Background: In the past years, robotic systems have become increasingly popular in both upper and lower limb rehabilitation. Nevertheless, clinical studies have so far not been able to confirm superior efficacy of robotic therapy over conventional methods. The personalization of robot-aided therapy according to the patients' individual motor deficits has been suggested as a pivotal step to improve the clinical outcome of such approaches. Methods: Here, we present a model-based approach to personalize robot-aided rehabilitation therapy within training sessions. The proposed method combines the information from different motor performance measures recorded from the robot to continuously estimate patients' motor improvement for a series of point-to-point reaching movements in different directions and comprises a personalization routine to automatically adapt the rehabilitation training. We engineered our approach using an upper limb exoskeleton and tested it with seventeen healthy subjects, who underwent a motor-adaptation paradigm, and two subacute stroke patients, exhibiting different degrees of motor impairment, who participated in a pilot test. Results: The experiments illustrated the model's capability to differentiate distinct motor improvement progressions among subjects and subtasks. The model suggested personalized training schedules based on motor improvement estimations for each movement in different directions. Patients' motor performances were retained when training movements were reintroduced at a later stage. Conclusions: Our results demonstrated the feasibility of the proposed model-based approach for the personalization of robot-aided rehabilitation therapy. The pilot test with two subacute stroke patients further supported our approach, while providing auspicious results for the applicability in clinical settings.

Abstract Antifibrotic therapy with nintedanib is the clinical mainstay in the treatment of progressive fibrosing interstitial lung disease (ILD). High-dimensional medical image analysis, known as radiomics, provides quantitative insights into organ-scale pathophysiology, generating digital disease fingerprints. Here, we used an integrative analysis of radiomic and proteomic profiles (radioproteomics) to assess whether changes in radiomic signatures can stratify the degree of antifibrotic response to nintedanib in (experimental) fibrosing ILD. Unsupervised clustering of delta radiomic profiles revealed two distinct imaging phenotypes in mice treated with nintedanib, contrary to conventional densitometry readouts, which showed a more uniform response. Integrative analysis of delta radiomics and proteomics demonstrated that these phenotypes reflected different treatment response states, as further evidenced on transcriptional and cellular levels. Importantly, radioproteomics signatures paralleled disease- and drug related biological pathway activity with high specificity, including extracellular matrix (ECM) remodeling, cell cycle activity, wound healing, and metabolic activity. Evaluation of the preclinical molecular response-defining features, particularly those linked to ECM remodeling, in a cohort of nintedanib-treated fibrosing ILD patients, accurately stratified patients based on their extent of lung function decline. In conclusion, delta radiomics has great potential to serve as a non-invasive and readily accessible surrogate of molecular response phenotypes in fibrosing ILD. This could pave the way for personalized treatment strategies and improved patient outcomes.