cumulé d'étapes décodées et temps d'utilisation cumulé sur une période de 181 jours, c'est-à-dire depuis le retour du participant à son domicile.

Conception de l'interface cerveau-rachis.

Implémentation de l'interface cerveau-rachis.

Neuroréhabilitation et récupération neurologique permises par l'interface cerveau-colonne vertébrale.

Utilisation indépendante du BSI par le participant.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournir un lien vers la licence Creative Commons et indiquer si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Lorach, H., Galvez, A., Spagnolo, V. et al. Marcher naturellement après une lésion de la moelle épinière en utilisant une interface cerveau-rachis. Nature 618, 126-133 (2023). https://doi.org/10.1038/s41586-023-06094-5

Télécharger la citation

Reçu : 01 août 2022

Accepté : 17 avril 2023

Publié: 24 mai 2023

Date d'émission : 01 juin 2023

DOI : https://doi.org/10.1038/s41586-023-06094-5

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Nature (2023)

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.