การออกแบบและพัฒนาอุปกรณ์สำหรับผู้ป่วยโรคหลอดเลือดสมอง

Abstract

In it is the leading cause of death and the second leading cause of adult disability. We have to pay over 20 billion Baht a year for stroke-related medical costs and disability. Stroke rehabilitation should be started as quickly as possible and done consistently. Because of the lack of physical therapist and rehabilitation machines, daily rehabilitation exercises are rarely successful. Therefore, the simple designed machine with required less physical therapist is considerably needed. There are two main objectives of this research plan. First plan is to design and develop the gait training machine for stroke patients. Second plan is to develop the tool that can measure blood flow velocities in brain arteries. It can be used to detect emboli in cerebral circulation for stroke warning. The main objective of first research is to design and develop the gait training machine for stroke patients. The machine is composed of two parts that are the elliptical part and the body weight support part. The elliptical part is used to control the speed of patient’s step. It can be set the speed from 0 – 60 step/minute. For the body weight support part, the weight support can be adjusted from 25 – 87 kg. Also the second prototype is stronger than the first prototype. From the testing of the gait training machine, the machine has been tested with twelve stroke patients. The results show a good potential to improve the patient’s walking. Most of them can walk faster, longer with more stable than before using the machine. For the second research, Transcranial Doppler Ultrasound (TCD), a non-invasive approach to measure blood flow velocities in brain arteries, can be used to detect emboli in cerebral circulation. Classification of the measured TCD as an embolic signal (ES) or artifact is usually performed by a well-trained physician. However, human error and inter-rater reliability among physicians are unavoidable issues. As a result, an automatic ES detection system is undoubtedly useful as a medical support system. Therefore, we developed a fast and accurate automatic embolic signal detection algorithm using the adaptive wavelet packet transform (AWPT) for feature extractions and adaptive neuro-fuzzy inference system (ANFIS) for signal classifications. The subtractive clustering method was applied to significantly reduce the processing time (99.1% for training and 70.2% for classification) compared with grid clustering and can reduce the processing time when compared with fuzzy C-mean (FCM) clustering (34% for training and 18.2% for classification), while still achieving an impressive detection accuracy with 94.4% and 94.2% in sensitivity and specificity, respectively. These suggested that the algorithm could be used as a medical support system.

ในประเทศไทย โรคหลอดเลือดสมองเป็นสาเหตุอันดับหนึ่งของการเสียชีวิตและอันดับสองของความพิการ ทำให้ต้องเสียค่าใช้จ่ายจำนวนมากกว่า สองหมื่นล้านบาทต่อปีในส่วนที่เกี่ยวข้องกับการรักษาและชดเชยจากความพิการ ในการฟื้นฟูผู้ป่วยโรคหลอดเลือดสมองนั้น ควรเริ่มต้นเร็วที่สุดเท่าที่จะเป็นไปได้ และทำอย่างต่อเนื่อง แต่เนื่องจากการขาดนักกายภาพบำบัดและอุปกรณ์กายภาพบำบัด ทำให้การฟื้นฟูสภาพร่างกายผู้ป่วยไม่ค่อยได้ผล ดังนั้น อุปกรณ์ที่ออกแบบให้ทำงานได้ง่ายและช่วยแบ่งเบาภาระของของนักกายภาพบำบัดจึงเป็นที่ต้องการอย่างมาก ในแผนงานวิจัยนี้ แบ่งออกเป็นสองโครงการวิจัยคือ โครงการย่อยที่ 1 คือ การออกแบบและพัฒนาอุปกรณ์ช่วยฝึกเดินสำหรับผู้ป่วยโรคหลอดเลือดสมอง และโครงการย่อยที่ 2 คือการคัดกรองผู้ป่วยโรคหลอดเลือดสมองอุดตันอย่างอัตโนมัติจากสัญญาณ Transcranial Doppler Ultrasound (TCD) ซึ่งสามารถใช้เป็นเครื่องมือในการเตือนความเสี่ยงในการเป็นโรคหลอดเลือดสมอง จุดประสงค์หลักของโครงการย่อยที่ 1 คือ การออกแบบและพัฒนาอุปกรณ์ช่วยฝึกเดินสำหรับผู้ป่วยโรคหลอดเลือดสมอง โดยอุปกรณ์นี้ประกอบไปด้วย 2 ส่วนคือ ส่วนที่ช่วยในการก้าวเท้าและส่วนที่พยุงแบบรองรับน้ำหนัก ซึ่งส่วนที่ช่วยในการก้าวเท้าสามารถปรับความเร็วในการก้าวได้ตั้งแต่ 0-60 ก้าวต่อนาที และระบบรองรับน้ำหนักสามารถปรับค่าการรองรับน้ำหนักได้ตั้งแต่ 25 – 87 กิโลกรัม นอกจากนี้ อุปกรณ์ต้นแบบ รุ่นที่2 ยังถูกปรับปรุงให้มีความแข็งแรงเพิ่มขึ้นอีกด้วย จากผลการทดสอบกับผู้ป่วย จำนวน 12 คน พบว่า เครื่องช่วยฝึกเดิน มีแนวโน้มที่จะเพิ่มประสิทธิภาพในการเดินของอาสาสมัครให้ดีขึ้นภายหลังจากการฝึกเดิน ทั้งในแง่ของระยะทางในการเดินที่เพิ่มมากขึ้น ความเร็วในการเดินที่เพิ่มมากขึ้นและความสามารถในการทรงตัวที่ดีขึ้น อีกทั้งคุณภาพในการเดินก็มีแนวโน้มที่ดีขึ้นด้วยเช่นกัน สำหรับโครงการย่อยที่2, Transcranial Doppler Ultrasound (TCD) เป็นวิธีที่นำมาใช้วัดความเร็วของของเลือดในหลอดเลือดสมอง ไม่เป็นอันตรายใด ๆ ต่อผู้ป่วย สามารถใช้ตรวจจับเอ็มบอลิก (embolic signal: ES) ที่ไหลเวียนในหลอดเลือดสมองได้ การจำแนกสัญญาน TCD ว่าเป็นสัญญาน ES หรือสัญญานแปลกปน (artifact) โดยทั่วไปแล้วจะกระทำโดยแพทย์ผู้เชี่ยวชาญ อย่างไรก็ตาม ความผิดพลาดหรือความเห็นต่างระหว่างแพทย์ผู้เชี่ยวชาญเป็นสิ่งที่อาจเกิดขึ้นได้ ดังนั้นระบบการตรวจจับเอ็มบอลิกอย่างอัตโนมัติจึงมีความจำเป็นและเป็นประโยชน์ในระบบสนับสนุนการตรวจวินิจฉัยของแพทย์ คณะผู้วิจัยได้ทำการพัฒนาขั้นตอนวิธีในการตรวจจับสัญญานเอ็มบอลิกอย่างอัตโนมัติ โดยใช้เทคนิกการแปลงเวฟเล็ทแพ็กเกตแบบปรับตัวได้ (adaptive wavelet packet transform: AWPT) ในการสกัดลักษณะเด่น และระบบประสาทฟัซซี่อนุมาน (adaptive neuro-fuzzy inference system: ANFIS) ในการจำแนกประเภทสัญญาณว่าเป็น ES หรือ artifact โดยวิธีการแบ่งกลุ่มแบบลบ (subtractive clustering) ถูกนำมาใช้เพื่อลดเวลาในการประมวลผลลงได้อย่างมีนัยสำคัญ กล่าวคือ สามรถลดเวลาในการประมวลผลลง 99.1% สำหรับขั้นตอนการฝึกฝนแบบจำลอง และ 70.2% สำหรับขั้นตอนการจำแนกประเภทสัญญาณเมื่อเปรียบเทียบกับการแบ่งกลุ่มแบบตะแกรง (grid clustering)และสามรถลดเวลาในการประมวลผลลง 34% สำหรับขั้นตอนการฝึกฝน และ 18.2% สำหรับขั้นตอนการจำแนกประเภทสัญญาณเมื่อเปรียบเทียบกับการแบ่งกลุ่มแบบ fuzzy C-meanแต่ระบบที่พัฒนาขึ้นยังคงไว้ซึ่งความถูกต้องแม่นยำ กล่าวคือ มีค่าความไว (sensitivity) 94.4% และ ค่าความจำเพาะ (specificity) 94.2% ตามลำดับ แสดงให้เห็นว่าระบบที่พัฒนาขึ้นสามารถนำไปประยุกต์ใช้ทางการแพทย์เพื่อเป็นระบบสนับสนุนการตรวจคัดกรองผู้ป่วยโรคหลอดเลือดสมองต่อไป