Dispositivo de resonancia magnética funcional para examinar la activación cerebral

relacionada con el stepping

Martín Martínez (miembro del IEEE), Federico Villagra, Francis Loayza, Marta Vidorreta, Gonzalo Arrondo, Elkin

Louis, Javier Díaz, Mikel Echeverría, María A. Fernández-Seara, María A. Pastor*

Resumen- Los movimientos repetitivos y alternantes de las extremidades inferiores (stepping) son un componente
específico
de la marcha humana. Debido a dificultades técnicas, los mecanismos neurales responsables de tales movimientos no
han sido
estudiados previamente con resonancia magnética funcional (RMf).

En este estudio, se presenta un nuevo dispositivo de marcha empleado para investigar la cinemática y la patrones de

activación cerebral involucrados en los movimientos alternantes y repetitivos de las extremidades inferiores. Una vez
dentro
del escáner, diecinueve sujetos sanos fueron guiados por dos señales visuales e instruidos para realizar una tarea motora
que
involucró movimientos repetitivos y alternantes de ambos miembros inferiores, mientras cada sujeto seleccionaba una

amplitud cómoda. El dispositivo permite un movimiento coordinado a la vez que registra los desplazamientos
concurrentes, lo
cual permite cuantificar algunas de las características cinemáticas primarias del movimiento, como amplitud y
frecuencia.
La actividad cerebral relacionada con los movimientos de las piernas se corresponde con una red bilateral que incluye
la
corteza sensorimotora primaria y secundaria, área motora suplementaria, corteza premotora, corteza prefrontal, lóbulo

parietal superior e inferior, putamen y cerebelo, regiones que son conocidas por su participación en el control motor del
tren
inferior.

Activaciones cerebrales relacionadas con la amplitud del movimiento de las piernas fueron identificadas en una red

lateralizada al lado derecho que incluye al estriado y regiones extra-estriatales y fronto-

parietales.
1. Introducción:

La locomoción humana es una tarea sensorimotora compleja que implica la interacción dinámica de músculos que actúan

sobre diferentes articulaciones de las extremidades, generadores locomotores espinales y una red jerárquica coordinada
por
estructuras nerviosas distribuidas a lo largo del tronco-encéfalo, cerebelo, ganglios basales y corteza cerebral. Esta red
controla
el movimiento y el equilibrio mediante una integración de información multisensorial que permite adaptar nuestro patrón

locomotor con precisión, velocidad y versatilidad extraordinaria y acorde a las condiciones específicas ambientales
(revisión en
Rossignol et al., 2006).

El estudio de la locomoción con resonancia magnética funcional (RMf) se ve obstaculizado debido a la dificultad de
permanecer
de pie en un escáner de alto campo magnético que permita el registro de la actividad cerebral evocada por el stepping, y
la
naturaleza de la tarea en sí misma. Para abordar esta limitación, varios enfoques han sido propuestos para proporcionar
una
evidencia indirecta de la participación cortical en la locomoción. Estos enfoques van desde la exploración de los patrones
de
actividad cerebral durante acciones imaginadas como estar de pie, caminar y correr (Miyai et al., 2001; Jahn et al., 2004;
Sacco
et al., 2006; Bakker et al., 2007; La Fougere et al., 2010), a la evaluación las áreas cerebrales activas durante la
realización de
movimientos pasivos y voluntarios dentro del escáner. Esto último ha sido estudiado desde diversos niveles de
complejidad:
desde la evaluación de movimientos unilaterales y repetitivas aislados de tobillo y rodilla (Debaere et al., 2001; Dobkin et
al.,
2004; Sahyoun 2004; Kapreli et al., 2006; Newton et al., 2008; Francis et al., 2009; Woolley et al., 2010) a tareas más
complejas
que requieren movimientos coordinados de múltiples articulaciones como pedalear (Mehta et al., 2009) o stepping
(Hollnager
et al., 2011; Toyomura et al., 2012).

Si bien los estudios de neuroimagen basados en acciones locomotora imaginadas no están afectados por artefactos

relacionados con el propio movimiento, éstos han proporcionado información valiosa a pesar de que no permiten una

evaluación directa de la actividad neuronal asociada con movimientos reales. Por otro lado, los movimientos alternantes
(anti-
fase) y repetitivos de las extremidades inferiores requieren la coordinación entre las piernas, mecanismo empleado
también
durante la locomoción y por lo tanto se han propuesto como una modelo clínico de la marcha (Miyai et al., 2001). Las
ventajas
de este enfoque radica en que los movimientos de stepping se pueden realizar en una posición supino, lo cual el estudio
de su
activación cerebral evocada con medios como la RMf o el PET, dado que el movimiento de cabeza es minimizado (Mehta
et al.,
2009; Hollnager et al., 2011).

La medida cuantitativa del movimiento es crucial en diseños experimentales de RMf que incluyen tareas motoras (Ashe et
al.,
1994) dada la correlación existente de la actividad cerebral y los cambios dependientes del movimiento (Rao et al.,
1996).
Hasta la fecha, los paradigmas motores que involucran a las extremidades inferiores no cuantifican la conducta que
subyace
bajo la actividad cerebral. Los cambios en la intensidad de la señal de cualquier vóxel que surgen del movimiento de
cabeza
representan un desconcierto en RMf, especialmente durante estudios de control motor. Para reducir el movimiento de
cabeza
relacionado con la tarea, se ha sugerido el uso de dispositivos compatibles con la RMf como un medio exitoso para
evaluar la
conducta motora al mismo tiempo que facilita movimientos aislados en las extremidades de interés con un movimiento
de
cabeza mínimo (Newton et al., 2008). Otra estrategia empleada para evitar excesivos artefactos relacionados con el

movimiento de cabeza, es la evaluación de la actividad cerebral en el periodo de descanso posterior a la ejecución

motora
(Mehta et al., 2009). Para generar movimiento rítmico, a menudo se emplea un estímulo externo auditivo o visual para
guiar al
participante (Debaere et al., 2001; Sahyoun et al., 2004; Ciccarrelli et al., 2005; Toyomura et al.,
2012)

En este trabajo, presentamos un dispositivo personalizado de pseudomarcha compatible con la RMf que facilita la
realización
de movimientos bilaterales y alternantes de las extremidades inferiores dentro de orificio del escáner. Hemos empleado
RMf
dependiente del nivel de oxígeno sanguíneo (del inglés BOLD, Blood Oxygen Level Dependent) para evaluar el patrón de

actividad cerebral asociada con la realización de esta tarea en un grupo de sujetos sanos. El dispositivo de pseudomarcha
se
empleó para restringir el movimiento a las articulaciones de interés mientras registraba simultáneamente el movimiento

realizado por los sujetos. Una guía visuo-espacial fue diseñada para facilitar la generación de movimientos al ritmo

preestablecido, mientras la elección de la amplitud del movimiento fue diseñado como un parámetro libre que el sujeto

seleccionaba de acuerdo a su propio confort. La medición simultánea de parámetros cinemáticos de las extremidades

inferiores, en términos de amplitud y frecuencia, nos permitió establecer relaciones directas entre la señal BOLD y la
conducta
motora concurrente.
2. Materiales y Métodos:

2.1. Instrumentación:

2.1.1. Dispositivo de pseudomarcha compatible con la RM: Diseñamos y manufacturamos un dispositivo portátil con el
objetivo
de facilitar la ejecución de movimientos alternantes de las extremidades inferiores durante escaneo de RMf (Figura 1).
Durante
su construcción se incluyó metal no magnético y plástico (materiales compatibles con el entorno de RMf) con un peso
total de
12 kg. Su diseño estructural consiste en una cinta de marcha vertical conectada a una plataforma triangular de
metacrilato. La
cinta de marcha se compone de una estructura con forma de arco que contiene dos columnas de rodillos independientes.
La
posición de la estructura es ajustable a lo largo de la camilla de exploración de acuerdo a la altura del sujeto. La
plataforma
triangular fue diseñada para limitar el movimiento a las articulaciones de interés. De este modo, ayudaba a los sujetos a

realizar movimientos de stepping voluntarios evitando movimientos de cadera mientras permanecían en posición supino.

Además, incluía un soporte personalizado para acomodar ambos tobillos (Figura 1b). El dispositivo permitía la medición
del
ángulo rotado por cada rodilla (knee angle, or alpha) y del desplazamiento angular (D) producido por los pies durante su

contacto con los rodillos en la fase de apoyo (Figura 1c) por medio de dispositivos electrónicos (uno para cada
pierna).

Figura 1. a) Set-up del dispositivo de marcha compatible con RM con un sujeto en posición supino situado en la tabla del escáner, b)
dimen-
siones y componentes y, c) diagrama de diseño mostrando los principios operacionales.

Medida de α: cuatro potenciometros de cable (UniMeasure LX-PA2.8-L1M, con una linearidad Full-Scale de +-1%) fueron

fijados a la plataforma triangular en la distancia más lejana del centro del escáner para minimizar su efecto en la señal de
la
RM. Dos cintas de velcro fueron localizadas alrededor de los tobillos de los sujetos. Los finales libres de los
potenciómetros de
cable se los dos potenciómetros de cable se ataban a la cinta de velcro izquierda en el punto p (Figura 1c), y los dos
cables
restantes se ataban a la extremidad derecha del mismo modo. Cuando un desplazamiento de pierna se producía, el punto
p
describía una trayectoria circular centrada en la rodilla del sujeto. Para cada extremidad, los cables se desplazaban desde
el
punto p al potenciómetro correspondiente pasando a través de dos fulcros (f1 y f2), los cuales estaban fijados a la
estructura
de aluminio en el plano que contiene la pierna. Cuando p cambiaba su posición, los potenciómetros medían las distancias
d1 y
d2 -desde f1 y f2 a p-. Una vez conocidas las distancias d1 y d2, las coordinadas x e y de p se calculaban (Taubin et al.,
1991).
Una medida directa de alpha se computaba a partir de las coordenadas cartesianas de p (px y py) por medio de una
función
circular (ver Ecuación 1 y Figura 1c para más detalles).

py
tg á =
px
(1)

La medida de alpha no dependía de la posición de los puntos de fijación, por lo que las cintas de velcro podían ser
colocadas en
cualquier posición cerca de los tobillos de los sujetos.

Medida de D: la cinta de marcha contenía dos columnas de diez rodillos cilíndricos por columna manufacturados con
cestileno.
El radio de cada rodillo era de 3 cm. Cuando un movimiento se realizaba en una de las columnas, los rodillos de ese lado

giraban juntos porque estaban conectados con cintas de uretano. Cuando el movimiento finalizaba, los rodillos se
paraban
instantáneamente debido a la fricción del sistema de cintas. El cambio en posición producido por cualquier movimiento
en
cada columna de rodillos se registraba en un encoder óptico incremental (Hewlett Packard HEDS-5540 de 10 bits de

resolución). Para convertir los valores registrados por los encoder y obtener así una medida espacial (desplazamiento
angular,
D en cm), la cuenta registrada con ambos sensores durante una vuelta se aproximó al perímetro del
rodillo.

Los únicos componentes eléctricos del dispositivo eran los sensores y dos cables apantallados que conectaban los
sensores al
sistema de adquisición del dispositivo, localizado fuera de la sala del escáner. Los datos digitalizados de los sensores del

dispositivo se filtraron con un filtro de Butterworth paso bajo de 5º orden con una frecuencia de corte de 5 Hz. El sistema
de
adquisición convertía las salidas eléctricas del dispositivo de pseudomarcha a señales digitales a una frequencia de
muestreo
de 50 Hz a través de una tarjeta de adquisición de datos PCI (Sensoray Modelo 626) instalada en un PC. Finalmente, el PC

ejecutaba un script personalizado implementado en MAtlab (R2009b, The Mathworks Inc., Natick, MA, USA) el cual estaba

ejecutaba un diseño modelado en bloque en tiempo real con la Toolbox Real-Time Simulation para Simulink (Simulation
and
Model Based Design Toolbox). Ambas herramientas permitieron una medición y descripción de la conducta cinemática

mediante las series temporales de alpha y D. Durante la sesión de escaneo, el sistema de adquisición se sincronizaba con

secuencia de RMf por medio un disparador óptico. Información sobre medidas de consistencia chequeadas son descritas
en
Material Suplementario, Sección 1.

2.1.2. Set-up y operación: Una vez dentro del escáner, los sujetos permanecían supinos en la tabla de la RM, con ambos
muslos
emplazados en la plataforma triangular del dispositivo de pseudomarcha con las rodillas flexionadas (aproximadamente
45º) y
los talones apoyados en su soporte (Figura 1). Unas almohadillas arqueadas fueron colocadas en los talones de los sujetos
para
evitar movimiento artefactual cuando los sujetos apoyaban los pies en el soporte. Para minimizar el movimiento de
cabeza, se
colocó una almohada hichable (Siemens Cushion Head 4765454) en la cabeza de los sujetos, así como cintas elásticas
con
Velcro sobre los muslos y caderas.

Se solicitó a los participantes la ejecución de movimientos de stepping, donde cada paso de una extremidad comprendía
un
componente vertical ascendente y otro descendente. El movimiento ascendente estaba compuesto por una dorsiflexión
inicial
del tobillo para evitar el contacto del pié con los rodillos, simultáneo con una extensión progresiva de la rodilla. Una vez la

rodilla alcanzaba la máxima extensión, la suela del pié contactaba con los rodillos iniciando el movimiento descendente,
el cual
era iniciado por una flexión plantar del tobillo acompañado con una flexión progresiva de la rodilla. Durante el
movimiento
descendente, el contacto del pie con los rodillos se mantenía hasta que la rodilla alcanzaba la posición de máxima flexión,
 implicando la oscilación de esa extremidad y el inicio de un nuevo paso. Los movimientos se restringieron al plano sagital

(vertical).

2.1.3. Estudio de compatibilidad: Dado que la instrumentación de RM y la operación del sujeto con el dispositivo
(movimiento
relacionado con la tarea) genera dificultades técnicas y de calidad de imagen, su influencia en el entorno de RM debe ser

testeado previamente. Hasta la fecha, las medidas de evaluación típicas de calidad de imagen en RM incluyen la
substracción
de imagen y comparación de la relación señal a ruido (SNR) entre las diferentes condiciones. En cuanto a las medidas de
SNR,
dos variantes son frecuentemente empleadas. Las medidas de relación señal a ruido espacial (sSNR) miden relación de
señal de
imagen estática sobre ruido de fondo; sin embargo no proveen más detalles acerca de las características de la serie
temporal
de fMRI. Por otro lado, la relación señal a ruido temporal (tSNR) es una medida útil de estabilidad de la intensidad de la
serie
temporal de la señal capaz de detectar ruido temporal de baja frecuencia y falsas señales de fMRI (Yu et al.,
2011).
En el caso de estudios de neuroimagen, es habitual obtener una medida de la sSNR comparando la señal dentro y fuera
de un
phantom radiológico. Específicamente, la sSNR se define como:

0 . 655 × S
sSNR = SD air
(2)

donde, S es la señal media en una región de interés (ROI) emplazada en el centro del phantom y SDair es la desviación
estándar
de la señal fuera del phantom. 0.655 es un factor de corrección debido a las características de distribución del ruido
(Kaufman
et al., 1989). La sSNR se evaluó para cada imagen de la serie
temporal.

La tSNR se formula para una serie temporal de imagen como el radio de la señal media sobre su desviación estándar
temporal.
La tSNR se calculó para cada vóxel dentro de la ROI central del
phantom.

S voxel _ time _ series

tSNR =
SD voxel _ time _ series
(3)

Se realizó un estudio de compatibilidad en el que series temporales de 50 volúmenes de imágenes eco planares (EPI)*
fueron
adquiridas de un phantom esférico lleno de agua destilada (Siemens D170 de 170 mm de diámetro) en cuatro
condiciones
diferentes:

Condición p1: Phantom solo (condición de línea base), con el dispositivo situado fuera de la sala del
escáner;
Condición p2: phantom con el dispositivo localizado en la tabla del escáner (sin efecto del
movimiento);
Condición p3: phantom con el dispositivo localizado en la tabla del escáner y una persona movimento los rodillos y las
cintas de
velcro al ritmo preestablecido.

Condición p4: phantom sólo (segunda condición de línea base).

• Los parámetros de la secuencia EPI durante el estudio con phantom fueron idénticos a los empleados durante el estudio
fMRI
que son descritos en la sección 2.2.2.
Para minimizar los cambios en el entorno de la sala de escaneo, todas las condiciones experimentales fueron registradas
en la
misma sesión y sin mover ni la tabla del escáner ni el phantom entre las condiciones. Para estimar el efecto de la
introducción
del dispositivo en el entorno de RM, su movimiento y las inestabilidades del escáner, evaluamos las diferencias en las
imágenes
promedio de cada condición (realizando una resta directa entre vóxels de la condición p 1 respecto a las condiciones p2, p3
and
p4) y cuantificamos el porcentaje de cambio en brillo en las imágenes diferencia. También determinamos la sSNR y tSNR
de
cada condición. Los resultados fueron comparados en Matlab (R2009b, The Mathworks Inc., Natick, MA, USA) con un test
de
Kruskal-Wallis.

2.2 Estudio de RMf

2.2.1. Sujetos

Diecinueve voluntarios diestros (Oldfield, 1971) -9 mujeres; edad 33 ± 5 años, altura 168 ± 8 cm, peso 69 ± 12 kg; media
± DS-
sin historial de alteración neurológica, motora o cardiovascular fueron reclutados entre el personal de la Universidad de

Navarra. Antes de su participación, todos los sujetos firmaron un consentimiento

informado.

2.2.2. Protocolo de escaneo

El estudio fue llevado a cabo en un escáner de 3T (Siemens Trio TIM, Siemens AG, Erlangen, Alemania) equipado con una

bobina de cabeza con un array de 12 canales. Consistió en una sesión que incluía la adquisición de una secuencia
anatómica y
otra funcional, con una duración de 15 minutos.

La imagen anatómica T1 fue adquirida con una secuencia MPRAGE de 5 minutos de duración. Los siguientes
parámetros
fueron empleados: 1mm resolución isotrómica, campo de visión (FOV) = 256 x 192 mm2, matriz = 256 x 192 voxels, 160
slices
axiales, tiempo de repetición / tiempo de eco (TR/TE) = 1620/3.09 ms, tiempo de inversión (TI) = 950 ms, ángulo
flip=15º.
Durante la serie funcional, un total de 240 volúmenes sensitivos a contraste BOLD fueron adquiridos empleando una
secuencia
EPI T2*. Cada volume comprendía 36 slices transversales de 4 mm de grosor con un hueco de 0.2 mm. Otros parámetros
de
interés fueron: resolución = 3 x 3 mm2, FOV = 192 x 192 mm2, matriz = 64 x 64 voxels, TE = 24 ms, TR
= 2.0 s.
2.2.3. Paradigma funcional

El paradigma motor intercalaba bloques de zancadas alternantes voluntarias de las piernas de 10 s (condición de
stepping, o
SC) y bloques de reposo de 30 s (condición control o CC). Una guía visual externa fue incluida para asistir a los sujetos en
la
consecución de un patrón rítmico. Las guías (pistas) consistían en dos huellas que se movían vertical y alternativamente a
1.2
Hz. La secuencia comenzaba con el pie derecho, mientras cada huella revertía su trayectoria al alcanzar los puntos
superiores e
inferiores (Figura 2). Finalmente, tras 5 repeticiones, uno de las guías no finalizaba su correspondiente zancada, volviendo
a su
posición inicial e indicando al participante que el bloque estaba finalizando. La video-animación fue generada en Adobe®

Flash® Professional (http://www.adobe.com/products/flash.html) y proyectada en una pantalla que era visible gracias a un

espejo colocado sobre la bobina de cabeza de los participantes.

 Figura 2. Paradigma motor empleado en el studio con una guía visuo-espacial indicando la evolución del
patron
especial de las guías en el plano sagittal. La frecuencia de stepping empleada en este estudio es equivalente a
un
periodo de 0.83 s.

Una cruz de fijación aparecía en el centro de la pantalla justo antes del inicio de SC, indicando que el bloque de
stepping
estaba a punto de comenzar. Durante SC, los sujetos realizaron los movimientos de stepping ayudados por el dispositivo
de
pseudomarcha y la guía visual. Además, los participantes eran libres de seleccionar la amplitud de sus pasos. Durante CC,
los
sujetos fueron instruidos para relajarse manteniendo los ojos abiertos y los pies en el soporte del talón del dispositivo.
Para
minimizar los efectos visuales de no interés en la actividad cerebral, el estímulo visual fue mantenido en ambas
condiciones
(con la excepción del color, el cual era blanco en SC y amarillo en CC). Cada condición se repitió 12 veces con una
duración total
de 8 minutos. Datos de un Eye-Tracker fueron registrados simultáneamente para controlar la atención y el
sueño.
Previo a la sesión de escaneo, los sujetos practicaron el paradigma fuera y dentro del escáner hasta conseguir un
patrón
coordinado confortable en las extremidades inferiores. Los investigadores explicaron la importancia de mantener la
cabeza lo
más quieta posible dentro del escáner. Durante el registro de RMf, las medidas de α y D fueron registradas
continuamente.
2.2.4. Análisis de datos

2.2.4.1. Análisis de datos cinemáticos.

La Tabla 1 describe las características cinemáticas de la conducta motora mostrada por los participantes, la cual fue

estimada a partir de los perfiles temporales de α y D.

Primero, se identificaron los tiempos de flexión y extensión de las rodillas izquierda y derecha, a partir de los picos de
los
perfiles temporales de α. La frecuencia de stepping de la rodilla (SFk, en Hz) se definió como la inversa del tiempo entre

extensiones sucesivas de las rodillas. La amplitud de stepping (SA, en grados) se computó como la suma de los ángulos
de
extensión y flexión de cada paso. Además, un coeficiente de asimetría (AC), fue definido como la relación espacial entre
las SAs
derecha e izquierda. Este parámetro refleja diferencias angulares entre los desplazamientos de las rodillas, por lo que en
un
movimiento totalmente simétrico, el AC debería resultar 1. Finalmente, la extensión total de movimiento (TEM, en grados)
se
computó como al suma de los SAs izquierdo y derecho a lo largo de un bloque
SC.
 Después, las características temporales de los pies se extrajeron del perfil temporal de D. La velocidad de los rodillos
se
derivó de D, lo cual permitió identificar los contactos iniciales de cada pie con el sistema de rodillos así como su
separación de
los rodillos tras dar un paso. La duración de stepping de los pies se calculó como el tiempo transcurrido entre contactos

sucesivos de los pies con los rodillos, y la frequencia de stepping de los pies (SF f, en Hz) se define como la inversa de la
duración
de stepping de los pies.

Todas las medidas de los parámetros fueron calculados durante todos los bloques SC y promediados empleando scripts

personalizados en Matlab.

Característica Acrónimo Unidad Descripción

Frecuencia de stepping de las SFk Hz Frecuencia entre extensiones sucesivas de las rodillas a lo largo de
rodillas un bloque SC.
Amplitud de stepping SA grados Ángulo total rotado por cada rodilla (extension + flexion) durante
un paso
Relación entre SAs de la rodilla derecha e izquierda
Coeficiente de asimetría AC - Desplazamiento total a lo largo de un bloque SC (suma de SAs
Total extent of movement TEM grados derecha e izquierda)
Frecuencia de los conctactos sucesivos de los pies con los rodillos
Frecuencia de stepping de los SFf Hz durante un bloque SC.
pies

Tabla 1. Descripción de las características cinemáticas evaluadas durante la conducta

motora.

Los últimos dos movimientos correspondientes al final de cada SC fueron descartados debido a que no eran pasos
completes.
Los parámetros cinemáticos fueron promediados a lo largo de los bloques SCs para obtener una medida representativa
para
cada sujeto. Dado que los sujetos seleccionaban su SA preferida, llevamos a cabo un análisis de regresión múltiple en
Matlab
para determinar si esta característica correla con alguna de las características demográficas (sexo, edad, altura y peso)
de la
población. Un p-valor de p < 0.05 fue considerado como estadísticamente
significativo.

2.2.4.2. Análisis de datos de neuroimagen

2.2.4.2.1. Preprocesado

El preprocesado y análisis de datos fueron realizados empleando la herramienta Statistical Parametric Mapping (SPM8)

(Statistical Parametric Mapping software, SPM: Wellcome Department of Imaging Neuroscience, London, UK;

http://www.fil.ion.ucl.ac.uk/spm/) y scripts personalizados implementados en Matlab. Para cada sujetos, los volúmenes EPI

fueron realineados al volumen central de la sesión con el algoritmo de realineado de SPM8 (Friston et al., 1996). La

herramienta Artifact Repair toolbox (versión 5, Mazaika et al., 2009) fue empleada para detectar y eliminar artefactos de
las
imágenes realineadas. El umbral de movimiento fue 0.5 mm/TR y los volúmenes artefactuales fueron reemplazados por el

promedio de los scans adyacentes. Decidimos a priori que una sesión con más del 10% de los volúmenes artefactadas
sería
descartada. Los datos realineados fueron coregistrados con la imagen anatómica individual y normalizados espacialmente
a la
plantilla MNI (Montreal Neurological Institute) basados en coordinadas ICBM-152 (Fonov et al., 2011) usando los
parámetros
determinados de la segmentación combinada y la normalización de la imagen anatómica (Ashburner et al., 2005)- Un
filtro
gausiano de 8 mm de FWHM (full width at half maximum) fue aplicado para suavizar espacialmente los
datos.
2.2.4.2.2. Análisis estadísticos

Para evaluar las diferencias de señal BOLD entre las condiciones, un análisis por inferencia estadística fue realizado en el

contecto del Modelo General Lineal (GLM, del inglés General Linear Model, Friston et al., 1995). Análisis estadísticos voxel-
wise
fueron realizados para cada sujeto en un diseño de bloques que modelaba ambas condiciones SC y CC –empleando una
función
boxcar convuelta con la función de respuesta hemodinámica- tras suavizar los volúmenes temporalmente con un filtro
paso
alto de 0.008 Hz para eliminar los desplazamientos lentos de señal con un periodo mayor de 128 segundos que están

relacionados con ruido del escáner y fisiológico. Los parámetros de movimiento extraidos del realineado no fueron
incluidos en
la matriz de diseño para evitar el impacto deletéreo en la sensitividad cuando el movimiento y el diseño experimental
están
correlados (Johnstone et al., 2006). El contraste de interés SC > CC fue estimado individualmente con un modelo fixed-
effects
seguido de una inferencia de grupo con un modelo random effects (Penny et al., 2004). Para evaluar el efecto de
incorporar en
el análisis los datos cinemáticos pertenecientes a la ejecución concurrente de los sujetos, este análisis fue replicado
incluyendo
como covariable a nivel de sujeto el TEM realizado durante cada bloque SC. El hecho de introducir esta covariable
permitió
controlar las posibles variaciones de conducta motora entre bloques.

Un análisis final a nivel de grupo fue realizado incluyendo como regresores la media y varianza de la SA de cada sujeto,
además
de los mapas de activación de los contrastes SC > CC pertenecientes al primer nivel. El objetivo de la primera covariable
era
estudiar la actividad neural correlacionada con los distintos desplazamientos individuales de las extremidades inferiores,

mientras las varianza se añadió como variable de no-interés. Dos t-mapas de grupo fueron generados para, (1) examinar
la
actividad relacionada con el stepping (SC > CC), y (2) testear la activación positivamente correlacionada con la SA
mediante un
t-test de una muestra para el parámetro de contraste específico de la matriz de diseño. Un p-valor de p < 0.05 (corregido
por
FDR a nivel de clúster) fue empleado para corregir por múltiples comparaciones, tras un umbralizado a nivel de voxel de
p<
0.001 (T = 3.69) sin corregir.
 Figura 3. Evaluación de la compatibilidad del dispositivo de pseudomarcha. a) Imágenes promedio del
phantom durante las diferentes condiciones (p1: phantom solo (condición de línea base), p2: phantom
con dispositivo, p3: phantom con dispositivo y una persona simulando movimiento de stepping y p4:
phantom sólo (segunda línea base) y substracción a pares de las condiciones anteriores, mostradas a
escala compoleta y 5% de escala. b) valores de la relación señal a ruido espacial (sSNR) para todas las
imágenes de la serie temporal y, c) valores de la tSNR de los vóxels situados en la ROI central del
phantom. No se encontraron diferencias significativas entre ninguna de las condiciones.

3. Resultados

3.1. Estudio de compatibilidad

La Figura 3 muestra los resultados de la prueba de compatibilidad en la cabeza del phantom. En la Figura 3a, las
imágenes
medias de las condiciones experimentales p1, p2, p3 and p4 son dibujadas en las dos columnas de la izquierda, mientras la

tercera columna muestra la diferencia de intensidad entre ambas condiciones resultante de una resta directa de los
vóxels de
ambas condiciones. Observamos un 2.5%, 1.9% y 3.07% de cambio en el promedio de intensidad entre condiciones ‘p 2’
y‘p1’
(Figura 3a, primera fila), ‘p3’ y ‘p1’ (Figura 3a, segunda fila) y ‘p4’ y ‘p1’, (Figura 3a, cuarta fila), respectivamente. Cuando

comparamos las condiciones ‘p2’ y ‘p3’para estimar el efecto del movimiento (realizado a una distancia del phantom)
(Figura
3a, tercera fila), observamos un cambio en el brillo medio de 0.9%. Estos cambios eran visualmente imperceptibles al

mostrarlos en la escala de brillo original. Sin embargo, al aumentar la escala al 5% de su valor original, observamos
cambios
sistemáticos en brillo y un efecto de ghosting alrededor del contorno del phantom (Figura 3a, cuarta
columna).
La Figura 3b y 3c muestran los valores promedio y desviación estándar de las sSNRs y tSNRs calculados para cada
condición. Los
tests de Kruskal-Wallis evaluando las diferencias en sSNR y tSNR entre condiciones no llegaron a alcanzar significación
(psSNR =
0.97 y ptSNR = 0.122). Los resultados indican que los cambios en la señal producidos por la introducción y la operación del

dispositivo de pseudomarcha y las inestabilidades del escáner eran de relevancia

despreciable.

3.2. Estudio conductual

3.2.1. Evaluación motora

Los parámetros de movimiento registrados a partir del movimiento de rodillas y pies corroboran que los participantes
fueron
capaces de realizar los movimientos alternantes de las extremidades inferiores solicitados durante SC, con contactos
precisos
de los pies en la cinta de marcha del dispositivo de pseudomarcha (ver en Figura 4a y 4b una muestra del perfil temporal

registrados en la rodilla (α) y el desplazamiento de los pies (D) de un sujeto representativo durante todas las SCs). Como
se
puede observar, los perfiles registrados reflejan el patrón de coordinación anti-fase durante la ejecución de la tarea,
similar a la
marcha.

Observamos una elevada variabilidad inter-sujeto en la característica SA, con una media de grupo SA = 45.25 ± 17.21⁰
(Figura
4c), lo cual significa que cada individuo ajustó la SA de sus movimientos de acuerdo al ritmo de la guía visual. El
promedio de
grupo de las frecuencias de stepping de la rodillas y los pies fueron SF k =1.16 ± 0.06 Hz y SFf =1.15 ± 0.05 Hz,
respectivamente
(Figura 4d). Además, las rodillas y los pies mostraron una coordinación similar pero no igual durante el movimiento de

stepping, como se refleja a través de la diferente variabilidad en la Figura 4d (más información en Material Suplementario
2).
Estos resultados confirman que los participantes machearon el patrón impuesto por la guía visuo-espacial, con un ritmo

preestablecido a 1.2 Hz. El valor de AC de grupo (parámetro que refleja la relación entre desplazamientos de la
extremidad
derecha e izquierda) resultó 1.06 ± 0.103 y el TEM fue 478.16 ± 30.1⁰. Finalmente, el análisis de regresión múltiple
mostró una
correlación negativa significativa (r = -0.42, p = 0.04) entre la SA y el peso de los sujetos
(Figura 4e).

Figura 4. a) Series temporales de α y b) D durante todos los bloques SC (sobre-impuestos) de un sujeto representative (las curvas
rojas y
azules representan los desplazamientos derecho e izquierdo, respectivamente), c) amplitude de stepping individual (SA), d)
diagramas de
cajas de la frecuencia de stepping durante las tareas en los pies (SF f) y rodillas (SFk) y e) correlación lineal negativa entre SA y el
peso.
3.2.2. Actividad neural asociada con el stepping

Stepping vs rest

El movimiento de cabeza permaneció por debajo de los 3 mm para todos los sujetos (más detalles en Material
Suplementario
3). Por lo tanto, ningún sujeto ni sesión fueron descartados del estudio debido a un excesivo número de artefactos por

movimiento de cabeza. A nivel de grupo, la inclusión del TEM como covariable resultó en un aumento de la significación
en los
mapas de contraste obtenidos (SC > CC). Adicionalmente, la significación estadística del mapa de contraste de grupo
resultante
fue también mayor al incluir la media de la SA de los sujetos y la varianza como covariables en el análisis de grupo. Los

resultados muestran que la red cerebral activada por el stepping incluye bilateralmente a la corteza motora primaria
(M1),
corteza premotora (PMC), área motora suplementaria (SMA) y corteza cingulada medial (MC), corteza somestésica
primaria y
secundaria, y áreas en el lóbulo parietal inferior (IPC) y lóbulo parietal superior (SPL), incluyendo precuneus. Activaciones

subcorticales significativas fueron también encontradas bilateralmente en el putamen (más en el hemisferio izquierdo) y
en la
corteza cerebellar somestésica vermiana y hemisférica (Figura 5 e información detallada en la Tabla
2).

Figura 5. Regions of the brain activated during the stepping task, superimposed on a two-(top) and three-dimensional (bottom)
standard brain. Signal changes were considered significant at p < 0.001 and corrected for multiple comparisons by FDR at the
cluster-
level (k = 130). X: cluster not surpassing the threshold for multiple comparisons. The color scale represents statistical T-values.

Region Tamaño clúster Lado Coordenadas MNI Stat.

(Voxels) val. T

X Y Z
Lóbulo paracentral (BA4) 28225 D 6 -25 63 18.19
I -6 -27 63 16.74
D 15 -30 69 16.69
Giro precentral (BA4a)
D 23 -9 60 12.66
Giro frontal superior (BA6)
I -54 -25 15 10.74
Giro supramarginal (BA48)
3426 I -61 -21 12 4.71
Giro temporal superior (BA22)
D 56 -30 31 11.14
Giro supramarginal (BA2)
3401 D 36 -39 40 6.50
Sulco intraparietal (BA40)
 Giro precentral (BA4)1135D518316.49
Giro frontal inferior, p. Opercularis (BA48)D53995.61
Vermis cerebelar (lóbulos I-IV (Hem))400D2-48-146.14
Hemisferio cerebelar (lóbulo V)I-2136-275.57
Hemisferio cerebelar (lóbulos I-IV)I-1140-214.62
Putamen224I-26-4105.64
Cerebelo (lóbulo V)130D24-36-295.20
Giro precentral (BA6) *105I-574246.43
Insula (BA13-16) *82I-45074.56
Giro frontal medio (BA46) *76D3547224.61
Opérculo rolándico (BA48) *58I-56834.83
Putamen *54D27374.17
Giro frontal inferior, p. Opercularis (BA6) *30I-578134.08
Tabla 2. Coordinadas MNI de las áreas anatómicas que muestran máximos de activación en el análisis de grupo relacionado con stepping. Los cambios en la
señal fueron considerados significativos con un p-valor de p < 0.001 y corregido por múltiples comparaciones por FDR a nivel de clúster (k = 130; D,
derecho, I,
izquierdo; BA, Brodmann Area). * Estas áreas fueron observadas a at p<0.001 sin corregir, sin embargo, debido a su tamaño de clúster, los valores no
sobrevivieron a la corrección.

Actividad cerebral correlada con la amplitud del paso

El mapa de contraste resultante del análisis de grupo mostró actividad positivamente correlada con la SA en varias
regiones,
incluyendo las cortezas visuales primaria y asociativa bilateralmente, y giro lingual, el complejo temporal medio
(hOC5/V5); el
giro superior postcentral derecho, el córtex cingulado medial derecho, PMC bilateralmente y SMA del lado derecho, el giro

precentral derecho, el opérculo rolándico derecho, el córtex prefrontal dorsolateral izquierdo, el núcleo caudado derecho y
el
putamen dorsal bilateralmente (Figura 6 y más detalles en Tabla 3).

Figura 6. Regiones cerebrales asociadas con la SA. Los cambios de la señal BOLD fueron considerados significantes a partir de un p-
valor p
< 0.001 y corregidos por múltiples comparaciones con FDR a nivel de clúster (k = 172). La escala de color representa valores-T
estadísticos,
mientras que las gráficas superiores y posteriores representan la correlación positiva entre la señal BOLD y SA en regiones cerebrales de
interés.

Región Tamaño clúster Lado Coordenadas MNI Stat.

(vóxels) val. T

X Y Z
Giro lingual (BA18) 2746 D 12 -58 0 7.14
Giro temporal inferior (BA19) D 42 -70 -5 5.39
Giro temporal medio (BA37) D 41 -69 13 5.25
Giro fusiforme (BA19) D 30 -66 -9 5.16
Giro calcarino (BA17) D -9 -70 16 4.75
Giro frontal superior (BA6) D 18 -18 58 6.20
1594 26 -9 70 6.06
14 11 48 4.64
17 15 60 4.79
32 6 57 4.63
Giro frontal superior (BA8) D 18 -30 70 5.98
Giro frontal medio (BA8) D 33 -34 63 5.37
Giro precentral (BA4) 1037 D 39 -36 39 4.86
Giro postcentral (BA3) D 39 -34 46 4.83
Sulco intraparietal (BA40) D 53 0 15 6.00
D -20 8 13 5.23
D 39 14 15 5.16
Opérculo rolándico (BA48) 553 I 21 15 12 4.73
Putamen 325 D 2 -38 9 7.22
Giro inferior frontal, p. Opercularis (BA48, BA45) 306 D 11 -55 53 5.23
Nucleo caudado D 15 -57 59 3.94
Corteza cingulada posterior (BA27) D 21 -52 40 4.10
Lóbulo parietal superior (BA5M) 295 D -29 45 19 4.80
Lóbulo parietal superior (BA7A) 233 D -18 -58 -3 5.28
Sulco intraparietal (BA19) I
Giro frontal medio (BA47) I
Giro lingual (BA19)
184
172

Tabla 3. Coordinadas MNI de las áreas anatómicas mostrando correlación positiva con la SA. Las correlaciones se considerán significante
a un
p-valor < 0.001, corregido por múltiples comparaciones por FDR a nivel de (k = 172; D, derecho, I, izquierdo).

4. Discusión

Hemos diseñado y testeado un paradigma motor de RMf durante el cual medidas de actividad cinemática y BOLD
asociada con
movimientos voluntarios alternantes de las extremidades inferiores fueron registradas concurrentemente en sujetos
sanos.
Una cinta de marcha vertical personalizada fue empleada en combinación con una guía visuo-espacial externa para
facilitar la
sincronización del movimiento con el ritmo requerido durante la tarea. Los movimientos de stepping fueron registrados y

cuantificados, permitiendo evaluar la una correlación entre la amplitud del movimiento y la actividad BOLD evocada.
Nuestros
resultados demuestran que los movimientos de stepping generan activaciones cerebrales bilateral en varias areas
corticales y
subcorticales que están relacionadas con la ejecución y el control motor (ver Figura 5 y Tabla
2).

4.1. Dispositivo de pseudomarcha

En cuando a la compatibilidad magnética, minimizamos el impacto en el campo magnético construyendo el dispositivo

principalmente de materiales no ferromagnéticos. Hemos empleado métodos estándar para evaluar la compatibilidad

magnética, los cuales indicaron que el dispositivo de pseudomarcha no alteraba significativamente el entorno magnético

mientras restringe los movimientos de stepping a las articulaciones de interés con un movimiento limitado de la cabeza.
En
Hollnager et al., 2011, se presenta un dispositivo el cual permite la generación y la medida de fuerzas activas y pasivas

relacionadas con movimientos de stepping. Ambos estudios representan herramientas valiosas que muestran la viabilidad
de
los dispositivos compatibles en estudios de RMf de las extremidades
inferiores.
4.2. Cinemática

Los resultados revelaron que los participantes siguieron los movimientos guiados visualmente mediante desplazamientos

adecuados y precisos al ritmo requerido (Figura 4d), mostrando un patrón de coordinación anti-fase en las extremidades

inferiores (Figura 4a, 4b y Material Suplementario 3). La cadencia de los pies no fue totalmente síncrona con las
extensiones de
las rodillas, por lo que las correcciones de la rodilla durante los pasos consecutivos no estaban completamente
sincronizadas
con el desplazamiento de los rodillos. Esto sugiere, que pesar de una relación cercana entre las extremidades del mismo
lado,
existe cierta autonomía entre el movimiento de la rodilla y de los pies.

Por otro lado, la opción de seleccionar libremente la amplitud del movimiento resultó en diferencias en la SA entre los
sujetos
(Figura 4c) y por consiguiente también en el TEM. El valor de la SA resultó correlacionado con el peso de los sujetos pero
no
con la altura. La falta de correlación con la altura podría explicarse por el ajuste del dispositivo de pseudomarcha con la
altura
individual en la tabla del escáner y por ser la unidad de medida angular. La correlación negativa con el peso (Figura 4e)
podría
ser debido al hecho de estar en posición supino y podría reflejar fuerzas gravitacionales que podrían hacer la tarea más

fatigosa para aquellos de mayor peso. Sin embargo, la longitud de la zancada también varía entre individuos en marcha
normal
(Hausdorff et al., 2001). Por tanto sería interesante evaluar en estudios futuros si las diferencias en las medidas
experimentales
reflejan diferencias inter-individuales en marcha normal.

La marcha humana es considerada simétrica (Sadegui, 2000) y está caracterizada por un movimiento cíclico gobernado
por un
patrón de coordinación anti-fase entre ambas extremidades. La información sensorial derivada de los movimientos
alternantes
de las piernas también contribuye a la generación y coordinación de los músculos durante la actividad locomotora
(Kawashima
et al., 2005). De este modo, nuestro estudio incorpora movimientos simétricos con un patrón de coordinación anti-fase
realista
entre ambas piernas, dado que la interacción con el dispositivo comprende funcionalidad de las rodillas, tobillos y pies,
dando
lugar a feedback somatosensorial relevante. Por tanto, la tarea presentada en este estudio estaba caracterizada por un

movimiento bien aprendido que podría reflejar alto parecido con un patrón de locomoción. Sin embargo esta tarea, como
un
modelo de marcha, no está libre de limitaciones. El objetivo de la locomoción es soportar el cuerpo contra la gravedad a
la par
que generar movimientos que desplacen apropiadamente el cuerpo hacia delante (Winter, ,1995). Es complicado replicar
con
montajes de RMf estándar aspectos específicos de la marcha y de la estancia vertical, equilibrio, soporte postural y otros

efectos gravitacionales e inerciales. Otros componentes de la marcha, como el control del tronco y caderas, o la
coordinación
de músculos gluteales y de las piernas con los brazos son aspectos que este diseño no contempla debido a las fijaciones
del
sujeto y a su posición. Hemos testeado en un estudio case algunas evidencisa entre el stepping vertical y supino con
técnicas
EEG y EMG (Material Suplementario 4). A pesar de diferencias notables entre nuestra tarea y la marcha real, el diseño con
el
dispositivo de marcha parece una herramienta adecuada para investigar aspectos de la marcha dentro de un entorno
de RM.

4.3. Activación cerebral asociada al stepping

La comparación entre las condiciones motoras y reposo (contraste SC > CC) reveló que el stepping activa una red
cerebral que
comprende las cortezas sensorimotora primaria y somatosensorial, SMA, PMC, CMA, los ganglios basales y el cerebelo
(Figura
5 y Tabla 2). Los resultados están de acuerdo con estudios de neuroimagen previos los cuales han evaluado la actividad

durante tareas de las extremidades inferiores unilaterales (Dobkin et al., 2004; Sahyoun et al., 2004; Ciccarelli et al.,
2005,
Newton et al., 2008; Wooley et al., 2010) y bilaterales (Mehta et al., 2009; Hollnager et al., 2011; Toyomura et al., 2012).
El
desplazamiento total (TEM) individual demostró ser una covariable de no interés útil que permitió normalizar los datos

funcionales en los análisis estadísticos individuales y por lo tanto mejoró la significación estadística general de los mapas
de
activación grupales del análisis de efectos aleatorios (RFX). Esto enfatiza la importancia del uso de medidas cinemáticas

cuantitativas en análisis con paradigmas motores en RMf.

Hay una evidencia convergente sobre la implicación de una red organizada de estructuras neurales a nivel espinal y

surpaespinal durante tareas coordinadas, en las cuales procesos dinámicos tienen lugar para asegurar una organización

eferente e integración sensorial (Swinnen, 2002). Específicamente, M1, SMA y PMC han mostrado participar en aspectos
de
codificación relacionados con la preparación y ejecución durante movimientos secuenciales voluntarios y externamente

guiados de las extremidades superiores (Ashe and Ugurbil, 1994; Dai et al., 2001; Swinnen, 2002). La activación del PMC
ha
sido descrita en paradigmas que incluyen movimientos rítmicos guiados a diferencia de movimientos rítmicos generados

internamente, y podría estar relacionados con la planeación del movimiento (Wessel et al., 1997). Además, las áreas

premotoras son cruciales en el procesado de señales visuales para la planeación de la acción (Hoshi and Tanki, 2006) y
han sido
directamente asociadas con un comportamiento coordinativo anti-fase: un estudio de PET que involucra movimientos

coordinados de los dedos y el tobillo de extremidades opuestas propuso que un circuito neural común distribuido a lo
largo de
la corteza premotora dorsal derecha y la corteza parietal derecha estaba implicado en los movimientos anti-fase (de Jong
et al.,
2002). Por otro lado, las áreas premotoras y parietales posteriores medían aspectos perceptivos relacionados con la
estimación
de la distancia y la codificación espacial de localizaciones relativos con las partes del cuerpo, especialmente en
referenciado
egocéntrico (Vallar et al., 1999, Committeri et al., 2004). El CMC podría servir como un interfaz motor motivacional (Ball
et al.,
1999) dado que este áreas está implicado en aspectos de procesado intencionales del movimiento (Debaere et al., 2001).

Últimamente, los ganglios basales (GB) y el cerebelo (CB) han sido relacionados clásicamente al control motor (Middleton
and
Strick, 2000). Se ha sugerido la participación de los GB en percepción temporal y codificación de intervalos temporales
(Rao et
al., 2001, Pastor et al., 2004). Por ejemplo, un estudio reciente que involucra movimientos alternantes coordinados de las

piernas similares a nuestra tarea, sugiere un papel significativo de los GB, particularmente bajo condiciones de
generación de
ritmo interna (Toyomura et al., 2012). Las áreas que encontramos activadas durante el movimiento de piernas en el CB

coinciden anatómicamente con la representación somatotópica de los pies en el cerebelo humano superior: un
homúnculo
upside-down ‘invertido?’ (Grodd et al., 2001). El CB está implciado en monitorización y optimización de movimientos
mediante
feedback sensorial (Juepner and Weiller., 1998), especialmente en aquellos que requieren coordinación visuo-motora
(Stein
and Glickstein, 1992); activación en la vermis ha sido observada en estudios de movimientos repetitivos de las
extremidades
inferiores tanto de forma auditiva como visual (Debaere et al., 2001, Sahyoun et al.,
2004).
En resumen, el contraste comparando las condiciones movimiento y reposo dio lugar a una activación funcional
implicando a
estructuras corticales y subcorticales en la ejecución motora y control de movimientos volutuntarios. Los resultados
apoyan la
utilidad y validez de la tarea como un modelo funcional de marcha.

4.4. Actividad cerebral relacionada con la Amplitud del Paso (SA)

Se encontraron varias regiones cerebrales donde la señal BOLD mostró una relación lineal con el regresor cinemático SA
(Figura
6 y Tabla 3). Una correlación positiva entre la señal BOLD y la SA implica que los sujetos con mayor amplitud del paso
tienen
una mayor actividad cerebral en determinadas áreas que aquellos con menor amplitud (Figura 6). Encontramos una

correlación positiva entre la señal BOLD y la SA en varias áreas corticales y subcorticales, incluyendo bilateralmente a la
corteza
visual primaria y áreas extraestriales del lado derecho, el giro lingual, el complejo temporal medio derecho (hMT/V5+), la

corteza cingulada posterior derecha, el precúneus, el SPL derecho, el IPL extendido al giro postcentral y el putamen
anterior
bilateral.
La activación que encontramos en la corteza estriada (cortex visual primario) podría estar relacionada con el procesado
visuo-
atencional requerido para filtrar información relevante de la acción orientada a un objetivo así como con las demandas

visuales durante la tarea (Corbetta and Shulman, 2002) mientras que las áreas extra-estriadas podrían estar relacionadas
con la
generación de predicciones visuales relevantes para controlar las acciones (Astafiev et al., 2004): el área temporal media

hMT/V5+ es una región principalmente sensitiva al movimiento relacionada precisamente con el procesado del
movimiento
(Sunaert et al., 1999). Además, el procesado visuo-motor de relaciones espaciales egocéntricas podría estar mediado por
áreas
parietales superiores mediales, como el precúneus (Zaehle et al., 2003) y áreas en el sulco intraparietal, el cual ha
mostrado
una función central en el control de los ojos y la generación de atención visual (Bisley et al., 2003). Los resultados indican
que
los sujetos con mayor SA podrían estar realizando un mayor esfuerzo. Además, la percepción espacial somestésica
egocéntrica
ha sido relacionada con la conectividad entre el SPL derecho (incluyendo precúneus y giro supramarginal), el cortex

dorsolateral prefrontal y el giro lingual (Loayza et al., 2011). Observamos participación de áreas subcorticales como el
estriado
bilateral, el cual ha sido relacionado con el control de la cantidad de movimiento (Turner et al., 1998). Interesantemente,
el
putamen dorsal, el cual corresponde somatotópicamente con la región de las piernas (Gerardin et al., 2003), estaba
correlado
con el regresor SA.

Finalmente, cabe destacar la lateralización derecha encontrada en las activaciones. Generalmente se asume que el
lcerebro
muestra asimetrías funcionales entre sus hemisferios, por ejemplo, está demostrado que el hemisferio izquierdo domina
el
control motor en sujetos diestros mientras los circuitos parieto-frontales del hemisferio derecho están especializados en la

atención y el procesado espacial. Nuestros resultados sugieren que los mecanismos de control visuo-motores y de control

atencional podrían ser empleados para producir una conducta motora coordinada, la cual podría estar mediada por áreas

estriadas, extra-estriadas y fronto-parietales.

En conclusión, el uso de un dispositivo de pseudomarcha personalizado junto a la medida concurrente de la conducta

motora
del sujeto ha demostrado ser relevante para extraer imágenes BOLD sin artefactos que reflejan el movimiento real
realizado
por los sujetos dentro del escáner. Además, el diseño permitió un análisis detallado de la conducta individual basado en

características cinemáticas. En general, la combinación del análisis cinemático y de RMf de la conducta a lo largo de la
sesión
de escaneo ofrece un gran potencial durante el estudio de los sistemas motores en el cerebro y sus
desórdenes.

5. Agradecimientos

Estamos muy agradecidos al Dr. Valencia, Dr. Alegre y Dr. Artieda por su asistencia durante los análisis de las grabaciones
EEG y
EMG (Material Suplementario 4). Este trabajo fue fundado por el FIMA de la Universidad de Navarra y por una concesión
del
FIS PI081949 y el Gobierno de Navarra ref. 342005.
6. REFERENCIAS

[1] S. Rossignol, R. Dubuc, and J.-P. Gossard, “Dynamic sensorimotor interactions in locomotion,” Physiol. Rev., vol. 86, no. 1, pp. 89–154, Jan.
2006.
[2] I. Miyai, H. C. Tanabe, I. Sase, H. Eda, I. Oda, I. Konishi, Y. Tsunazawa, T. Suzuki, T. Yanagida, and K. Kubota, “Cortical mapping of gait in humans: a
near-
infrared spectroscopic topography study,” Neuroimage, vol. 14, no. 5, pp. 1186–1192, Nov. 2001.
[3] K. Jahn, A. Deutschländer, T. Stephan, M. Strupp, M. Wiesmann, and T. Brandt, “Brain activation patterns during imagined stance and locomotion
in
functional magnetic resonance imaging,” Neuroimage, vol. 22, no. 4, pp. 1722–1731, Aug. 2004.
[4] K. Sacco, F. Cauda, L. Cerliani, D. Mate, S. Duca, and G. C. Geminiani, “Motor imagery of walking following training in locomotor attention. The effect of
‘the
tango lesson’,” Neuroimage, vol. 32, no. 3, pp. 1441–1449, Sep. 2006.
[5] M. Bakker, C. C. P. Verstappen, B. R. Bloem, and I. Toni, “Recent advances in functional neuroimaging of gait,” Journal of Neural Transmission, vol. 114,
no.
10, pp. 1323–1331, Jul. 2007.
[6] C. la Fougère, A. Zwergal, A. Rominger, S. Förster, G. Fesl, M. Dieterich, T. Brandt, M. Strupp, P. Bartenstein, and K. Jahn, “Real versus imagined
locomotion:
a [18F]-FDG PET-fMRI comparison,” Neuroimage, vol. 50, no. 4, pp. 1589–1598, May 2010.
[7] F. Debaere, S. P. Swinnen, E. Béatse, S. Sunaert, P. Van Hecke, and J. Duysens, “Brain Areas Involved in Interlimb Coordination: A Distributed
Network,”
NeuroImage, vol. 14, no. 5, pp. 947–958, Nov. 2001.
[8] B. H. Dobkin, A. Firestine, M. West, K. Saremi, and R. Woods, “Ankle dorsiflexion as an fMRI paradigm to assay motor control for walking during
rehabilitation,” Neuroimage, vol. 23, no. 1, pp. 370–381, Sep. 2004.

[9] C. Sahyoun, A. Floyer-Lea, H. Johansen-Berg, and P. M. Matthews, “Towards an understanding of gait control: brain activation during the anticipation,
preparation and execution of foot movements,” Neuroimage, vol. 21, no. 2, pp. 568–575, Feb. 2004.

[10] E. Kapreli, S. Athanasopoulos, M. Papathanasiou, P. Van Hecke, N. Strimpakos, A. Gouliamos, R. Peeters, and S. Sunaert, “Lateralization of brain
activity
during lower limb joints movement. An fMRI study,” Neuroimage, vol. 32, no. 4, pp. 1709–1721, Oct. 2006.
[11] J. M. Newton, Y. Dong, J. Hidler, P. Plummer-D’Amato, J. Marehbian, R. M. Albistegui-Dubois, R. P. Woods, and B. H. Dobkin, “Reliable assessment of lower
limb motor representations with fMRI: use of a novel MR compatible device for real-time monitoring of ankle, knee and hip torques,” Neuroimage, vol. 43,
no.
1, pp. 136–146, Oct. 2008.

[12] S. Francis, X. Lin, S. Aboushoushah, T. P. White, M. Phillips, R. Bowtell, and C. S. Constantinescu, “fMRI analysis of active, passive and
electrically
stimulated ankle dorsiflexion,” Neuroimage, vol. 44, no. 2, pp. 469–479, Jan. 2009.
[13] D. G. Woolley, N. Wenderoth, S. Heuninckx, X. Zhang, D. Callaert, and S. P. Swinnen, “Visual guidance modulates hemispheric asymmetries during
an
interlimb coordination task,” Neuroimage, vol. 50, no. 4, pp. 1566–1577, May 2010.
[14] J. P. Mehta, M. D. Verber, J. A. Wieser, B. D. Schmit, and S. M. Schindler-Ivens, “A novel technique for examining human brain activity associated
with
pedaling using fMRI,” J. Neurosci. Methods, vol. 179, no. 2, pp. 230–239, May 2009.
[15] C. Hollnagel, M. Brügger, H. Vallery, P. Wolf, V. Dietz, S. Kollias, and R. Riener, “Brain activity during stepping: a novel MRI-compatible device,” J.
Neurosci.
Methods, vol. 201, no. 1, pp. 124–130, Sep. 2011.
[16] A. Toyomura, M. Shibata, and S. Kuriki, “Self-paced and externally triggered rhythmical lower limb movements: a functional MRI study,” Neurosci.
Lett.,
vol. 516, no. 1, pp. 39–44, May 2012.

[17] J. Ashe and K. Ugurbil, “Functional imaging of the motor system,” Curr. Opin. Neurobiol., vol. 4, no. 6, pp. 832–839, Dec. 1994.

[18] S. M. Rao, P. A. Bandettini, J. R. Binder, J. A. Bobholz, T. A. Hammeke, E. A. Stein, and J. S. Hyde, “Relationship between finger movement rate
and
functional magnetic resonance signal change in human primary motor cortex,” J. Cereb. Blood Flow Metab., vol. 16, no. 6, pp. 1250–1254, Nov.
1996.
[19] O. Ciccarelli, A. T. Toosy, J. F. Marsden, C. M. Wheeler-Kingshott, C. Sahyoun, P. M. Matthews, D. H. Miller, and A. J. Thompson, “Identifying brain regions
for integrative sensorimotor processing with ankle movements,” Exp Brain Res, vol. 166, no. 1, pp. 31–42, Sep. 2005.

[20] G. Taubin, “Estimation of planar curves, surfaces, and nonplanar space curves defined by implicit equations with applications to edge and range
image
segmentation,” Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 13, no. 11, pp. 1115 –1138, Nov. 1991.
[21] N. Yu, R. Gassert, and R. Riener, “Mutual interferences and design principles for mechatronic devices in magnetic resonance imaging,” Int J Comput
Assist
Radiol Surg, vol. 6, no. 4, pp. 473–488, Jul. 2011.
[22] L. Kaufman, D. M. Kramer, L. E. Crooks, and D. A. Ortendahl, “Measuring signal-to-noise ratios in MR imaging,” Radiology, vol. 173, no. 1, pp. 265–267,
Oct.
1989.
[23] R. C. Oldfield, “The assessment and analysis of handedness: the Edinburgh inventory,” Neuropsychologia, vol. 9, no. 1, pp. 97–113, Mar.
1971.
[24] K.J. Friston,, S. Williams, R. Howard, R.S.J. Frackowiak, R. Turner, Movement related effects in fMRI time series. Mag Res Med 35, 346-355, 1996.

[25] P. Mazaika, F. Hoefl, G. H. Glover, and A. L. Reiss, “Methods and software for fMRI analysis for clinical subjects,” Human Brain Mapping, 2009.
[26] V. Fonov, A.C. Evans, K. Botteron, C.R. Almli, R.C. McKinstry, D.L. Collins, "Unbiased average age-appropriate atlases for pediatric studies,"
Neuroimage,
vol. 54, no 1, pp. :313-327, Jan. 2011
[27] J. Ashburner and K. J. Friston, “Unified segmentation,” Neuroimage, vol. 26, no. 3, pp. 839–851, Jul. 2005.

[28] K. J. Friston, C. D. Frith, R. Turner, and R. S. J. Frackowiak, “Characterizing Evoked Hemodynamics with fMRI,” NeuroImage, vol. 2, no. 2, Part A, pp. 157
–
165, 1995.
[29] T. Johnstone, K. S. Ores Walsh, L. L. Greischar, A. L. Alexander, A. S. Fox, R. J. Davidson, and T. R. Oakes, “Motion correction and the use of
motion
covariates in multiple-subject fMRI analysis,” Human Brain Mapping, vol. 27, no. 10, pp. 779–788, Oct. 2006.
[30] W. D. Penny and A. J. Holmes, Random effects analysis. 2004.

[31] J. M. Hausdorff, Y. Ashkenazy, C. K. Peng, P. C. Ivanov, H. E. Stanley, and A. L. Goldberger, “When human walking becomes random walking: fractal
analysis
and modeling of gait rhythm fluctuations,” Physica A, vol. 302, no. 1–4, pp. 138–147, Dec. 2001.
[32] H. Sadeghi, P. Allard, F. Prince, and H. Labelle, “Symmetry and limb dominance in able-bodied gait: a review,” Gait Posture, vol. 12, no. 1, pp. 34–45,
Sep.
2000.
[33] N. Kawashima, D. Nozaki, M. O. Abe, M. Akai, and K. Nakazawa, “Alternate leg movement amplifies locomotor-like muscle activity in spinal cord
injured
persons,” J. Neurophysiol., vol. 93, no. 2, pp. 777–785, Feb. 2005.
[34] D. A. Winter, “Human balance and posture control during standing and walking,” Gait & Posture, vol. 3, no. 4, pp. 193–214, 1995.

[35] S. P. Swinnen, “Intermanual coordination: from behavioural principles to neural-network interactions,” Nat. Rev. Neurosci., vol. 3, no. 5, pp. 348–359,
May
2002.
[36] T. Dai, J. Liu, V. Sahgal, R. Brown, and G. Yue, “Relationship between muscle output and functional MRI-measured brain activation,” Experimental
Brain
Research, vol. 140, no. 3, pp. 290–300, 2001.
[37] K. Wessel, T. Zeffiro, C. Toro, and M. Hallett, “Self-paced versus metronome-paced finger movements. A positron emission tomography study,”
J
Neuroimaging, vol. 7, no. 3, pp. 145–151, Jul. 1997.
[38] E. Hoshi and J. Tanji, “Differential involvement of neurons in the dorsal and ventral premotor cortex during processing of visual signals for
action
planning,” J. Neurophysiol., vol. 95, no. 6, pp. 3596–3616, Jun. 2006.
[39] B. M. de Jong, K. L. Leenders, and A. M. J. Paans, “Right parieto-premotor activation related to limb-independent antiphase movement,” Cereb.
Cortex,
vol. 12, no. 11, pp. 1213–1217, Nov. 2002.
[40] G. Vallar, E. Lobel, G. Galati, A. Berthoz, L. Pizzamiglio, and D. Le Bihan, “A fronto-parietal system for computing the egocentric spatial frame of
reference
in humans,” Exp Brain Res, vol. 124, no. 3, pp. 281–286, Feb. 1999.
[41] G. Committeri, G. Galati, A.-L. Paradis, L. Pizzamiglio, A. Berthoz, and D. LeBihan, “Reference Frames for Spatial Cognition: Different Brain Areas are
Involved in Viewer-, Object-, and Landmark-Centered Judgments About Object Location,” Journal of Cognitive Neuroscience, vol. 16, no. 9, pp. 1517–
1535,
Nov. 2004.

[42] T. Ball, A. Schreiber, B. Feige, M. Wagner, C. H. Lücking, and R. Kristeva-Feige, “The role of higher-order motor areas in voluntary movement as revealed
by
high-resolution EEG and fMRI,” Neuroimage, vol. 10, no. 6, pp. 682–694, Dec. 1999.
[43] F. A. Middleton and P. L. Strick, “Basal ganglia and cerebellar loops: motor and cognitive circuits,” Brain Research Reviews, vol. 31, no. 2–3, pp. 236 –
250,
2000.
[44] S. M. Rao, A. R. Mayer, and D. L. Harrington, “The evolution of brain activation during temporal processing,” Nat. Neurosci., vol. 4, no. 3, pp. 317–
323,
Mar. 2001.
[45] M. A. Pastor, B. L. Day, E. Macaluso, K. J. Friston, and R. S. J. Frackowiak, “The functional neuroanatomy of temporal discrimination,” J. Neurosci., vol.
24,
no. 10, pp. 2585–2591, Mar. 2004.
[46] W. Grodd, E. Hülsmann, M. Lotze, D. Wildgruber, and M. Erb, “Sensorimotor mapping of the human cerebellum: fMRI evidence of somatotopic
organization,” Hum Brain Mapp, vol. 13, no. 2, pp. 55–73, Jun. 2001.

[47] M. Jueptner and C. Weiller, “A review of differences between basal ganglia and cerebellar control of movements as revealed by functional
imaging
studies,” Brain, vol. 121 ( Pt 8), pp. 1437–1449, Aug. 1998.
[48] J. F. Stein and M. Glickstein, “Role of the cerebellum in visual guidance of movement,” Physiol. Rev., vol. 72, no. 4, pp. 967–1017, Oct.
1992.
[49] M. Corbetta and G. L. Shulman, “Control of goal-directed and stimulus-driven attention in the brain,” Nat. Rev. Neurosci., vol. 3, no. 3, pp. 201–215,
Mar.
2002.
[50] S. V. Astafiev, C. M. Stanley, G. L. Shulman, and M. Corbetta, “Extrastriate body area in human occipital cortex responds to the performance of
motor
actions,” Nat. Neurosci., vol. 7, no. 5, pp. 542–548, May 2004.
[51] S. Sunaert, P. Van Hecke, G. Marchal, and G. A. Orban, “Motion-responsive regions of the human brain,” Exp Brain Res, vol. 127, no. 4, pp. 355–370,
Aug.
1999.
[52] T. Zaehle, K. Jordan, T. Wüstenberg, J. Baudewig, P. Dechent, and F. W. Mast, “The neural basis of the egocentric and allocentric spatial frame
of
reference,” Brain Res., vol. 1137, no. 1, pp. 92–103, Mar. 2007.
[53] J. W. Bisley and M. E. Goldberg, “Neuronal Activity in the Lateral Intraparietal Area and Spatial Attention,” Science, vol. 299, no. 5603, pp. 81–86,
Jan.
2003.
[54] F. R. Loayza, M. A. Fernández-Seara, M. Aznárez-Sanado, and M. A. Pastor, “Right parietal dominance in spatial egocentric discrimination,”
NeuroImage,
vol. 55, no. 2, pp. 635 – 643, 2011.
[55] R. S. Turner, S. T. Grafton, J. R. Votaw, M. R. Delong, and J. M. Hoffman, “Motor subcircuits mediating the control of movement velocity: a PET study,” J.
Neurophysiol., vol. 80, no. 4, pp. 2162–2176, Oct. 1998.

[56] E. Gerardin, S. Lehéricy, J.B. Pochon, S. Tézenas du Montcel, J. F. Mangin, F. Poupon, Y. Agid, D. Le Bihan, C. Marsault, " Foot, Hand, Face and Eye
Representation in the Human Striatum," Cereb. Cortex, vol. 13 (2): 162-169, 2003