Este gráfico ilustra el potencial para recopilar y procesar señales iEMG con fines de diagnóstico utilizando el algoritmo propuesto. Se registran las señales intramusculares de la parte superior del brazo derecho de una persona (que se muestran como el punto rosa). El círculo adyacente muestra los detalles del electrodo de aguja y la configuración de registro de la señal. Las formas de onda de la señal (en la pantalla de la computadora portátil) luego se procesan para extraer la función (1-D CSLBP) que captura de manera efectiva las diferencias subyacentes a los diferentes trastornos neuromusculares. El resultado de este paso de procesamiento se suministra a la red neuronal artificial (enfoque de aprendizaje automático) que realiza la clasificación (binaria). El paso de clasificación está representado por el gráfico con una línea inclinada que divide las dos clases, correspondientes a las señales de miopatía (puntos verdes) y neuropatía (puntos naranjas), respectivamente. Las respectivas flechas de colores señalan la sección transversal de la fibra muscular correspondiente a la miopatía (verde) y la neuropatía (naranja). Para un atractivo estético, el fondo oscuro tiene una superposición transparente de neuronas (marrón claro) para transmitir el contexto de la causa subyacente de los trastornos neuromusculares. Crédito: Creado usando biorender.com por V. Shenoy Handiru.
Un equipo de investigadores ha desarrollado un nuevo enfoque prometedor para detectar trastornos neuromusculares mediante electromiografía intramuscular (iEMG). En un estudio piloto, el sistema de diagnóstico automático mostró alta precisión en tres tipos de músculos y bajo tiempo computacional. Su artículo, «Clasificador de EMG intramuscular para detectar miopatía y neuropatía», se publicó en el Revista internacional de tecnología de sistemas de imágenes.
Los autores son Shobha Jose, Thomas George Selveraj, Jobin T. Philip, Sairamya Nanjappan Jothiraj y Subathra Muthu Swamy Pandian del Instituto Karunya de Tecnología y Ciencias en Tamil Nadu, India, Kenneth Samuel de la Universidad del Este en St. David’s, Pensilvania, y Vikram Shenoy Handiru y Easter S. Suviseshamuthu, del Centro de Investigación de Ingeniería de Movilidad y Rehabilitación de la Fundación Kessler en West Orange, Nueva Jersey.
Se ha demostrado que la EMG intramuscular invasiva es una herramienta eficaz para identificar anomalías neuromusculares como la miopatía y la neuropatía. La miopatía, un trastorno de las fibras musculares, y la neuropatía, que refleja el daño de los nervios periféricos, exhiben diferentes patrones de potenciales de acción de la unidad motora.
Para facilitar la interpretación de estas señales, el equipo desarrolló un marco clasificador iEMG basado en una nueva característica llamada Patrón binario local simétrico central unidimensional (ID, CSLBP), que mejoró el rendimiento de una tarea de clasificación binaria (miopatía y neuropatía).
Las señales electromiográficas de los músculos bíceps braquial, deltoides y vasto medial. Se estudiaron 25 individuos: 10 controles sanos, 7 con miopatía y 8 con neuropatía. La precisión de la clasificación para los tres tipos de músculos superó el 92 % y el tiempo de cálculo fue bajo.
«Este alto nivel de precisión combinado con un marco de tiempo corto para las pruebas indica el potencial para la implementación en tiempo real», afirmó el Dr. Suviseshamuthu. «Se necesita investigación futura para probar la viabilidad de un sistema EMG en tiempo real que ayudaría a los médicos a realizar diagnósticos rápidos, objetivos y precisos de estos trastornos neuromusculares», agregó.
Shobha Jose et al, clasificador EMG intramuscular para detectar miopatía y neuropatía, Revista internacional de sistemas y tecnología de imágenes (2022). DOI: 10.1002/ima.22811
Proporcionado por la Fundación Kessler
Citación: Nueva aplicación de electromiografía intramuscular puede facilitar la detección de trastornos neuromusculares (22 de diciembre de 2022) consultado el 22 de diciembre de 2022 en https://medicalxpress.com/news/2022-12-application-intramuscular-electromyography-neuromuscular-disorders.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
