Нейроинтерфейс на руке

Реабилитация после инсульта — часто длительный процесс, при котором нейронные связи формируются после многократных тренировок. После выписки из стационара и отделения реабилитации многие пациенты остаются без достаточной поддержки и мотивации к занятиям, и не всегда восстанавливаются так хорошо, как могли бы. 

HD-EMG-рукав (высокоплотный электромиографический рукав) — устройство для восстановления двигательных функций руки. Нейроинтерфейс считывает остаточную активность мышц и запускает электростимуляцию¹. Эксперты считают, что в ближайшие 3–5 лет такие устройства перейдут из экспериментальных разработок в клиническую практику и станут частью стандартной реабилитации².

Рассказываем, как устроен EMG-рукав, какие результаты он уже демонстрирует у пациентов после инсульта и что может изменить в практике врача в ближайшие годы.

Вы узнаете:

• Как EMG-рукав улавливает сигналы мышц
• Как он работает вместе с функциональной электростимуляцией
• Как пациенты могут тренироваться дома и делиться прогрессом с врачом
• Как развивается рынок EMG-рукавов

Словарь терминов

EMG (Electromyography) — электромиография.
HD-EMG (High-Density Electromyography) — высокоплотная электромиография; метод регистрации электрической активности мышц с помощью множества поверхностных электродов, расположенных на коже.
ФЭС (функциональная электростимуляция) — метод, при котором электрические импульсы стимулируют мышцы и помогают выполнить движение при слабом нервно-мышечном сигнале, исходящем от центральной нервной системы.

Алгоритм, который «слышит» руку

После инсульта пораженный участок мозга не может сформировать полноценный моторный сигнал и функция нарушается. Мышцы получают остаточные электрические импульсы, которые можно регистрировать с поверхности кожи. Сделать это непросто. Чтобы уловить слабые сигналы, врачу приходится вручную подбирать места для электродов — при малейшей ошибке они теряются. HD-EMG-рукав решает проблему такой настройки и избавляет врача от ручного подбора точек, так как охватывает предплечье массивом до 150 поверхностных электродов и регистрирует мышечную активность. Это обеспечивает стабильный сигнал для анализа и тренировок движений¹.

Алгоритм на базе искусственного интеллекта каждые 100 мс извлекает признаки электромиографической активности мышц и сопоставляет их с заранее обученными шаблонами ³. На этой основе система различает до 12 функциональных движений кисти и предплечья — от сжатия и разжатия ладони до выпрямления указательного пальца, супинации и пронации предплечья, сгибания и разгибания запястья, а также нескольких типов щипковых хватов¹.

От намерения к действию: как работает EMG-рукав с ФЭС

EMG-рукав регистрирует остаточную электрическую активность мышц, затем система ФЭС стимулирует их сокращение и помогает выполнить задуманное действие⁴. 

Набор позиций и движений для тренировки настраивают под конкретного пациента. Обычно включают «покой», «открыть» и «закрыть» кисть, а при потребности в более точной моторике добавляют щипковый хват или сгибание запястья¹. Такой минимальный и хорошо считываемый системой набор действий позволяет многократно повторять движения. Тренировки запускают процессы нейропластичности — перестройку существующих и формирование новых нейронных связей. Благодаря этому мозг постепенно восстанавливает контроль над рукой. 

В 2024 году исследователи из США опубликовали в журнале Journal of NeuroEngineering and Rehabilitation результаты пилотного исследования. В нем 7 пациентов после инсульта с нарушением функции руки выполняли различные движения, а HD-EMG-рукав NeuroLife Sleeve различал состояние покоя и 12 моторных функций кисти и предплечья со средней точностью около 77%. Когда набор подбирали под конкретного человека — например, оставляли «отдых» и два-три наиболее устойчиво распознаваемых действия, например сжать или разжать кулак  — точность поднималась выше 90%¹.

До появления HD-EMG-рукава приходилось имплантировать электроды в мышцы или нервы, чтобы получать надежные сигналы. Это ограничивало использование подобных интерфейсов. HD-EMG-рукав просто надевают на руку и операцию проводить не нужно. Результаты исследования показали, что устройство может служить удобным и полностью неинвазивным инструментом для управления ФЭС или мягким экзоскелетом¹.

Пациенты в исследованиях отмечают, что рукав легкий, дышащий и его комфортно носить даже по несколько часов подряд. Устройство удобно надевать с помощью застежки-молнии. Правильно расположить рукав на руке помогают анатомические ориентиры — от локтевого до шиловидного отростка лучевой кости, чтобы электроды точно совпали с мышцами¹.

Домашние тренировки

Один из основных барьеров восстановления после инсульта — недостаточное количество движений в день. Для формирования новых нейронных связей мозгу нужны сотни и тысячи повторов ежедневно, но в клинике пациент успевает выполнить только малую часть необходимой активности⁵. 

Благодаря технологии пациент может тренироваться дома. Приложение фиксирует, сколько раз человек попытался сжать и разжать кисть, с какой точностью система распознала сигнал, сколько секунд удерживалось движение¹. Врач получает онлайн-данные о динамике — «+7% точности за неделю», «меньше ложных срабатываний» — и может контролировать реабилитацию в реальном времени, а при необходимости гибко менять программу занятий без вызова пациента в клинику.

От эксперимента к массовому рынку

Количество людей, перенесших инсульт, растет, но реабилитацию получает далеко не каждый. По данным исследований, 35–60 % пациентов в первый год остаются без физической терапии или других программ восстановления. Даже те, кто попадает в клинику, выполняют слишком мало повторов движений — одного курса недостаточно, чтобы мозг успел перестроить нейронные связи ^{6, 7}. По прогнозам аналитических компаний GlobalData и Allied Market Research, спрос на EMG-рукав в ближайшие годы многократно вырастет. Рынок, который сейчас измеряется сотнями миллионов долларов, к 2033 году может достигнуть миллиардов².

В России пока нет HD-EMG-рукавов, но есть близкая по идее технология. Нейрокомпьютерный интерфейс на основе ЭЭГ в связке с экзоскелетом кисти прошел клинические испытания и получил регистрационное удостоверение. В ряде центров устройство уже используют для реабилитации после инсульта⁸. 

Новые поколения рукавов станут легче и компактнее. Датчики и электроды будут интегрированы прямо в ткань устройства, без отдельных накладных пластин и проводов. Искусственный интеллект позволит системе точнее распознавать намерения пациента и подбирать оптимальную силу импульсов, чтобы мышцы не перегружались и не уставали слишком быстро⁹. 

Для врача это значит больше объективных данных о динамике восстановления движений и меньше рутинной настройки электродов и параметров стимуляции. Для пациента — больше независимости и практики. Через 10 лет такие технологии могут стать такой же привычной частью маршрута восстановления, как сегодня механотерапия или занятия с реабилитологом.

Источники

1. Meyers E. C., Gabrieli D., Tacca N. et al. Decoding hand and wrist movement intention from chronic stroke survivors with hemiparesis using a user-friendly, wearable EMG-based neural interface // J. NeuroEngineering Rehabil. — 2024. — Vol. 21. — P. 7. — DOI: 10.1186/s12984-023-01301-w
2. Sharma R., Chandola V., Bhat S. Wearable EMG Sleeve for Stroke Rehab Market Research Report 2033 [Электронный ресурс] // Growth Market Reports. — 2024. — Режим доступа: https://growthmarketreports.com/raksha (дата обращения: 07.09.2025).
3. Sattari P., Ravanshid D., Nasiri R. Designing for practicality: a personalized and adaptive framework for real-time EMG-based hand motor decoding // J. Neural Eng. — 2025. — Vol. 22, № 2. — DOI: 10.1088/1741-2552/adbfbf. — PMID: 40073448.
4. Khan M. A., Fares H., Ghayvat H., Brunner I. C., Puthusserypady S., Razavi B., Lansberg M., Poon A., Meador K. J. A systematic review on functional electrical stimulation based rehabilitation systems for upper limb post-stroke recovery // Front. Neurol. — 2023. — Vol. 14. — P. 1272992. — DOI: 10.3389/fneur.2023.1272992. — PMID: 38145118; PMCID: PMC10739305.
5. Why High-Dose Repetition Matters in Stroke Rehab: Unlocking Neuroplasticity Through Intensity / NeuroRehab Team [Электронный ресурс]. — 2025. — 5 августа. — Режим доступа: https://www.neurorehabdirectory.com/why-high-dose-repetition-matters-in-stroke-rehab-unlocking-neuroplasticity-through-intensity/ (дата обращения: 07.09.2025).
6. Nam JS, Heo SJ, Kim YW, Lee SC, Yang SN, Yoon SY. Association Between Frequency of Rehabilitation Therapy and Long-Term Mortality After Stroke: A Nationwide Cohort Study. Stroke. 2024 Sep;55(9):2274-2283. doi: 10.1161/STROKEAHA.123.046008. Epub 2024 Aug 5. PMID: 39101205.
7. Young BM, Holman EA, Cramer SC; STRONG Study Investigators. Rehabilitation Therapy Doses Are Low After Stroke and Predicted by Clinical Factors. Stroke. 2023 Mar;54(3):831-839. doi: 10.1161/STROKEAHA.122.041098. Epub 2023 Feb 3. PMID: 36734234; PMCID: PMC9992003.
8. Кондур А.А., Бирюкова Е.В., Фролов А.А., Бобров П.Д., Турбина Л.Г., Котов С.В., Зайцева Е.В. Восстановление двигательной функции руки после инсульта с помощью интерфейса «мозг-компьютер», управляющего экзоскелетом кисти: эффект повторных госпитализаций // Физиология человека. — 2020. — Т. 46, № 3. — С. 99–110.
9. Medagedara M. H., Ranasinghe A., Lalitharatne T. D., Gopura R. A. R. C., Nandasiri G. K. Advancements in Textile-Based sEMG Sensors for Muscle Fatigue Detection: A Journey from Material Evolution to Technological Integration // ACS Sens. — 2024. — Vol. 9, № 9. — P. 4380–4401. — DOI: 10.1021/acssensors.4c00604. — PMID: 39240819.