KR20080065577A - 경두개 전기 자극 유도 기술 - Google Patents

경두개 전기 자극 유도 기술 Download PDF

Info

Publication number
KR20080065577A
KR20080065577A KR1020087001230A KR20087001230A KR20080065577A KR 20080065577 A KR20080065577 A KR 20080065577A KR 1020087001230 A KR1020087001230 A KR 1020087001230A KR 20087001230 A KR20087001230 A KR 20087001230A KR 20080065577 A KR20080065577 A KR 20080065577A
Authority
KR
South Korea
Prior art keywords
brain
electrical
tissue
patient
electrode
Prior art date
Application number
KR1020087001230A
Other languages
English (en)
Inventor
마이클 제이. 러셀
Original Assignee
마이클 제이. 러셀
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 마이클 제이. 러셀 filed Critical 마이클 제이. 러셀
Publication of KR20080065577A publication Critical patent/KR20080065577A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/36017—External stimulators, e.g. with patch electrodes with leads or electrodes penetrating the skin
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/3603—Control systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/36021—External stimulators, e.g. with patch electrodes for treatment of pain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N2/00—Magnetotherapy
    • A61N2/004—Magnetotherapy specially adapted for a specific therapy
    • A61N2/006—Magnetotherapy specially adapted for a specific therapy for magnetic stimulation of nerve tissue

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Hospice & Palliative Care (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Neurosurgery (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Optics & Photonics (AREA)
  • Psychiatry (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Electrotherapy Devices (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

의료적 치료를 위해 경두개 또는 내두개에 전기적 에너지를 최적으로 제공하는 방법이 결정된다. 환자의 뇌에 대해 MRI나 CAT 스캔 데이터, 또는 이들 모두의 데이터를 획득한다. 획득한 데이터에 기초해서 환자의 뇌의 일부 부위에 상이한 전기적 저항값을 할당한다. 전극 위치를 선택한다. 이러한 할당과 선택에 기초해서, 경두개 또는 내두개에 치료를 위한 최적의 전기를 제공하기 위한 하나 이상의 인가된 전기적 입력을 산출한다.

Description

경두개 전기 자극 유도 기술{GUIDED ELECTRICAL TRANSCRANIAL STIMULATION (GETS) TECHNIQUE}
본 발명은, 경두개 전기 자극 유도(GETS: guided electrical transcranial stimulation)에 관한 것으로서, 더 구체적으로는, 의료적 치료를 위해, 뇌(brain)의 내부와 그 주변의 전류를 통하는 유기 물질(current-carrying organic material)에 비저항(resistivity)을 정확하게 부여하고, 펄스 열(pulse train)에서의 펄스 폭과 펄스의 수 등과 같은 임의의 다양한 펄스 특징을 포함하는, 전류, 전압, 전하, 또는 파워 등과 같은 전기적 입력이 최적으로 제공되도록 하는 기술에 관한 것이다.
관련 기술
본 출원은 2005년 6월 16일에 제출된 미국 가특허 출원 60/691,068호에 대해 우선권을 주장하며, 상기 특허 출원의 전체 내용이 본 명세서에 원용에 의해 포함되는 것으로 한다.
경두개에 자극을 주는(transcranially stimulated) 전기적 운동 유발 전위(electrical motor evoked potential)(tcMEP)가 개발됨에 따라, 위험한 상태에 있는 수술 환자가 마비되는 비율을 크게 줄일 수 있게 되었다[Chappa KH(1994년); Calanchie 등(2001년); Pelosi 등(2002년); Bose B, Sestokas AK, Swartz DM(2004년); MacDonald 등(2003년) 참조: 언급된 문헌은 본 명세서에 원용에 의해 포함된다]. 그 결과, tcMEP는, 척수(spinal) 및 신경외과적(neurosurgical) 수술 동안, 피질 척수로(cortical spinal track)의 보전 상태(integrity)를 검사하기 위한 치료의 표준이 되고 있다. 그러나, 경두개의 전기 자극(transcranial electrical stimulation)은 일반적으로 높은 전압을 필요로 하는데, 이러한 높은 전압은, 뇌의 많은 부분을 활성화시키고, 환자로 하여금 바람직하지 않으며 알려지지 않은 부작용의 위험에 빠뜨릴 수 있는 전류의 확산(diffuse current spread)을 생기게 할 수 있다. 낮은 전압에서도 전류를 더 정확하게 지향시키는(precisely directed) 것이, 위험을 감소시키며, 수술 환자와 비수술(non-surgical) 환자에 대한 경두개 자극의 용도를 크게 넓힐 수 있다.
생리적 전류 밀도(physiological current density)에 근접하는, 뇌(brain)의 위치 특정의 경두개 전기 자극(site specific transcranial electrical stimulation)을 포함하는 기술이 필요하며, 이러한 기술을, 척수 수술 환자를 포함한 많은 환자를 치료하는데에 적용시키는 것이 필요하다. 운동 유발 전위(tcMEP)를 유도하기 위한 경두개 전기 자극은, 위험성이 큰 수술 동안, 척수와 뇌의 운동 경로(motor pathway)를 모니터링하기 위한 치료의 표준이 되고 있다. 통상적인 tcMEP 기술은, 정교하지 못한 경우도 있을 수 있지만, 운동 경로를 모니터링하고, 의인성 손상(iatrogenic injury)을 확인하기 위한 효과적인 수단이다. 도 1A의 도표를 보면, y축은 50㎶이고, x축은 7.5㎳이다. 인가된 펄스는 3ms의 ISI를 가진 5 개의 펄스로 이루어진 펄스 열에서 100㎲ 동안 150 볼트로 했다. 도 1B는, 경부 골절(neck fracture)된 86살 남자로부터 얻은 tcMEP를 나타낸다. 인가된 펄스는, 상부는 75 볼트이고, 하부는 25볼트로 했다.
통상적으로, tcMEP 시술 과정에는, 환자의 두피(scalp) 중, 운동 피질(motor cortex)을 둘러싸고 있는 것으로 생각되는 위치에 전극을 배치하는 과정과, 원위근(distal muscle)과 근육군(muscle group)을 활성화시키기 위해 단시간의 고전압 전기 펄스(brief high voltage electrical pulse)를 인가하는 과정이 포함된다. 도 2는 환자의 두피 외부에 전극(J0)을 배치한 것을 나타낸다. 도 2는 또한, 서로 다른 도전률 σ1, σ2, 및 σ3을 갖는 3개의 영역 S0, S1, 및 S3을 나타낸다. 그러나, tcMEP를 유도하는데 통상적으로 사용되는 고전압과, 이러한 고전압에 의해 생기는 반응은, 머리, 몸통, 또는 동맥(trunk)뿐만 아니라 표적 근육(target muscle)의 전체 영역을 활성화시킬 수 있다. 제어가 이루어지지 못한 전류 확산에 의해 큰 근육군이 움직이게 된다는 것은, 발작(seizure), 부러진 턱(broken jaw), 및 환자의 움직임에 의해 tcMEP 검사와 관련된 위험 요인이 발생한다는 것을 의미한다[Chappa, KH(1994년) 참조]. 단일 펄스가 아닌 자극열(stimulus train)을 인가하는 것과, 마취(anesthesia)에서의 조정 기술에 의해, 700-900V로 사용되었던 전기 전류가 200-400V로 크게 감소되었다[Chappa, KH(1994년); Haghighi SS, Zhange R(2004년) 참조: 이들 문헌은 본 명세서에 원용에 의해 포함된다].
tcMEP는, 수술 동안 환자를 깨어 있게 하고, 수술 과정을 마치기 전에 환자 로 하여금 팔다리를 움직여보라고 하는 "각성 검사"(wake-up test)보다, 덜 부담스러운 대체 방법으로서 널리 사용되어 왔다[Eroglu, A 등(2003년) 참조: 본 문헌은 본 명세서에 원용에 의해 포함된다]. 그러나, 이러한 자극 레벨은, 감소시킨 자극 레벨이라도 여전히 통상적인 생리적 레벨을 초과하며, 큰 근육군의 제어되지 못한 움직임에 의해, 인가된 펄스가 심각한 전류 확산을 생기게 한다는 것을 의미한다. 주요한 부작용은 비교적 드문 반면에, 혀의 열상(tongue laceration), 근육 파열(muscle tear), 및 기침 동작(bucking)은 여전히 일반적인 부작용으로 남아 있다[Calanchie, B 등(2001년) 참조: 본 문헌은 본 명세서에 원용에 의해 포함된다]. 때때로 tcMEP와 관련되어 있는 큰 근육 움직임(large muscle movement)은 또한, 외과 의사의 세심한 주의가 필요한 뇌 또는 척수 수술 과정 동안, tcMEP의 실용성을 제한한다.
뇌의 전기 펄스의 경로를 예측하고, 이에 따라 전류 레벨을 조정(예컨대, 전류 레벨을 낮춤)함으로써, 앞서 설명한 부작용들을 감소 또는 제거할 필요가 있다. 또한, 표적 부위에서 전류 세기를 생리 수준에 가까운 레벨까지 감소시켜서, 뇌의 전기 자극이, 외과 수술의 범위를 넘어 환자의 치료를 위해 사용될 수 있도록 할 필요가 있다. 이에 의하면, 파킨슨병(Parkinson's disease), 만성 통증(chronic pain), 우울증(depression) 등과 같이, 뇌 전기 자극에 효과가 있는 것으로 증명된 다수의 질병 상태의 치료에 매우 긍정적인 효과를 얻을 수 있다.
기술적 배경: 모델링(MODELING)
머리(head)는, 다수의 도전성 구획(conductive compartment)을 가진 비균질 적(heterogeneous)이며 비등방성(anisotropic)인 도전성 물질이다. 이러한 도전성 물질을 통해 전류 경로를 찾는 것은, 신경생리학(neurophysiology) 분야에서 중요한 문제이다. 수십 년 동안, 많은 연구자는, 이러한 물질을 통해, 뇌 수술 또는 심부 뇌 전극(depth electrode)을 사용하지 않고, 뇌를 자극하고자 했다. 이러한 문제점에 대한 혁신적인 해결책을 모델화 및 검사하는 것이 필요하다. 뇌전도(electroencephalography: EEG)의 소스 생성기(source generator)를 이해하기 위해 개발된, 조직 비저항(tissue resistivity)과 전류 경로를 모델화하기 위한 문헌이 많이 있다[Rush S, Driscoll DA(1968년); Vauzelle, C., Stagnara(1973년); Henderson, CJ, Butler, SR 및 Class A(1978년) 참조: 상기 문헌들은 본 명세서에 원용에 의해 포함되는 것으로 한다]. 이것은, 연구자들이 표면 기록에 기초한 뇌로부터의 전기적 전류의 소스를 결정하고자 시도해 왔다는 역문제(inverse problem)이다. 이러한 역문제에서, 소스 위치의 추정값은, 측정된 EEG와, 소스 파라미터와 머리의 전기적 특성을 사용하여 모델화된 전위 사이에서 최적으로 들어맞는 연산에 의해 만들어진다. 이러한 추정값은, 두피 기록 EEG에 대한 두개골 결손(skull defects)을 모델화하거나 소스 생성기를 로컬화하는 데에도 종종 사용되어 왔다[Benar 및 Gotman(2002년); Henderson 등(1975년); Kavanaugh 등(1978년) 참조: 상기 문헌들은 본 명세서에 원용에 의해 포함되는 것으로 한다]. 경두개 전기 자극 유도(GETS) 모델에 있어서는, 두피에 위치한 알려진 또는 선택된 소스로부터 최적의 전류 경로를 선택하고, 내부 소스(internal source)가 없다고 가정하는 포워드 문제점(forward problem)이 해결된다. 이러한 향후의 문제점은, 도전성 분 포(conductivity distribution)와 전류원(current source)의 위치를 알고 있다는 점에서 본질적으로 더 용이하다.
몇몇 사람들은 머리의 이러한 물리적 모델을 구성하기 위한 시도를 해왔다. 이러한 물리적 모델 중 몇몇은, 플라스틱, 살린(saline) 및/또는 실리콘으로 만들어졌다. 이러한 모델은, 문제의 복잡도를 나타내기에 충분하지 못하며, 해부학적인 개인차를 고려하지 못하고 있다.
유한 요소(finite element: FE) 포워드 모델링(forward modeling)은, 두개골 및 조직 비저항을 추정하는 방식을 최근에 개선함으로써 장점을 가지게 되었다. 이러한 더 새로운 추정값은 생체내(in vivo)에서 얻어졌다[Goncalves 등(2003년); Oostendorp 등(2000년) 참조: 상기 문헌들은 본 명세서에 원용에 의해 포함되는 것으로 한다]. 이러한 추정값에 의하면, 건조 조직 또는 시신 조직(cadaver tissue)에서 통상적으로 이루어졌던 이전의 많은 추정값보다 고유의 조직(indigenous tissue)에서 더 정확한 값을 얻을 수 있다.
몇몇 그룹은, 시판되고 있는 경두개 자기 자극 장치(transcranial magnetic stimulator)를 사용함으로써, 경두개 자극의 문제를 해결하고자 하는 시도를 해왔다. 자기 자극 장치는, 임상적으로 널리 사용되고 있지만, 외과 수술 용도로는 거부되어 왔는데, 이는 여러 개의 금속 물체가 있는 환경에서는 이러한 자기 자극 장치를 사용하는 것이 어렵고, 자극 파라미터(stimulation parameter)가 전기 자극에 의해 생성되는 파라미터보다 일관성이 적은 경향을 가지기 때문이다. 자기 펄스 생성기가 작은 움직임을 가지면, 자극 파라미터에서는 큰 변화가 생기고, 치료에 연속적인 자극을 필요로 하는 만성 상태(chronic condition)에서는 코일이 사용될 수 없다. 경두개 전기 자극에 의해 피질 척수로 뉴론(corticospinal tract neurons)의 대뇌 활성화(cerebral activation)를 더 효과적으로 표적으로 하기 위해, 머리 조직과 전류 경로를 정확하게 모델화하는 것이 필요하다.
의료적 치료(therapeutic treatment)를 위해 전기 에너지를 경두개(transcranial) 또는 내두개(intracranial)에 최적으로 제공하는 것을 결정하기 위한 기술을 제공한다. MRI 또는 CAT 스캔 데이터 또는 이러한 데이터 모두를, 환자의 뇌 및/또는 다른 신체 조직에 대해 구한다. 구해진 데이터에 기초해서, 상이한 비등방성의 전기적 값을 환자의 뇌 또는 다른 신체 조직에 할당한다. 전극 위치를 선택한다. 이러한 전기적 값의 할당과 전극 위치의 선택에 기초해서, 경두개 또는 내두개, 또는 다른 신체 조직에 대한 트랜스-조직(trans-tissue)의 최적의 치료용으로, 하나 이상의 인가된 전기적 전압, 파워, 에너지, 전류 또는 전하를 산출한다. 본 명세서에서, 뇌(brain)는 본 발명과 본 발명의 실시예가 효과적으로 적용될 수 있는 특정의 조직을 가리키지만, 본 발명은 뇌 주변의 다른 신체 조직에도 적용될 수 있다는 것을 알 수 있을 것이다.
전기적 값의 할당 과정에는, 환자 뇌의 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 이러한 일부 부위들에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 과정과, 환자 뇌에 대해 그리드 요소들로 된 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 과정과, 뇌의 분할(segmenting)에 기초하여 그리드 요소들 각각에 벡터 저항값(vector resistance value)을 부여(ascribe)하는 과정이 포함될 수 있다. 분할 과정(segmenting)에는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone) 중 둘 이상을 구분하는 과정이 포함될 수 있다. 이러한 구분(discriminating) 과정에는, 둘 이상의 유기 뇌 물질에 대응하는 각각의 계조 스케일 데이터(gray scale data) 내의 피크(peak)를 분해(resolve)하는 과정이 포함될 수 있다. 벡터 저항값을 부여하는 과정에는, 그리드 요소의 저항값에 대한 비등방성(anosotropy)을 추정하는(inferring) 과정이 포함될 수 있다.
"전기적 값"(electrical value)에는, 도전율(conductivity), 비저항(resistivity), 커패시턴스, 임피던스, 인가 에너지, 또는 이들의 조합이 포함될 수 있다. "전기적 특징"(electrical characteristic)에는, 도전율, 비저항, 커패시턴스, 임피던스, 인가 에너지, 또는 이들의 조합과 관련된 특징이 포함될 수 있다. "저항값"(resistance value)에는, 비저항이나 도전율 또는 이들의 조합이 포함될 수 있다. 데이터에는, 두 가지 이상의 T1, T2 및 PD MRI 데이터와 같은, MRI 또는 CAT 스캔 데이터 중 두 가지 이상의 타입의 조합, 또는 이들 모두가 포함될 수 있다. 데이터는 3차원 데이터인 것이 바람직하다.
전극 위치를 선택하는(selecting) 과정에는, 바람직한 실시예에서, 피부의 표면, 피부 내 또는 그 아래(피하), 또는 두개골 조직 내부에 전극을 배치하는(disposing) 과정이 포함될 수 있으며, 다른 실시예에서는, 경막 부근 또는 경막에 접해서 두개골을 통해, 또는 얕은 경막경유(transdural) 부위에 전극을 배치하는 과정이 포함될 수 있다. 이 다른 실시예에서는, 전극을 선택하는 과정에서, 두개골 조직 내부 또는 두개골 조직을 통해, 스크류를 이용해 설치된 전극을 이용하는 과정이 포함될 수 있다.
치료를 위한 경두개 또는 내두개에 전기적 에너지를 최적으로 제공하는 것을 결정하기 위한 기술이 제공된다. 환자의 뇌에 대해, 3차원의 MRI 또는 CAT 스캔 데이터, 또는 이들 모두 중 둘 이상의 타입의 조합을 구한다. 이렇게 구한 데이터에 기초해서, 환자의 뇌의 일부 부위에 상이한 전기적 값을 할당한다. 본 실시예에서, 전극 위치를 선택하는 과정에는, 적어도 부분적으로 두개골을 통해 하나 이상의 전극을 배치하는 과정이 포함된다. 전기적 값의 할당과 전극 위치의 선택에 기초해서, 치료를 위해 경두개 또는 내두개에 전기(electricity), 바람직하게는 전류를 최적으로 부여하기 위한 하나 이상의 전기적 입력(electrical input)을 산출(calculate)한다. 이러한 전기적 입력에는, 전압, 에너지, 파워, 전하, 전기적 펄스, 또는 선택된 폭, 높이 또는 수(number)를 갖는 펄스 열(pulse trains), 또는 이들의 조합이 포함된다.
전기적 값을 할당하는 과정에는, 환자의 뇌의 일부 부위들 사이의 조직 구획 경계와, 환자의 뇌의 일부 부위에 대한 하나 이상의 비등방성의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 과정과, 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 과정과, 분할 과정에서의 분할에 기초해서, 그리드 요소의 각각에 벡터 저항값을 부여(ascribe)하는 단계가 포함될 수 있다. 환자의 뇌를 분할하는 과정에는, 뇌 척수액, 백색질, 혈액, 피부, 회색질, 연조직, 해면뼈, 안액, 암 조직, 염증 조직, 허혈 조직, 및 치밀뼈 중에서 둘 이상을 구분하는 과정이 포함될 수 있다.
데이터는, T1, T2 및 PD MRI 데이터 중 둘 이상의 조합을 포함할 수 있다. 전극 위치를 선택하는 과정에는, 두개골을 통해, 경막(dura)의 부근에서 또는 경막에 접촉해서, 또는 얕은(shallow) 경막경유(transdural) 부위에, 하나 이상의 전극을 배치하는 과정이 포함될 수 있다. 전극 위치를 선택하는 과정에는, 두개골 조직 내부 또는 두개골 조직을 통해, 스크류를 이용해 설치된 전극을 사용하는 과정이 포함될 수 있다.
의료적 치료를 위해 전기적 에너지를 경두개 또는 내두개에 최적으로 제공하는 기술을 제공한다. 환자의 뇌 또는 다른 신체 조직의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터를 구한다. 환자의 뇌 또는 다른 신체 조직의 일부 부위들 사이의 조직 구획 경계와, 환자의 뇌 또는 다른 신체 조직의 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌 또는 다른 신체 조직이 분할된다. 환자의 뇌 또는 다른 신체 조직에 대한 그리드 요소로 이루어진 메쉬(mesh)를 정의함으로써, 유한 요소 모델(finite element model)이 구현된다. 분할에 기초해서, 그리드 요소의 각각에 전기적 값이 부여된다. 전극 위치가 선택된다. 전기적 값의 부여와 전극 위치의 선택에 기초해서, 치료를 위해 경두개 또는 내두개에 전기, 바람직하게는 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)이 산출된다. 이러한 전기적 입력에는, 전압, 에너지, 파워, 전하, 전기적 펄스, 또는 선택된 폭, 높이 또는 수의 펄스 열이나 이들의 조합 등이 포함된다.
전기적 값은 벡터 저항값을 포함하는 것이 바람직하며, 전기적 특징은 비등방성을 포함하는 것이 바람직하다.
환자의 뇌를 분할하는 과정에는, 뇌 척수액, 백색질, 혈액, 피부, 회색질, 연조직, 해면뼈, 안액, 암 조직, 염증 조직, 허혈 조직, 및 치밀뼈 중에서 둘 이상을 구분하는 과정이 포함될 수 있다. 전기적 값을 부여하는 과정에는, 그리드 요소의 저항값에 대한 비등방성을 추정(infer)하는 과정이 포함될 수 있다. 데이터는, T1, T2 및 PD MRI 데이터 중 둘 이상의 조합 등과 같은, MRI 또는 CAT 스캔 데이터, 또는 MRI 및 CAT 스캔 데이터의 두 가지 이상의 타입의 조합을 포함할 수 있다. 데이터는 3차원 데이터를 포함할 수 있다.
환자의 뇌 또는 다른 신체 조직에 대한 MRI나 CAT 스캔 데이터 또는 이들 모두의 데이터에 기초해서, 의료적 치료를 위해 전기적 에너지를 경두개 또는 내두개에 최적으로 제공하는 것을 결정하는 방법을 제공한다. 이러한 데이터에 기초해서, 상기 환자의 뇌 또는 다른 신체 조직의 일부 부위에 상이한 비등방성의 전기적 값이 할당된다. 본 방법은, 전극 위치를 선택하는 단계와, 할당된 비등방성의 전기적 값과 전극 위치의 선택에 기초해서, 치료를 위해 경두개 또는 내두개에 전기, 바람직하게는 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력이 산출된다. 이러한 전기적 입력에는, 전압, 에너지, 파워, 전하, 전기적 펄스, 또는 선택된 폭, 높이 또는 수의 펄스 열이나 이들의 조합 등이 포함된다.
이러한 비등방성의 값은, 환자의 뇌 및/또는 다른 신체 조직의 일부 부위들 사이의 조직 구획 경계와, 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할하는 과정과, 환자의 뇌에 대해 그리드 요소로 이루어진 메쉬를 정의함으로써 유한 요소 모델을 구현하는 과정과, 분할하는 과정에서의 분할에 기초해서, 그리드 요소의 각각에 벡터 전기 값을 부여하는 과정에 기초하여 할당되는 것이 바람직하다. 환자의 뇌를 분할하는 과정에는, 뇌 척수액, 백색질, 혈액, 피부, 회색질, 연조직, 해면뼈, 안액, 암 조직, 염증 조직, 허혈 조직, 및 치밀뼈 중에서 둘 이상을 구분하는 과정이 포함될 수 있다. 이러한 구분 과정에는, 2개 이상의 뇌 또는 다른 신체 조직에 대응하는 각각의 계조 스케일 데이터 내의 피크를 분해하는 과정이 포함될 수 있다.
환자의 뇌 및/또는 다른 신체 조직에 대해 취득한 MRI나 CAT 스캔 데이터 또는 이들 모두의 데이터에 기초해서 의료적 치료를 위해 전기적 에너지를 경두개 또는 내두개에 최적으로 제공하는 것을 결정하는 방법을 제공한다. 환자의 뇌에 대한 유한 요소 모델을 구현하고, 환자의 뇌 및/또는 다른 신체 조직의 일부 부위들 사이의 조직 구획 경계와 환자의 뇌 및/또는 다른 신체 조직의 일부 부위에 대한 하나 이상의 전기적 특징을 정의해서, 환자의 뇌 및/또는 다른 신체 조직을 분할하며, 환자의 뇌 및/또는 다른 신체 조직에 대해 그리드 요소로 된 메쉬를 정의해서 유한 요소 모델을 구현하고, 분할에 기초해서 상기 그리드 요소의 각각에 전기적 값을 부여함으로써, 정의된 메쉬의 그리드 요소에 전기적 값이 부여된다. 본 방법은, 전극 위치를 선택하는 과정과, 부여된 전기적 값과 전극 위치의 선택에 기초해서, 치료를 위해 경두개 또는 내두개에 전기, 바람직하게는 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력을 산출하는 과정을 포함한다. 이러한 전기적 입력에는, 전압, 에너지, 파워, 전하, 전기적 펄스, 또는 선택된 폭, 높이 또는 수의 펄스 열이나 이들의 조합 등이 포함된다.
전기적 값은 앞서 정의한 바와 같이 될 수 있으며, 바람직하게는 벡터 저항값을 포함할 수 있고, 전기적 특징은 앞서 정의한 바와 같이 될 수 있으며, 바람직하게는 비등방성을 포함할 수 있다. 분할하는 과정에는, 뇌 척수액, 백색질, 혈액, 피부, 회색질, 연조직, 해면뼈, 안액, 암 조직, 염증 조직, 허혈 조직, 및 치밀뼈 중에서 둘 이상을 구분하는 과정이 포함될 수 있다. 전기적 값을 부여하는 과정에는, 그리드 요소의 저항값에 대한 비등방성을 추정(infer)하는 과정이 포함될 수 있다.
프로세서로 판독가능한 코드가 내장된, 프로세서로 판독가능한 하나 이상의 기억 장치를 제공한다. 프로세서로 판독가능한 코드는, 의료적 치료를 위해 전기적 에너지를 경두개, 내두개, 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하기 위해 앞서 언급한 방법 또는 본 명세서에 개시된 것들을 수행하기 위해 하나 이상의 프로세서를 프로그래밍하기 위한 것이다.
도 1A는 척추 측만 환자로부터 얻은 tcMEP를 나타낸다.
도 1B는 경부 골절이 있는 86살 남자로부터 얻은 tcMEP를 나타낸다.
도 2는 통상적으로 식별되며 2개의 전극이 결합된 상이한 도전율의 물질을 포함하는 인간의 머리를 나타낸다.
도 3은 유한 요소 모델링을 위한 메쉬가 적용된 인간 뇌를 나타낸다.
도 4는 바람직한 실시예에 따라 식별되고 분할된 여러 개의 조직 구획을 가진 인간 뇌를 나타낸다.
도 5는, 식별되고 분할된 상이한 비등방성 비저항을 가진 여러 개의 조직 구획을 포함하며, 비등방성의 유한 요소 모델링을 위한 메쉬가 적용된 인간 뇌를 나타낸다.
도 6A는, 2개의 전극 위치가 선택되어 있으며, 정의된 전류 경로를 갖는 인간 뇌를 나타낸다.
도 6B는 유한 요소 모델링을 위한 메쉬가 적용된 도 6A의 인간 뇌를 나타낸다.
도 6C는 메쉬의 요소에 부여된 비등방성을 가진 도 6B의 인간 뇌를 나타낸다.
도 6D는 등방성 및 비등방성 모델의 동일한 영역을 통한 전류 밀도를 나타낸다.
도 7A는 가변의 비등방성 비저항을 갖는 영역 부근의 전류 밀도 변동을 나타낸다.
도 7B는 상이한 크기와 형태를 갖는 메쉬 요소를 갖는 유한 요소 메쉬를 나타낸다.
도 8은, 3가지 상이한 타입, 즉 T1, T2, 및 PD의 MRI를 나타낸다.
도 9는, 상이한 비저항을 가진 조직의 계조 스케일 구분에 의해 달성된 여러 개의 분석된 피크를 나타내는, 조직의 비저항과 MRI를 나타낸다.
도 10은, 2개의 전극을 결합시킨 인간 뇌에 부여된 전류 밀도의 3차원 모델링을 나타낸다.
도 11A-11D는 본 발명의 다른 실시에에 따른 전극 구성을 나타낸다.
약어 설명
CT = 컴퓨터 단층촬영 엑스레이(Computer Tomography x-ray)
GETs = 경구개 전기자극 유도(Guided Electrical Transcranial stimulation)
EEG = 뇌전도(Electroencephalogram)
MRI = 자기 공명 영상(Magnetic Resonance Imaging)
FE = 행렬대수의 유한 요소 방법(Finite Element method of matrix algebra)
SEP = 체성감각 유발 전위(somatosensory evoked potential)
fMRI = 뇌기능 자기 공명 영상(functional Magnetic Resonance Imaging)
tcMEP = 경두개 운동 유발 전위(transcranial Motor Evoked Potential)
전제 설명(INTRODUCTION)
이하 상세하게 설명하는 바와 같이, 포워드 문제점(forward problem)에 대한 해결은, 인간의 머리와 뇌의 내부에서 발견된 모든 이질성을 충분히 나타내는 상세의 모델을 구성함으로써, 행렬 대수(matrix algebra)에 의해 달성가능하다. 이하의 발명의 상세한 설명 부분에 개시된 방법은, 물리적 모델을 사용하지 않고, 머리와 뇌를 나타내는 것으로서 개인의 MRI 및/또는 CT 스캔을 사용한다. MRI 및 CT 스캔은, 표준의 대수학적 처리 방법(algebraic manipulation)이 적용될 수 있는, 컴퓨터 프로그램에 의해 조작가능한 디지털화된 이미지이다. 이러한 디지털 모델링에 의하면, 날씨 시스템, 유체 흐름(fluid stream) 등과 같은 다른 복잡한 표현을 위해 개발된 행렬 대수 방식(matrix algebra solutions)을 사용할 수 있다. 또한, 유한 요소(FE) 분해 패키지 내의 모듈은, 커패시턴스와 저항 등과 같은 시간 종속 요소(time dependent factors)를 표현하기 위해 개발되었다.
머리의 3차원(3D) 모델링을 사용하여 전류 밀도를 효과적으로 감소시키는 것에 대해 설명한다. 시험적인 작업에 의하면, 연구소에서 개발한 2차원(2D) 경두개 전기 자극 유도(GETs)에 의해 전류 밀도를 60% 이상 감소시킬 수 있다는 것이 밝혀졌다. 3D 모델에서는 전류 밀도를 더 많이 감소시킨다.
CT 스캔을 MRI 이미지에 조합하는 과정을 포함하는 실시예를 포함한다. 이러한 조합은, GETs 모델에 대한 근거로서 효과적으로 이용될 수 있다. 컴퓨터 단층 촬영(CT)은, 뼈(bone)를 모델링하기 위한 특히 효과적인 방법이며, GETs 모델을 더 향상시키는 실시예에서 이용된다.
일실시예에서는, 환자의 뇌 내부의 전류를 직접 측정한다. 다른 실시예에서는, 생체 검정(biological assay)으로서 운동 유발 전위(motor evoked potential) 를 구한다. 바람직한 실시예에 따른 기술은, 뇌의 해부학적 구조(brain anatomy)가 상해(injury), 종양(tumor), 또는 발달 장애(developmental disorder)에 의해 크게 변형된 경우에도, 전기적 전류 밀도를 감소시키는 데에 효과적이다.
또한, GETs 모델링은, 실제의 척수 수술 환자에 적용시킬 수 있으며, 이에 의하면, 운동 피질(motor cortex)의 경구개 자극을 최적화시킬 수 있다.
예비 검토(PRELIMINARY STUDIES)
3차원 모델링을 포함하는 바람직한 실시예에 대한 시험적인 작업에서, 본 발명의 다른 실시예에 따라, 머리를 통한 단일의 MRI 슬라이스의 2차원(2D) 모델이 개발되었다. 도 3은, 유한 요소 모델링을 위한 메쉬(mesh)를 뇌에 적용한 도면이다[상이한 크기와 형태의 메쉬 요소를 가진 유한 요소 메쉬를 나타내는 도 7B를 참조하라]. 메쉬는, 상이한 형태와 크기의 요소를 포함하며, 이들 요소에 할당된 상이한 비저항을 갖는다. 2D 실시예에서는, 예컨대 FEM 방법을 사용하여, 운동 피질의 상지(upper limb) 표현을 통한 해부학적으로 정확한 관상 절편(coronal section) 내에서, 경두개 자극 이후의 전류 경로를 예측할 수 있다.
본 실시예에서는, 상지 운동 피질을 통해 관상 MRI 절편(6.5mm)에 대한 전류 밀도를 얻는다. 모델링은 다음 2개의 단계, 즉 조직 구획 경계와 비저항을 식별하기 위한 분할(segmentation) 단계와, 전류 밀도에 대한 포워드 문제(주어진 파라미터 값을 사용하는 모델링 측정)를 해결하기 위한 유한 요소 모델의 구현 단계로 진행한다.
분할(SEGMENTATION)
스캔된 이미지는 콘트라스트를 향상시킨 것이 바람직하며, 예비 조직 구획 경계는, 자동으로, 반자동으로 또는 수동으로 식별되고, 시판되는 소프트웨어(예컨대, Canvas)를 사용하는 것이 바람직하다. 도 4는, 바람직한 실시예에 따라 상이한 비저항에 따라 식별되고 분할된 여러 개의 조직 구획(tissue compartment)을 갖는 인간 뇌를 나타낸다. 도 4의 표현에서 분할되어 있는 조직 구획에서는, 뇌 척수액(CSF)의 비저항이 65ohm-cm, 백색질의 비저항이 85ohm-cm, 혈액의 비저항이 160ohm-cm, 피부의 비저항이 230ohm-cm, 회색질의 비저항이 300ohm-cm, 연조직의 비저항이 500ohm-cm, 해면뼈의 비저항이 2500ohm-cm, 치밀뼈의 비저항이 16000ohm-cm이다.
대부분의 조직 비저항 추정값은, Haueisen 등(1997년)으로부터 취한 것이며, 많은 연구로부터 얻은 비저항값에 해당하고, 조직 구획에 대한 평균 값(mean value)으로 주어진 것이다. 예외적으로, 백색질에 대한 비저항은, Geddes 및 Baker(1967년)의 초록(summary)으로부터 취한 것이다. 고양이의 내섬유막(internal capsule)으로부터 얻은 길이 방향(횡 방향에 상대적인 것) 추정값을 사용했다(Nicholson, 1965년). 길이 방향 추정값이 적절한 이유는, 이 값이 대뇌 피질의 어느 위치에 접해서(tangential) 위치된 소형 전극(small electrode)에 대한 섬유(fibers)의 지배적인 배향이기 때문이다. 앞서 언급했던 바와 같이, 뼈에 대한 값은, Goncalves 등(2003년)과, Oostendorp 등(2000년)으로부터 취했다.
예비 경계(preliminary boundary)는, 도 5에 나타낸 MRI 등과 같은 원래의 MRI 위에 중첩된다. 조직 구획의 최종적인 분할은 손으로 완성될 수 있다. Talairach & Tournoux와 Schaltenbran 및 Wahren의 인간 뇌 지도로부터 MRI와 해부학적 절편(anatomical section)을 매칭시키는 것[Nowinski 등(1997년) 참조; 원용에 의해 본 명세서에 포함되는 것으로 한다]은, 회색질 구획, 특히 심뇌핵(deep brain nuclei)을 식별하는데 큰 도움이 된다.
도 5에는, 유한 요소 메쉬로서 기능하는 그리드(grid)가 도시되어 있는데, 이러한 유한 요소는, 부여된 방향성(directionality)과 비등방성(anisotropy)을 가지며, 그리드의 요소 내부에 경사진 선으로 표시되어 있다. 이러한 방향성은, 신경 섬유의 방향성에 대응한다.
MRI 데이터에 기초한 조직 비저항의 식별
조직 타입에 관련될 수 있는 MRI 계조 스케일에 대한 조직 비저항(tissue resistivity)의 관계가 다음 식으로 표현될 수 있다.
R(V) = K(1-v)E + D
R = 비저항;
V = MRI 데이터의 수치값 * ;
K = 승산 값(Multiplier value);
E = 지수(exponent); 및
D = 밀도 값.
* 값 V는, 단순한 MRI 데이터 값 또는 다수의 MRI나 여러 타입의 MRI로부터 조합된 값이 될 수 있다. 이러한 값들은, 예컨대, K=1600, E=4, D=65이다.
비등방성/방향성은, 해부도(anatomy)로부터 추측되거나, MRI 데이터에 기초해서, 또는 이들을 조합해서 정해질 수 있다. 확산 텐서(diffusion tensor) MRI(DT-MRI, 또는 DTI)에 의해 직접 판정(direct determination)이 이루어진다. 일반적인 해부학적 구조(general anatomy)에 의해, 섬유, 특히 신경 섬유의 방향을 추측함으로써, 간접 판정이 이루어진다. DT-MRI 데이터는 비등방성 MRI(anisotrophic MRI)라고도 불린다.
유한 요소 모델링(FINITE ELEMENT MODELING)
시험적인 다른 실시예에서는 2D 전류 밀도가 미터당 amp로 표현되지만, 바람직한 실시예에서의 3차원 3D 전류 밀도는, 3D 모델에 적용될 수 있는 제곱 센티미터당 amp로 표현된다. 제곱 센티미터당 쿨롬(coulomb)의 단위는, 펄스를 모델화하는데에도 사용될 수 있다.
FEMLAB(매사추세츠 버링톤에 소재한, Comsol Pty Ltd)를 사용하여 생성된 FE 모델에 의해, 분할된 부분에 대해, 양측 전극 배치(인가된 전위차가 100V)가 계산된다. 메쉬(mesh)는, 먼저 이미지 내의 각각의 세그먼트의 에지 윤곽(edge contour)을 검출하고, 각 윤곽 내의 영역을 2D 서브 도메인(subdomain)으로 변환함으로써, 구성될 수 있다. 전체적인 구조의 메슁(meshing)은, 표준 FEMLAB 메슁을 사용하여 수행될 수 있으며, 최소 요소 품질(minimum element quality)이 0.1이 되어야 한다[품질 파라미터는 0과 1 사이에서 변화하며, 허용가능한 최소 메쉬 품질은 0.6이다]. 메쉬 품질(mesh quality)의 전형적인 값은 대략 0.98이 바람직하다. 삼각형 품질(triangle quality)은 다음 식으로 구한다.
q = 4√3a÷[h1 2 + h2 2 + h3 2]
a는 삼각형 영역(triangle area)이고, h1, h2 및 h3은 삼각형의 측면 길이이며, q는 0과 1 사이의 수이다. q > 0.6이면, 삼각형은 허용가능한 품질을 가지며, h = h2 = h3이면, q = 1이다. 삼각형 요소(triangle element)는, 낮은 q를 갖는 경우에는, 통상적으로 길고 얇기 때문에, 메쉬를 사용한 해결책이 정확하지 않게 될 수 있다.
도 3에 도시된 모델에 대한 선형 메쉬(linear mesh)에서, 요소는 대략 180,000개이며 자유도는 대략 364,000이다. 1×10-6 이하의 상대적 정밀도에 대한 모델의 해(solution)는, 리눅스(RedHat 3.0WS)를 탑재한 델 워크스테이션(2.4GHz 프로세서, 2GB 램)에서, 대략 27개를 포함했다.
결과
모델링의 결과를 도 6A-6D에 나타낸다. 도 6A의 이미지는 백색질의 비등방성 특징에 맞추지 않고 계산되었다. 도 6A의 이미지는, 비저항값으로 분할된 다수의 구획과 라인 경계를 갖는 인간 뇌를 나타낸다. 또한, 한 쌍의 전극의 위치 "+" 및 "-"가 나타나 있다. 도 6A에는 관련 CPI의 전류 경로도 표시되어 있다.
도 6B의 이미지는 정사각, 직사각, 또는 그 위에 겹쳐 있는 삼각형과 같은 다른 다각형의 그리드 또는 매트릭스를 갖는다. 도 6B의 이미지는, 도 6A의 이미지가 신경 또는 비등방성을 통한 전류 흐름의 방향성에 적합하도록 되어 있다는 점 에서 상이하다. 도 6C는, 그리드를 구성하는 다각형의 적어도 몇몇 내에 방향성 라인을 가짐으로써, 도 6B의 표현에서 고려된 비등방성을 나타낸다. 공동(ventricles) 부근의 뇌의 중심 영역 내에 전류 밀도 "핫 스폿"(hot spots)의 위치에서 현격한 차이를 나타내고 있다. 조직 비등방성(tissue anisotropy)은, 이러한 핫 스폿의 위치에 큰 영향을 미친다.
도 6D의 라인 구성은, 도 6A, 도 6B 및 도 6C에 도시된 관련 CPI의 전류 경로에 따른 동일한 위치를 통한 전류 밀도로 이루어져 있다. 도 6D의 실선(IM)은 도 6A에 도시된 등방성 모델(isotropic model)에 대한 전류 밀도이다. 도 6D의 점선(AM)은, 도 6B와 도 6C의 더 실질적인 비등방성 모델(anisotropic model)에 대한 전류 밀도이다. 비등방성 모델에 대해 68 A/m 부근에서 피크 P가 관측되었으며, 등방성 모델은, CPI에 따라 연구된 균질의 백색질 영역에 대해 최대값 16 A/m을 가진다.
GETs 모델은 몇몇 예측된 결과와 예측되지 못한 결과를 증명하고 있다. 예측되는 바와 같이, 전극의 아래에 전류가 집중된다. 그러나, 증명된 최적의 전류 경로가 항상 최소 저항의 경로인 것은 아니다. 더 낮은 도전율을 갖는 영역 내에 높은 도전율이 존재하는 포함물(inclusion)이 존재하는 고전류 밀도의 영역이 있다[뇌하수체 줄기(pituitary stalk)와 공동(ventricle)의 레드 존(red zones) 참조][Knudsen(1999년), Grimnes, S 및 Martinsen O.G(2000년) 참조; 상기 문헌은 본 명세서에 원용에 의해 포함되며, 이러한 현상이 일어나는 이유를 상세하게 설명하고 있다]. 도 7A는 이러한 효과를 나타낸다. 이 효과는, 낮은 도전율 영역 둘레 에서 유도된 전계의 핫 스폿(hot spot)을 생성하는 것으로 보인다. 전류 증가는, 전류 흐름에 수직으로 놓인 계면(interface)의 부근에서 가장 크다. 이러한 전류 밀도의 일부는, 주변 영역의 실질적으로 위에 있으며, 전극이 배치된 곳과 멀리 떨어져 있다. 이와 관련하여, 이러한 시도는, 표적이 되는 영역을 효과적으로 자극하면서, 바람직하지 않은 활성화를 최소로 하기 위한 전극의 위치를 결정하기 위한 것이다. 조직 비등방성(tissue anisotropy)은, 본 발명의 바람직한 실시예에 따라, 효과적으로 모델화되며, 뇌의 주입 전류(injection current)에 대해 모델화된 것이다. 다른 실시예의 모델에는, 혈관(blood vessel)의 비등방성 모델링과, 근육 섬유의 방향성이 포함된다. GETs 모델은 개인의 MRI 및/또는 CAT 스캔에 기초하기 때문에, 뇌 구조에서의 발달차 및 개인차를 조정한다. 이러한 것들 중 가장 중요한 것은 뼈 구조(bone structure)에서의 차이이다.
도 8은 3가지 상이한 타입, 즉 T1, T2, 및 PD의 MRI를 나타낸다. 각각의 MRI 아래에 있는 것은 계조 스케일(gray scale)이다. T1 MRI에 대한 계조 스케일은, 3가지 상이한 비저항을 갖는 3개의 구분가능한 조직 타입에 대응할 수 있는 3개의 피크를 분해(resolve)하는 것으로 보인다. T2에 대한 계조 스케일은 하나 또는 2개의 피크를 나타내며, PD에 대한 계조 스케일은 T2 또는 T1과 상이한 비저항에서 하나의 피크를 나타낸다. 서로 다른 MRI 타입으로부터의 정보를 이용함으로써, 계조 스케일 분할(gray scale segmentation)을 향상시킬 수 있다.
도 9는, 상이한 비저항을 가진 조직(tissue)의 계조 스케일 구분에 의해 달성된 여러 개의 분해된 피크를 나타내는, 조직의 비저항과 MRI를 도시하고 있다. 본 발명의 바람직한 실시예에 의하면, 도 9에 도시된 MRI에 대한 계조 스케일은, 치밀뼈, 해면뼈, 백색질, 연조직, 회색질, 피부, 혈액, 및 뇌척수액을 포함하는 다양한 조직 타입에 대응하는 여러 개의 피크를 분해한다. 다른 분해가능한 조직으로는, 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 안액(eye fluid) 등이 포함될 수 있다. 조직의 분해능력(resolution)을 향상시킴으로써, 벡터 비저항 또는 다른 전기적 값을 뇌 또는 그외 다른 신체 조직에 더 정확하게 할당하는 것이 가능하다. 또한, 이에 따라, 예컨대, 다른 질병들 중 만성 통증의 치료를 위해 부여되는 최적의 전류 또는 다른 전기적 입력을 더 정확하게 계산하는 것이 가능하게 된다.
개인차 및 발달 변이(INDIVIDUAL DIFFERENCES AND
DEVELOPMENTAL VARIATIONS)
뼈(bone)는, 두개골이 주입 전류에 대한 주요한 장벽이 되는 신체 내의 비저항이 가장 높은 조직이다. 개인 간에 그리고 내부 위치 간에, 두개골 두께와 밀도에 상당한 변이(variation)가 존재한다. 두개봉합(cranial suture), 관통 관(penetrating vessel), 및 개인 이상(individual anomalies)은, 개인차의 중요한 소스가 되는 두개골을 통해 낮은 비저항 경로를 제공한다.
발달적인 관점에서 봤을 때, 어린 아이에서의 혈관이 매우 많아진 숫구멍(highly vascularized fontanel)의 존재는, 두개골을 통한 전류 경로를 제공하는데, 이는 숫구멍의 비저항이 훨씬 더 낮기 때문이다(두피: 230Ωcm; 혈관: 160Ωcm; 뼈: 7560Ωcm). 이러한 숫구멍은, 성인 두개골에 존재하는 두개 봉합(suture) 을 형성하기 위해, 실질적으로 1년 반까지는 폐쇄된다[Law(1993년) 참조; 본 명세서에 원용에 의해 포함되는 것으로 한다]. 두개 봉합(suture)은, 많은 성년에서는 어느 시기까지 개방된 상태를 유지하고, 어느 정도 나이가 든 개인에서는 폐쇄되지 않는 경우도 있으며, 완전히 폐쇄되는 경우도 있다. 전류를 단순히 증가시키는 것이 아니라 이러한 차이점을 조정함으로써, 개인의 뇌를 자극하기 위해 필요한 전류를 크게 감소시킬 수 있다.
도 1A 및 도 1B에 대해서는 앞서 언급했다. 도 1A는 14살의 척추 측만 환자(scoliosis patient)에서 경두개 자극(transcranial stimulation)에 의해 유발된 MEPs를 나타낸다. 전극은 대략적으로 C1 및 C2(10-20 시스템)에 위치시켰으며, C2에 애노드 자극(anodal stimulation)을 인가했다(50V). 오른쪽에 있는 무지외전근(abductor hallucis)으로부터 더 작은 반응이 기록되었음에도, 가장 큰 진폭의 MEPs는, 왼쪽 발[무지외전근(abductor hallucis)]과 다리[전경골근(anterior tibialis)]의 근육으로부터 유발되었다. 양쪽 손의 장모지외전근(abductor pollicic brevis) 근육으로부터는 반응이 기록되지 않았다. 이러한 상대적으로 낮은 전류의 반응은, 전극 위치에서의 약간의 조정(adjustment)에 의해 구했다. MEP 신호를 최적화하기 위해, 환자마다 차이가 있는 유사한 조정이 사용될 수 있다.
다른 실시예에서, 수술 중의 모니터링(intraoperative monitoring)에 대한 자극의 레벨을 감소시키며, tcMEP와 관련해서 생길 수 있는 것이 무엇인지에 대한 이해를 높이는 것이 가능하다. 그러나, 바람직한 실시예에서, 다른 중요한 사항을 개선할 수 있다. 1) 3차원 GETs 모델을 사용; 2) 혈관, 미세 혈관로, 및 뼈 이 상(bone anomalies)을 고려하기 위해 이미지의 상세(detail)를 향상; 3) 조직 경계에서 발견된 커패시턴스의 효과를 모델에 추가; 4) 직접 뇌 측정으로 모델을 검증함; 또는 5) 난치의 파킨슨증(refractory Parkinsonism) 환자의 운동 피질(motor cortex)에 결과를 적용, 또는 이들의 조합에 의하여, 모델을 추가로 향상시킨다.
연구 설계 및 방법(RESEARCH DESIGN AND METHODS)
일실시예에서는, GETs 모델이 3차원(3D)으로 제공되며, 이미지에 더 구체적인 상세(detail)가 적용되고, 비저항(resistivity)으로부터 임피던스(impedance)로의 변환을 포함하는 커패시턴스의 효과가 추가된다. 도 10은, 2개의 전극과 결합된 인간 뇌에 부여되는 전류 밀도의 3차원 모델링을 나타낸다. 도 10은, 일정한 비저항 또는 전압 강하(voltage drop)의 형태를 나타낸다. 도 10은, 전극 주변이 높은 비저항을 가지며, 다수의 조직을 횡단하는 임의의 전류 경로를 따라 비저항이 변화하는 것을 나타낸다. 2개의 정상적인 성인 뇌의 기존 3D MRI 이미지가 사용될 수도 있다. 일실시예에서, 이미지는 분할(segment)되고, FE 메쉬가 생성되며, 커패시턴스를 가진 그리고 커패시턴스를 가지지 않은 등방성 모델(isotropic model) 및/또는 비등방성 모델(anisotropic model)에 대해 분석(analysis)이 이루어진다. 커패시턴스는, 조직 경계에서의 막 커패시턴스(membrane capacitance)로서 중요한 요인이 될 수 있을 뿐만 아니라, 자극 조직 침투(stimulus tissue penetration) [Grimnes S. Martinsen O.G(2000년) 참조; 상기 문헌은 본 명세서에 원용에 의해 포함된다]를 판정하기 위한 중요한 요인이 될 수 있다.
분할(SEGMENTATION)
3차원(3D)의 MRI 슬라이스에, 비저항값을, 분할(segmentation), 아우트라인화(outlining), 식별(identifying), 부여(ascribing) 및/또는 할당(assigning)하는 작업은, 어렵고 힘든 작업이 될 수 있다. 이러한 수고(effort)는, 상업적으로 자동화된 조직 분석 알고리즘과 서비스에 의해 크게 감소될 수 있다. 이러한 분석을 수행하기 위해, Neuroalyse, Inc(캐나다 쿼백)이 바람직하게 선택될 수 있다. 이 시스템은, 90% 이상의 조직 분할(tissue segmentation)을 수행할 수 있으며, 소프트웨어가 해결하지 못하는 조직 영역 또는 이러한 조직 영역으로 특히 더 좋은 성과를 얻는 것이 바람직한 영역을 공백(blank)으로 남겨둔다. 이 자동화된 분할은, 새로운 MRI 이미지가 2mm의 두께를 가지며 3개의 평면에 기록되기 때문에 특히 효과적이다. 결과가 체크되고, 임의의 공백 영역이, 손이나 다른 정밀 자동화(precision automation), 또는 그외 다른 것으로 채워진다. 조직 비저항은, 상기와 같이 바람직하게 할당되는데, 조직 슬라이스가 바람직하게 더 미세하며, 혈관 및 두개골 봉합(skull suture)에 대한 값이 바람직하게 포함되는 점이 다르다. 결과로서의 2D로 슬라이스화된 이미지는 3개의 3D 모델로 삽입된다. 최종의 3D 분할 및 메슁은, AMIRA(Mercury Computer Systems, 독일 베를린)를 사용하여 수행될 수 있으며, 그 결과로서 생성된 3D 모델은, FE 연산을 위한 Femlab(메사추세츠 버링톤에 소재한 Comsol)에 포함될 수 있다.
식별된 운동 피질을 가진 3D 모델은, FE 방법을 사용하여 분석될 수 있다. 자극을 위한 최적의 위치를 식별하기 위해서, 두피(scalp) 전역에 걸쳐 대표적인 쌍을 이룬 전극 위치를 반복적으로 이동시키고, 표적 위치(운동 피질)에서의 효과 를 평가함으로써, 추가의 분석이 수행될 수 있다. 이러한 표적화(targeting)는, 컴퓨터로 하여금, 일정한 전류 밀도를 가진 전류 주입 및 추출 위치(site)로서, 전극 배치를 위한 통상적인 10-20 시스템(10-20 system)의 각각의 위치에 대한 표적 위치에서 가장 높은 전류 밀도를 시스템적으로 선택 및 검사하도록 함으로써 수행될 수 있다. 통상적인 10-20 시스템에 추가로, 고려 또는 선택될 수 있는 위치(site)로는, 눈꺼풀(eye lids), 이도(auditory canals) 및 비로(nasal passages)를 포함할 수 있으며, 이러한 추가의 위치는 높은 비저항을 가진 두개골 뼈를 우회하기 위한 수단을 나타낸다. 컴퓨터가 한 쌍의 자극(stimulation) 및 추출(extraction) 위치를 전반적으로 식별한 후, 모델은 10-20 시스템의 선택된 위치 주위를 1센티미터씩 증가시켜서 검사함으로써 정밀하게 될 수 있다.
현재의 문헌(10-20 시스템의 C3-C4 및 Cz'-FPz)[Deletis(2002년), MacDonald 등(2003년) 참조; 본 명세서에 원용에 의해 포함되는 것으로 한다]에서 가장 보편적으로 제시되는 2개의 "표준"(standard) 위치에 대해, 이러한 예측된 "가장 적합한"(best fit) 위치가 검사될 수 있다. 이 3D 기술은, 효과적인 정밀한 모델을 제공할 수 있지만, 여전히 확인(verification) 및 인간 검사(human testing)도 바람직하게 사용될 수 있다.
또 다른 실시예에서는, 1) CT 스캔을 MRI 이미지에 추가하는 것, 2) 2번의 검정(assay)으로 GETs 모델을 확인하고, 수술 환자의 모델을 검사하는 것, 3) 이 모델을 척수 수술 환자에 적용하는 기술을 포함할 수 있다. MRI는, 연조직(soft tissue)을 이미지화하는데 효과적이지만, 뼈를 이미지화하는데에는 덜 효과적인데, 이는 MRI의 표적 조직(target tissue) 내의 물 분자(water molecules)에 대한 의존성(dependence) 때문이다. 골격 두개골(bony skull)은, 머리 중에 비저항이 가장 높은 조직이며, 전류가 뇌 안쪽으로 통과하는데 있어서의 중요한 장벽(barrier)이다. 본 발명의 모델링(modeling)은, 뇌와 두피 사이의 어두운 영역(dark region)이 골격 구조라고 가정함으로써 이것을 해결하고 있다. 이에 의하면, 본 발명의 모델링은, 품질이 높게 유지되는 한, 환자의 단일 스캔만을 취득하면 되는 장점을 가질 수 있다. CT 스캔을 GETs에 추가하는 효과를 검사하는 것은, MRI와, MRI/CT의 조합으로 달성될 수 있다. MRI는, 3개의 축[축방향(axial), 관상(coronal), 및 시상면(sagital)]에서 수집된 1.5 테슬라 자석(Tesla magnet)으로부터 2mm 스캔이 될 수 있다. CT 이미지는, 2.5mm 단위로 스캔될 수 있으며, MRI 스캔의 3개의 축과 매칭되도록 소급적으로(retroactively) 조정될 수 있다. 2개 세트의 이미지는, 앞서 설명한 바와 같이, 디지털적으로 정합(coregister) 및 분할(segement)될 수 있다. 이 조합된 이미지화는, 뇌실측로술(ventricular shunt)이 예정된 10명의 환자에 대해 수행될 수 있다. 이들 환자로부터의 데이터는, 단일의 MRI 및 조합된 MRI/CT 스캔을 데이터 세트로 해서 GETs 모델화될 수 있다. 이러한 동일한 환자들은, tcMEP 자극 동안 전류 밀도에 대해 검사될 수 있다.
직접 측정(DIRECT MEASUREMENT)
환자의 뇌실(cerebral ventricle)에서 직접 전류를 측정할 수 있는데, 환자는, 뇌수종(hydrocephalus)에 대한 선택적인 단락 위치(elective shunt placement)에 대해 자신들의 뇌에서 뇌실 배액(ventricular drain)을 할 예정인 환자이다. 이러한 임상적 과정에서, 소개두술(small craniotomy)이 수행되며, 경막(dura)을 개방하고, 실라스틱 관(silastic tube)의 한쪽 끝을 뇌를 통해 뇌실 내부에 배치해서, 뇌척수액을 초과해서 배액(draining)하게 된다. 이 실라스틱 관은, 기포가 생기지 않도록 하기 위해 살린(saline) 또는 뇌척수액으로 채워지며, 배액(drain)으로 사용된다. 따라서, 살린으로 채워진 실라스틱 관은, 뇌실 내에 배치되며, 뇌 조직을 통과하는 기록용 전극(recording electrode)으로 작용할 수 있다. 이 관으로부터의 기록은, 플래티늄/이리듐 프로브(probe)를 관의 말단에 삽입하고, 프로브를 기록용의 오실로스코프에 연결함으로써 이루어질 수 있다. 오실로스코프의 전원을 켠 후, 경두개 펄스(transcranial pulse)의 3개 세트가 환자에 인가되고, 뇌실 공간으로부터 측정된 펄스화 전류가 측정될 것이다. 뇌실(ventricle)에 도달하기 위해, 실라스틱 관이 전전두엽(prefrontal cortex)의 절개부를 통해 배치되며, 이 영역에서 기록이 행해진다. 샘플링된 영역에서의 전류 레벨에 대한 기록은, GETs 모델에 의해 예측된 전류 레벨과 비교될 수 있다. 내실 배액용의 실라스틱 관은 자체 비저항과 커패시턴스를 가지고 있으며, 이러한 비저항과 커패시턴스는, 살린으로 채워진 비이커에 실라스틱 관을 배치하고, 환자의 뇌에 배치하거나 모델에 추가하기 전에 실라스틱 관의 비저항과 커패시턴스를 검사함으로써, 판정 및 테스트가 이루어질 수 있다.
생물학적 검정(BIOLOGICAL ASSAY)
두 번째 확인 과정은, 수술적 모니터링 과정의 일부로서 tcMEP를 필요로 하는 선택적 척수 수술을 받는 환자의 운동 피질의 자극을 테스트하기 위한 생물학적 검정이다. 임상 환자의 자극에 대한 효과적인 전류 레벨이 이러한 방식으로 설정될 수 있다. 개인마다 운동 피질의 미세한 상세 위치에 차이가 있기 때문에, 피질에 표시되는 것으로 표적 근육의 위치를 정확하게 결정하는 것이 효과적이다.
운동 피질 국부화(motor cortex localization)는, 뇌기능 MRI(fMRI)에 의해 결정되는 것이 바람직하다. fMRI는, fMRI가 수행되는 동안 운동 피질에서의 근육의 표시에 대한 정확한 위치 정보를 얻기 위해, 환자로 하여금 엄지[단무지외전극 근육(abductor pollicic brevis muscle)]를 움직이도록 해서 수행될 수 있다. 그 결과로서의 이미지화된 위치는, 자극의 모델링을 위한 표적 부위(target location)가 될 수 있다. 환자의 MRI(및/또는 CT)는, 앞서 설명한 바와 같이 분할(segment)된다. 자극을 위한 GETs 모델링을 위해 환자의 데이터를 구한다.
자극 위치 알고리즘(STIMULATION SITE ALGORITHM)
식별된 운동 피질을 표적화(targeting)하기 위한 자극용 전극의 최적의 위치는, 다음과 같은 알고리즘에 의해 선택될 수 있다. 표적 위치(target site)가 식별될 수 있다. 컴퓨터는, 전류 주입 및 추출 위치로서 머리 위의 전극 배치에 대한 통상적인 10-20 시스템의 위치 각각에 대해 표적 부위에서의 전류 밀도를 시스템적으로 선택 및 검사하도록 프로그램될 수 있다. 통상적인 10-20 시스템 위치에 추가로, 눈꺼풀(eye lids), 이도(auditory canals) 및 비로(nasal passages)를 추가하는 것이, 이들이 두개골의 높은 비저항을 우회하기 위한 상대적인 수단을 나타내기 때문에, 바람직하다. 컴퓨터가 한 쌍의 자극(stimulation) 및 추출(extraction) 위치를 전반적으로 식별한 후, 모델은 10-20 시스템의 선택된 위치 주위를 1센티미터씩 증가시켜서 검사함으로써 정밀하게 될 수 있다. 새롭게 최적화된 위치를 선택하는 것이 사용을 위해 바람직하다. 컴퓨터가 표적 위치 평가를 위해 사용할 기준은, 10볼트의 일정한 전류 구형파(square wave) 신호가 모델화될 때에 달성되는 가장 높은 전류인 것이 바람직하다. 선택된 자극 모델은, 또한 잠재적인 스트레이 전류(stray currrent)에 대해 검사되고, 이러한 전류가, 부작용을 생기게 할 수 있는 영역에 영향을 주는 것으로 판단되면, 이를 제거하는 것이 바람직하다(이것은 현재 가능하지 않은 안전 과정이다).
수술 자극(SURGICAL STIMULATION)
GETs 모델링은, 이러한 GETs 모델링을 통한 운동 피질의 경두개 자극을 최적화함으로써, GETs 시술의 효과를 확인하기 위한, 다수의, 예컨대 30명의 척수 수술 환자에 적용될 수 있다. 동일한 30명의 환자에 자극을 주기 위해 필요한 전류는, 10-20 시스템의 표준 위치 C3-C4를 사용해서 비교된다.
tcMEP 기록 조건(RECORDING CONDITIONS)
테스트 동안, 마취 레벨(anesthesia level), 혈압(blood pressure), 신체 온도가 일정하게 유지되는 것이 바람직하다. 관을 삽입하는(intubation) 동안을 제외하고는, 바람직한 시술을 위해 근육 이완제(muscle relaxants)는 사용되지 않는다. 전류 레벨을 낮게 함으로써, 피하 전극(subdermal electrode)을 통해 자극이 제시되도록 한다. 환자는, 수술하는 동안, 통상적인 흡입 마취제(inhalation agents)가 운동 피질(motor cortex)에 가지는 방해 효과(inhibiting effect)를 제거하기 위해, 프로포폴(propofol) 및 나코틱(narcotics)으로 완전 정맥 마취(TIVA: total intravenous anesthesia)를 받을 수 있다. 이러한 시술 과정은, 대체적으로 몇 시간이 걸리며, 안정적인 마취 시술 동안 검사가 행해질 수 있다. 운동 반응(motor response)은, 표적 근육에 배치된 피하 바늘 전극(subdermal needle electrode)으로부터 기록될 수 있으며, Cadwell Cascade의 수술중 모니터링 장치(intraoperative monitoring machine)에 기록될 수 있다. 자극은, 일정한 전류 자극기(current stimulator)를 통해 제시되는 짧은 기간의 구형파 펄스가 될 수 있다. 정확한 기간과 세기는, 모델링에 의해 예측되는 임피던스 특성에 의해 정해질 수 있다.
자극 파라미터(stimulus parameters)는, 고정된(fix) 자극간 기간(inter-stimulus duration)과 일정한 전압을 가진 일련의 6 구형파 100μsec로 그룹간에 동일하게 될 수 있다. 최소 전압 및 위치는, 문헌에서 찾은 통상적인 위치 또는 모델에 의해 정해질 수 있다. 결과 변수(outcome variable)는, 운동 피질의 fMRI로 식별된 위치에서 활성화된 뉴론(neurons)의 수의 반영으로서 응답의 진폭 및 기간이 될 수 있다.
분석(ANALYSIS)
CT/MRI 이미지화에 의해, 모델링의 개선이, MRI 이상의 CT 스캔을 수집하는데 포함되는 추가의 이미지화와 관련된 여분의 환자 시간 및 비용을 정당화시킬만큼 충분한 경우인지를 판정하기 위해, 분석이 수행되는 것이 바람직하다. 이것은, 기술 통계(descriptive statistics)와 T 테스트에 의해 달성될 수 있다. 제2 분석은, 문헌에 언급된 통상적인 10-20 위치와 모델링에 의해 예측된 것들 사이에서 수 술실에서 관찰된 tcMEP 응답에서의 반영으로서, 정확한 자극 위치를 위한 전극 위치를 비교하는 것이다. 이 분석은, 이원분산분석(two-way ANOVA)으로 달성될 수 있다. 검사 대상들 사이에 포함되는 대상의 수에 대한 정확도 β를 결정하는 것이 어려운데, 이는 편차(variance)를 기준으로 삼고자 할 때에 관련 이력(relevant history)이 없기 때문이지만, 전기생리학(electrophysiology)과 수술에서의 경험에 의하면, N이 30이면 충분해야 하는 것으로 제안하고 있는데, 이는 이러한 조건들이 동일한 대상에 대해 검사되어야 하기 때문이다.
위험 이득 분석 및 다른 방법(RISK BENEFIT ANALYSIS AND
ALTERNATE METHODS)
통상적인 방법과 비교해서, 본 발명의 바람직한 실시예에 따른 기술에서는 전기적 전류가 감소되는 효과를 갖는다. 또한, 환자에 대한 위험이 매우 적기 때문에, 이미 수행된 수술이 사용될 수 있다. 2D 모델은, 포함된 전류를 효과적으로 감소시키며, 더욱 실질적이고 연산적으로 시도되는 3D 모델은 사용되는 전류를 더욱 감소시킨다. 이러한 기술은, 환자의 운동 피질을 자극하기 위한 능력을 효과적으로 향상시킨다. 이것은, 위험을 감소시키고, 수술적 모니터링을 위한 tcMEP 시술의 효과를 향상시킨다. 깨어있는 환자에 대해 자극을 허용할 수 있을 정도까지 전류 밀도를 감소시키고, 이 기술을, 깨어있는 환자에게 뇌 자극을 제공하는데에도 사용할 수 있다. 본 발명의 바람직한 실시예와 다른 실시예의 기술을 사용함으로써, 침습 뇌 수술(invasive brain surgery)을 포함하는 다수의 치료 방법을 적은 비용과 위험으로 환자에 사용할 수 있다. 이들 환자에는, 난치의 우울증, 간 질(epilepsy), 및 만성 통증을 가진 환자가 포함될 수 있다.
본 발명의 실시예에 따른 모델링 및 결과적으로 향상된 자극 파라미터는, 수술실 환경에서의 tcMEP 검사를 위해 사용될 수 있다. 경두개 전기 자극은, 불편과 고통이 충분히 적은 경우, 즉 두피에 부여되는 전류 레벨이 본 발명의 바람직한 실시예에 따라 충분히 낮은 경우라면, 깨어있는 환자에도 사용될 수 있다. 자극 레벨을 효과적으로 감소시킴으로써, 자극 레벨을 20mA(일정한 전압) 이하로 낮출 수 있으며, 이에 따라 깨어있는 환자와 만성의 파킨슨병이 있는 환자에 모델링을 적용할 수 있게 된다. GETs 모델링이 갖는 장점 중 하나는, 물리적 모델(physical model)과 달리, 이미지의 품질과 계산 능력을 개선함에 따라 모델을 계속해서 개선할 수 있다는 것이다. 운동 피질에 추가로 뇌의 다른 부위에 대해서는 효과적인 결과를 얻을 수 있으며, 다른 의료적 조건을 처리할 수 있다.
두개골 내부 또는 관통 전극
피부는 저항이 낮은 재질(대략 센티미터당 230 ohm)이며, 두개골은 매우 높은 저항(대략 센티미터당 1600 ohm)을 갖는다. 2개 이상의 전극을 두피에 배치하고, 전기적 에너지가 전극들 사이로 통과되도록 하면, 대부분의 에너지가 피부를 통과하고 비교적 적은 에너지만이 뇌에 도달한다. 따라서, 전기적 전류가 머리에 인가될 때에 종종 느끼는 고통은, 실질적으로 전류가 두피에 있는 통각 수용기(pain receptor)를 통과하는 결과이며, 뇌에 도달하는 자극이 아니다. 이에 의해, 치료를 위한 환자에 부여될 수 있는 전기적 자극의 양이 제한될 수 있다. 이러한 두피를 통한 전기적 에너지의 단락(shunt)은, 두개골 내부 또는 두개골을 통 해 전극을 배치하고, 두피로부터 전극을 분리시킴으로써 크게 감소시킬 수 있다. 이러한 방식에서, 전기적 에너지는 두피로부터 벗어나서 뇌 쪽으로 향할 수 있게 된다.
도 11A-11D는, 뼈 내부(intraosteal) 전극, 경막 내부(interdural) 전극, 절연된 샤프트 경막내부(insulated shaft interdural) 전극, 및 바늘 뼈 내부 전극(needle intraosteal electrode)을 포함해서, 본 발명의 다른 실시예에 따른 전극 구성을 나타낸다. 뇌에는 통각 수용기가 없기 때문에, 적절하게 절연된 뼈 내부 전극 또는 뼈 관통(trans-osteal) 전극은 이들 전극의 자극이 뇌로 향하도록 한다. 뇌 또는 경막에 닿는 뼈 관통 전극은, 또는 전기적 에너지의 많은 부분이 뇌 척수액을 통해 단락되는 것을 방지하며, 전극 바로 아래의 뇌 표면(brain surface)으로부터 멀어지도록 할 수 있는 노출된 부분에 절연용의 외부 커버를 가질 수 있다. 최종적으로, 전극은, 플렉서블하게 및/또는 압축가능하게 해서, 뇌가 두개골에 대해 움직일 때에 하부의 조직에 손상을 주지 못하도록 할 수 있다.
본 발명은 본 명세서에 개시된 실시예에 한정되지 않으며, 청구범위에 개시되어 있으며, 구조적 및 기능적 등가의 범위에 해당하는 된 본 발명의 범위를 벗어남이 없이 변경 및 변형될 수 있다.
본 발명의 바람직한 실시예에 따라 수행될 수 있으며, 본 명세서와 청구범위에 개시된 방법은, 개시된 단계로만 수행되는 것이 아니며, 개시된 순서는 편의를 위해 선택적으로 되어 있으며, 동작을 수행하기 위한 특정의 순서를 가지는 것으로 이해해서는 안 된다.
또한, 본 발명의 배경 및 개요 부분에 추가로, 앞서 인용한 모든 문헌과 이하의 문헌은, 대체 실시예와 구성요소를 개시하는 것으로서, 본 발명의 바람직한 실시예의 상세한 설명에서 원용에 의해 포함된다. 이하의 문헌은 원용에 의해 본 명세서에 포함된다.
Amassian VE. Animal and human motor system neurophysiology related to intraoperative monitoring. In: Deletis V, Shels J, editors.Neurophysiology in Neurosurgery. Amsterdam: Academic Press, 2002:3-23;
Ary JP, Klein SA, Fender DH. Location of sources of evoked scalp potentials: corrections for skull and scalp thicknesses. IEEE Trans Biomed Eng 1981:28; 447-452;
Benar CG, Gotman J. Modeling of post-surgical brain and skull defects in the EEG inverse problem with the boundary element model. Clin Neurophysiol 2002; 113:48-56;
Ben-David, B., Haller G., Taylor P. Anterior spinal fusion complicated by paraplegia. A case report of false-negative somatosensory-evoked potential. Spine 1987, 12:536-9;
Berry MM, Standring SM, Bannister LH. Nervous system. In: Bannister LH, Berry MM, Collins P, Dyson M, Dussek JE, Ferguson MWJ, editors. Gray's anatomy. The anatomical basis of medicine and surgery. New York: Churchill Livingstone, 1995:1191;
Bose B, Sestokas AK, Swartz DM. Neurophysiological monitoring of spinal cord function during instrumented anterior cervical fusion. Spine J 2004; 4:202-207;
Calachie B, Harris W, Brindle, F, Green BA, Landy HJ. Threshold-level repetitive transcranial electrical stimulation for intraoperative monitoring of central motor conduction. J Neurosurg 2001; 95:161-168;
Chappa, KH Transcranial motor evoked potentials. Electromyogr. Clin. Neurophysiol. 1994;m34:15-21;
Cheney PD, Fetz EE, Palmer SS. Patterns of facilitation and suppression of antagonist forelimb muscles from motor cortex sites in the awake monkey. J Neurophysiol 985;53:805-820;
Comsol AB, FEMLAB User's Guide v.3.0. Burlington, MA: Comsol, Inc, 2004;
Deletis V. Intraoperative neurophysiology and methodologies used to monitor the functional integrity of the motor system. In: Deletis V, Shels J, editors. Neurophysiology in Neurosurgery. Amsterdam: Academic Press, 2002: 25-51;
Eroglu, A., Solak, M., Ozem, I., and Aynaci, O. Stress hormones during the wake-up test in scoliosis surgery. J. Clin. Anesthesia 2003, 15: 15-18;
Ferree TC, Eriksen KJ, Tucker DM. Regional head tissue conductivity estimation for improved EEG analysis. IEEE Trans Biomed Eng 2000; 47; 1584-1592;
Geddes LA, Baker LE. The specific resistance of biological material - a compendium of data for the biomedical engineer and physiologist. Med Biol Eng 1967; 271-293;
Ginsburge H.H., Shetter, A. G., Raudzens, P.A., Postoperative paraplegia with preserved intraopertive somatosensory evoked potentials. J. Neurosurg. 1985; 63:296-300;
Goncalves SI, de Munck JC, Verbunt JPA, Bijma F, Heethaar RM, da Silva FH. In vivo measurement of the brain and skull resistivities using an EIT-based method and realistic models for the head. IEEE Trans Biomed Eng 2003; 50:754-767;
Grimnes S. Martinsen O. G. Bioimpedance and Bioelectricity Basics Academic Press, San Diego, 2000;
Haghighi SS, Zhange R. Activation of the external anal and urethral sphincter muscles by repetitive transcranial cortical stimulation during spine surgery. J Clin Monit Comput 2004; 18:1-5;
Haueisen J, Ramon C. Influence of tissue resistivities on neuromagnetic fields and electric potentials studied with a finite element model of the head. IEEE Trans Biomed Eng 1997;44:727-735;
Henderson CJ, Butler SR, Glass A. The localization of the equivalent dipoles of EEG sources by the application of electric field theory. Electroencephalogr Clin Neurophysiol 975;39:117-130;
Kavanagh RN, Darcey TM, Lehmann D, Fender DH. Evaluation of methods for the three-dimensional localization of electrical sources in the human brain. IEEE Trans Biomed Eng 1978; 25:421-429;
Knudsen, V Verification and use of a numerical computer program for simulation in bioimpedance. MSc thesis Dept. of Physics. Univ. Oslo, Norway;
Law SK. Thickness and resistivity variations over the upper surface of the human skull. Brain Topogr 1993;6:99-109;
Lesser, R.P., Raudzens, P., Luders, H., Nuwer, M. R.,, et al. Postoperative neurological deficits may occur despite unchanged intraoperative somatosensory evoked potentials. Ann. Neurol. 1986. 19:22-25;
Liu EH, Wong HK, Chia CP, Lim HJ, Chen ZY, Lee TL. Effects of isoflurane and propofol on cortical somatosensory evoked potentials during comparable depth of anaesthesia as guided by bispectral index. Br J Anaesth (in press);
MacDonald DB, Zayed ZA, Khoudeir I, Stigsby B. Monitoring scoliosis surgery with combined multiple pulse transcranial electric motor and cortical somatosensory-evoked potentials from the lower and upper extremities. Spine 2003; 28:194-203;
Mustain W. D. Kendig, R. I., Dissociation of neurogenic motor and
somatosensory evoked potentials. A case report Spine. 1991;16:851-3;
Nadeem M. Computation of electric and magnetic stimulation in human head using the 3-D impedance method. IEEE Trans Biomed Eng 2003; 50:900-907;
Nowinski WL, Bryan RN, Raghavan R. The electronic brain atlas. Multiplanar navigation of the human brain. New York: Thieme, 1997;
Oostendorp TF, Delbeke J, Stegeman DF. The conductivity of the human skull: results of in vivo and in vitro measurements. IEEE Trans Biomed Eng 2000; 47:1487-92;
Pelosi L, Lamb J, Grevitt M, Mehdian SM, Webb JK, Blumhardt LD. Combined monitoring of motor and somatosensory evoked potentials in orthopaedic spinal surgery. Clin Neurophysiol 2002;113:1082-1091;
Rush S, Driscoll DA. Current distribution in the brain from surface electrodes. Anesth Analgesia 47; 717-723, 1968;
Schneider M. Effect of inhomogeneities on surface signals coming from a cerebral dipole source. IEEE Trans Biomed Eng 1974; 21:52-54;
Ubags LH, Kalkman CJ, Been HD, Drummond JC. The use of a circumferential cathode improves amplitude of intraoperative electrical transcranial myogenic motor evoked responses. Anesth Analg 1996; 82:1011- 1014;
Vauzelle, C., Stagnara, P., Jouvinroux, P. Functional monitoring of spinal cord activity during spinal surgery. Clin. Orthop. 1973; 93:173-8;
Zentner J. Non-invasive motor evoked potential monitoring during neurosurgical operations on the spinal cord. Neurosurg 1989; 24:709-712; and
US published patent applications nos. 2005/0244036, 2004/0215162, 2004/0102828 and 2002/0156372; and
US patents nos. 6,608,628, 6,763,140, 5,750,895, 5,805,267, 6,106,466, 6,236,738, 6,476,804, 6,959,215, 6,330,446, 7,010,351, 6,463,317, 6,322,549, 6,248,080, 6,230,049, 6,006,124, 6,045,532, 6,916,294, 6,937,905, 6,675,048, 6,607,500, 6,560,487, 6,324,433, 6,175,769, 5,964,794, 5,725,377, 5,255,692, 4,611,597, 4,421,115, and 4,306,564.

Claims (80)

  1. 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법으로서,
    (a) 환자의 뇌 또는 다른 신체 조직의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터를 구하는 단계;
    (b) 상기 데이터에 기초해서, 환자의 뇌 또는 다른 신체 조직의 일부 부위에, 여러 개의 비등방성(anisotropic)의 전기적 값을 할당(assign)하는 단계;
    (c) 전극 위치(electrode site)를 선택하는 단계; 및
    (d) 상기 전기적 값의 할당과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전기(electricity)를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)을 산출(calculate)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  2. 제1항에 있어서,
    상기 전기적 값을 할당하는 단계는,
    (i) 환자의 뇌의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (ii) 상기 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계; 및
    (iii) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 벡터 저항값(vector resistance value)을 부여(ascribe)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  3. 제2항에 있어서,
    상기 전기적 입력은, 인가된 전압, 전류, 에너지, 펄스 파형(pulse shape), 펄스 폭(pulse duration), 펄스 높이, 펄스 열(pulse train)의 펄스의 수, 또는 이들의 조합을 포함하며,
    상기 전기(electricity)는 전류를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  4. 제3항에 있어서,
    2개 이상의 뇌 또는 다른 신체 조직에 대응하는 각각의 계조 스케일 데이터(gray scale data) 내의 피크(peak)를 분해(resolve)하는 단계를 더 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  5. 제2항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 암 조직(cancerous tissue), 및 치밀뼈(compact bone)를 포함하는 유기 뇌 물질 중에서 둘 이상을 구분하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  6. 제5항에 있어서,
    상기 구분하는 단계는, 상기 둘 이상의 유기 뇌 물질에 대응하는 각각의 계조 스케일 데이터 내의 피크를 분해(resolve)하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  7. 제2항에 있어서,
    상기 벡터 저항값을 부여(ascribe)하는 단계는, 상기 그리드 요소의 전기적 값에 대한 비등방성을 추정(infer)하는 단계를 더 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  8. 제1항에 있어서,
    상기 전기적 값은, 비저항, 도전율, 커패시턴스, 임피던스, 인가된 에너지 또는 전하, 또는 이들의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  9. 제1항에 있어서,
    상기 전기적 값은 비저항(resistivity)을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  10. 제1항에 있어서,
    상기 데이터는, MRI 또는 CAT 스캔 데이터, 또는 MRI 및 CAT 스캔 데이터의 두 가지 이상의 타입의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  11. 제1항에 있어서,
    상기 데이터는, T1, T2 및 PD MRI 데이터 중 둘 이상의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  12. 제1항에 있어서,
    상기 데이터는 3차원 데이터를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  13. 제1항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골 조직 내에 전극을 배치(dispose)하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  14. 제1항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골을 통해, 경막(dura)의 부근에서 또는 상기 경막에 접촉해서 상기 전극을 배치하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  15. 제1항에 있어서,
    상기 전극 위치를 선택하는 단계는, 상기 전극을 얕은(shallow) 경막경유(transdural) 위치에 배치하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  16. 제1항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골 조직 내부 또는 두개골 조직을 통해, 스크류(screw)를 이용해 설치된 전극을 사용하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  17. 의료적 치료를 위해 전기적 에너지를 경두개(transcranial) 또는 내두개(intracranial)에 최적으로 제공하는 것을 결정하는 방법으로서,
    (a) 환자의 뇌의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터의 둘 이상의 타입의 조합을 구하는 단계;
    (b) 상기 데이터에 기초해서, 환자의 뇌의 일부 부위에, 여러 개의 전기적 값을 할당(assign)하는 단계;
    (c) 적어도 부분적으로 두개골을 통해 하나 이상의 전극을 배치하는 과정을 포함하는, 전극 위치(electrode site)을 선택하는 단계; 및
    (d) 상기 전기적 값의 할당과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개 또는 내두개에 전기(electricity)를 최적으로 부여하기 위한 하나 이상의 전기적 입력(electrical input)을 산출(calculate)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  18. 제17항에 있어서,
    상기 전기적 값을 할당하는 단계는,
    (i) 환자의 뇌의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌의 상기 일부 부위에 대한 하나 이상의 비등방성의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (ii) 상기 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계; 및
    (iii) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 벡터 전기 값(vector electrical value)을 부여(ascribe)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  19. 제17항에 있어서,
    상기 전기적 입력은, 인가된 전압, 전류, 에너지, 펄스 파형(pulse shape), 펄스 폭(pulse duration), 펄스 높이, 펄스 열(pulse train)의 펄스의 수, 또는 이들의 조합을 포함하며,
    상기 전기(electricity)는 전류를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  20. 제17항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 암 조직(cancerous tissue), 및 치밀뼈(compact bone)를 포함하는 유기 뇌 물질 중에서 둘 이상을 구분하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  21. 제17항에 있어서,
    상기 데이터는, T1, T2, DT 및 PD MRI 데이터 중 둘 이상의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  22. 제17항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골을 통해, 경막(dura)의 부근에서 또는 상기 경막에 접촉해서 하나 이상의 상기 전극을 배치하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  23. 제17항에 있어서,
    상기 전극 위치를 선택하는 단계는, 상기 하나 이상의 전극을 얕은(shallow) 경막경유(transdural) 위치에 배치하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  24. 제17항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골 조직 내부 또는 두개골 조직을 통해, 스크류(screw)를 이용해 설치된 전극을 사용하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  25. 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법으로서,
    (a) 환자의 뇌 또는 다른 신체 조직의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터를 구하는 단계;
    (b) 환자의 뇌 또는 다른 신체 조직의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌 또는 다른 신체 조직의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (c) 상기 환자의 뇌 또는 다른 신체 조직에 대한 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계;
    (d) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 전기적 값을 부여(ascribe)하는 단계;
    (e) 전극 위치(electrode site)를 선택하는 단계; 및
    (f) 상기 전기적 값의 부여와 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)을 산출(calculate)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  26. 제25항에 있어서,
    상기 전기적 값은 벡터 저항값을 포함하며, 상기 전기적 특징은 비등방성을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  27. 제25항에 있어서,
    상기 전기적 입력은, 인가된 전압, 전류, 에너지, 펄스 파형(pulse shape), 펄스 폭(pulse duration), 펄스 높이, 펄스 열(pulse train)의 펄스의 수, 또는 이들의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  28. 제25항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone)를 포함하는 유기 뇌 물질 중에서 둘 이상을 구분하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  29. 제25항에 있어서,
    상기 전기적 값을 부여(ascribe)하는 단계는, 상기 그리드 요소의 저항값에 대한 비등방성을 추정(infer)하는 단계를 더 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  30. 제25항에 있어서,
    상기 데이터는, MRI 또는 CAT 스캔 데이터, 또는 MRI 및 CAT 스캔 데이터의 두 가지 이상의 타입의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  31. 제25항에 있어서,
    상기 데이터는, T1, T2, DT 및 PD MRI 데이터 중 둘 이상의 조합을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  32. 제25항에 있어서,
    상기 데이터는 3차원 데이터를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  33. 환자의 뇌 또는 다른 신체 조직에 대한 MRI나 CAT 스캔 데이터 또는 이들 모두의 데이터에 기초해서 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법으로서,
    상기 데이터에 기초해서, 상기 환자의 뇌 또는 다른 신체 조직의 일부 부위에 상이한 비등방성의 전기적 값이 할당되어 있으며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 전극 위치를 선택하는 단계; 및
    (b) 상기 할당된 비등방성의 전기적 값과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)을 산 출(calculate)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  34. 제33항에 있어서,
    상기 비등방성의 값은,
    (i) 환자의 뇌의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (ii) 상기 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계; 및
    (iii) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 벡터 저항값(vector resistance value)을 부여(ascribe)하는 단계
    에 기초해서 할당되는, 전기적 에너지의 제공을 결정하는 방법.
  35. 제34항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  36. 제35항에 있어서,
    2개 이상의 뇌 또는 다른 신체 조직에 대응하는 각각의 계조 스케일 데이터(gray scale data) 내의 피크(peak)를 분해(resolve)하는 단계를 더 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  37. 환자의 뇌 또는 다른 신체 조직에 대해 취득한 MRI나 CAT 스캔 데이터 또는 이들 모두의 데이터에 기초해서 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법으로서,
    환자의 뇌 또는 다른 신체 조직에 대한 유한 요소 모델을 구현하고, 환자의 뇌 또는 다른 신체 조직의 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와 환자의 뇌 또는 다른 신체 조직의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의해서, 환자의 뇌 또는 다른 신체 조직을 분할하며, 환자의 뇌에 대해 그리드 요소로 된 메쉬를 정의해서 유한 요소 모델을 구현하고, 상기 분할에 기초해서 상기 그리드 요소의 각각에 전기적 값을 부여함으로써, 정의된 메쉬의 그리드 요소에 전기적 값이 부여되며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 전극 위치를 선택하는 단계; 및
    (b) 상기 부여된 전기적 값과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 값(applied electrical value)을 산출(calculate)하는 단계
    를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  38. 제37항에 있어서,
    상기 전기적 값은 벡터 저항값을 포함하며, 상기 전기적 특징은 비등방성을 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  39. 제37항에 있어서,
    상기 분할하는 단계는, 안액과 뇌 척수액을 구분하거나, 뇌 척수액, 백색질, 혈액, 피부, 회색질, 연조직, 해면뼈, 안액, 암 조직, 염증 조직, 허혈 조직, 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  40. 제37항에 있어서,
    상기 전기적 값의 부여는, 상기 그리드 요소의 저항값에 대한 비등방성을 추정(infer)하는 단계를 더 포함하는, 전기적 에너지의 제공을 결정하는 방법.
  41. 프로세서로 판독가능한 코드가 내장된, 프로세서로 판독가능한 하나 이상의 기억 장치로서,
    상기 프로세서로 판독가능한 코드는, 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법을 수행하기 위해 하나 이상의 프로세서를 프로그래밍하기 위한 것이며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 환자의 뇌 또는 다른 신체 조직의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터를 구하는 단계;
    (b) 상기 데이터에 기초해서, 환자의 뇌 또는 다른 신체 조직의 일부 부위에, 여러 개의 비등방성(anisotropic)의 전기적 값을 할당(assign)하는 단계;
    (c) 전극 위치(electrode site)을 선택하는 단계; 및
    (d) 상기 전기적 값의 할당과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전기(electricity)를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)을 산출(calculate)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  42. 제41항에 있어서,
    상기 전기적 값을 할당하는 단계는,
    (i) 환자의 뇌의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (ii) 상기 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계; 및
    (iii) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 벡터 전기 값(vector electrical value)을 부여(ascribe)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  43. 제42항에 있어서,
    상기 전기적 입력은, 인가된 전압, 전류, 에너지, 펄스 파형, 펄스 폭, 펄스 높이, 펄스 열의 펄스의 수, 또는 이들의 조합을 포함하며,
    상기 전기(electricity)는 전류를 포함하는, 하나 이상의 기억 장치.
  44. 제43항에 있어서,
    상기 구분하는 단계는, 2개 이상의 뇌 또는 다른 신체 조직에 대응하는 각각의 계조 스케일 데이터(gray scale data) 내의 피크(peak)를 분해(resolve)하는 단계를 포함하는, 하나 이상의 기억 장치.
  45. 제43항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 하나 이상의 기억 장치.
  46. 제45항에 있어서,
    상기 구분하는 단계는, 상기 둘 이상의 뇌 또는 다른 신체 조직에 대응하는 각각의 계조 스케일 데이터 내의 피크를 분해(resolve)하는 단계를 포함하는, 하나 이상의 기억 장치.
  47. 제42항에 있어서,
    상기 부여(ascribe)하는 단계는, 상기 그리드 요소의 저항값에 대한 비등방성을 추정(infer)하는 단계를 더 포함하는, 하나 이상의 기억 장치.
  48. 제41항에 있어서,
    상기 전기적 값은, 도전율, 비저항, 커패시턴스, 임피던스, 인가된 에너지, 파워, 전하(charge), 또는 이들의 조합을 포함하는, 하나 이상의 기억 장치.
  49. 제41항에 있어서,
    상기 전기적 값은 비저항(resistivity)을 포함하는, 하나 이상의 기억 장치.
  50. 제41항에 있어서,
    상기 데이터는, MRI 또는 CAT 스캔 데이터, 또는 MRI 및 CAT 스캔 데이터의 두 가지 이상의 타입의 조합을 포함하는, 하나 이상의 기억 장치.
  51. 제41항에 있어서,
    상기 데이터는, T1, T2, DT 및 PD MRI 데이터 중 둘 이상의 조합을 포함하는, 하나 이상의 기억 장치.
  52. 제41항에 있어서,
    상기 데이터는 3차원 데이터를 포함하는, 하나 이상의 기억 장치.
  53. 제41항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골 조직 내에 전극을 배치(dispose)하는 단계를 포함하는, 하나 이상의 기억 장치.
  54. 제41항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골을 통해, 경막(dura)의 부근에서 또는 상기 경막에 접촉해서 상기 전극을 배치하는 단계를 포함하는, 하나 이상의 기억 장치.
  55. 제41항에 있어서,
    상기 전극 위치를 선택하는 단계는, 상기 전극을 얕은(shallow) 경막경유(transdural) 위치에 배치하는 단계를 포함하는, 하나 이상의 기억 장치.
  56. 제41항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골 조직 내부 또는 두개골 조직을 통해, 스크류(screw)를 이용해 설치된 전극을 사용하는 단계를 포함하는, 하나 이상의 기억 장치.
  57. 프로세서로 판독가능한 코드가 내장된, 프로세서로 판독가능한 하나 이상의 기억 장치로서,
    상기 프로세서로 판독가능한 코드는, 의료적 치료를 위해 전기적 에너지를 경두개(transcranial) 또는 내두개(intracranial)에 최적으로 제공하는 것을 결정하는 방법을 수행하기 위해 하나 이상의 프로세서를 프로그래밍하기 위한 것이며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 환자의 뇌에 대한 3차원의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터의 둘 이상의 타입의 조합을 구하는 단계;
    (b) 상기 데이터에 기초해서, 환자의 뇌의 일부 부위에, 여러 개의 전기적 값을 할당(assign)하는 단계;
    (c) 적어도 부분적으로 두개골을 통해 하나 이상의 전극을 배치하는 과정을 포함하는, 전극 위치(electrode site)을 선택하는 단계; 및
    (d) 상기 전기적 값의 할당과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개 또는 내두개에 전류를 최적으로 부여하기 위한 하나 이상의 전기적 입력(electrical input)을 산출(calculate)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  58. 제57항에 있어서,
    상기 전기적 값을 할당하는 단계는,
    (i) 환자의 뇌의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌의 상기 일부 부위에 대한 하나 이상의 비등방성의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (ii) 상기 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계; 및
    (iii) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 벡터 전기 값(vector electrical value)을 부여(ascribe)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  59. 제57항에 있어서,
    상기 전기적 입력은, 인가된 전압, 전류, 에너지, 펄스 파형(pulse shape), 펄스 폭(pulse duration), 펄스 높이, 펄스 열(pulse train)의 펄스의 수, 또는 이들의 조합을 포함하는, 하나 이상의 기억 장치.
  60. 제57항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 하나 이상의 기억 장치.
  61. 제57항에 있어서,
    상기 데이터는, T1, T2, DT 및 PD MRI 데이터 중 둘 이상의 조합을 포함하는, 하나 이상의 기억 장치.
  62. 제57항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골을 통해, 경막(dura)의 부근에서 또는 상기 경막에 접촉해서 하나 이상의 상기 전극을 배치하는 단계를 포함하는, 하나 이상의 기억 장치.
  63. 제57항에 있어서,
    상기 전극 위치를 선택하는 단계는, 상기 하나 이상의 전극을 얕은(shallow) 경막경유(transdural) 위치에 배치하는 단계를 포함하는, 하나 이상의 기억 장치.
  64. 제57항에 있어서,
    상기 전극 위치를 선택하는 단계는, 두개골 조직 내부 또는 두개골 조직을 통해, 스크류(screw)를 이용해 설치된 전극을 사용하는 단계를 포함하는, 하나 이상의 기억 장치.
  65. 프로세서로 판독가능한 코드가 내장된, 프로세서로 판독가능한 하나 이상의 기억 장치로서,
    상기 프로세서로 판독가능한 코드는, 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법을 수행하기 위해 하나 이상의 프로세서를 프로그래밍하기 위한 것이며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 환자의 뇌 또는 다른 신체 조직의 MRI 스캔 데이터나 CAT 스캔 데이터, 또는 이들 모두의 데이터를 구하는 단계;
    (b) 환자의 뇌 또는 다른 신체 조직의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌 또는 다른 신체 조직의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌 또는 다른 신체 조직을 분할(segment)하는 단계;
    (c) 상기 환자의 뇌 또는 다른 신체 조직에 대한 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계;
    (d) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 전기적 값을 부여(ascribe)하는 단계;
    (e) 전극 위치(electrode site)을 선택하는 단계; 및
    (f) 상기 전기적 값의 부여와 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)을 산출(calculate)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  66. 제65항에 있어서,
    상기 전기적 값은 벡터 저항값을 포함하며, 상기 전기적 특징은 비등방성을 포함하는, 하나 이상의 기억 장치.
  67. 제65항에 있어서,
    상기 전기적 입력은, 인가된 전압, 전류, 에너지, 펄스 파형(pulse shape), 펄스 폭(pulse duration), 펄스 높이, 펄스 열(pulse train)의 펄스의 수, 또는 이들의 조합을 포함하는, 하나 이상의 기억 장치.
  68. 제65항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 하나 이상의 기억 장치.
  69. 제65항에 있어서,
    상기 전기적 값을 부여(ascribe)하는 단계는, 상기 그리드 요소의 저항값에 대한 비등방성을 추정(infer)하는 단계를 더 포함하는, 하나 이상의 기억 장치.
  70. 제65항에 있어서,
    상기 데이터는, MRI 또는 CAT 스캔 데이터, 또는 MRI 및 CAT 스캔 데이터의 두 가지 이상의 타입의 조합을 포함하는, 하나 이상의 기억 장치.
  71. 제65항에 있어서,
    상기 데이터는, T1, T2, DT 및 PD MRI 데이터 중 둘 이상의 조합을 포함하는, 하나 이상의 기억 장치.
  72. 제65항에 있어서,
    상기 데이터는 3차원 데이터를 포함하는, 하나 이상의 기억 장치.
  73. 프로세서로 판독가능한 코드가 내장된, 프로세서로 판독가능한 하나 이상의 기억 장치로서,
    상기 프로세서로 판독가능한 코드는, 환자의 뇌 또는 다른 신체 조직에 대한 MRI나 CAT 스캔 데이터 또는 이들 모두의 데이터에 기초해서, 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법을 수행하기 위해 하나 이상의 프로세서를 프로그래밍하기 위한 것이며, 상기 데이터에 기초해서, 상기 환자의 뇌 또는 다른 신체 조직의 일부 부위에 상이한 비등방성의 전기적 값이 할당되어 있으며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 전극 위치를 선택하는 단계; 및
    (b) 상기 할당된 비등방성의 전기적 값과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전류를 최적으로 제공 하기 위한 하나 이상의 인가된 전기적 입력(applied electrical input)을 산출(calculate)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  74. 제73항에 있어서,
    상기 비등방성의 값은,
    (i) 환자의 뇌의 상기 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와, 환자의 뇌의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의함으로써, 환자의 뇌를 분할(segment)하는 단계;
    (ii) 상기 환자의 뇌에 대해 그리드 요소(grid element)로 이루어진 메쉬(mesh)를 정의함으로써 유한 요소 모델(finite element model)을 구현하는 단계; 및
    (iii) 상기 분할하는 단계에서의 분할에 기초해서, 상기 그리드 요소의 각각에 벡터 전기 값(vector electrical value)을 부여(ascribe)하는 단계
    에 기초해서 할당되는, 하나 이상의 기억 장치.
  75. 제74항에 있어서,
    상기 환자의 뇌를 분할하는 단계는, 뇌 척수액(cerebral spinal fluid), 백색질(white matter), 혈액(blood), 피부(skin), 회색질(gray matter), 연조직(soft tissue), 해면뼈(cancellous bone), 안액(eye fluid), 암 조직(cancerous tissue), 염증 조직(inflammatory tissue), 허혈 조직(ischemic tissue), 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 하나 이상의 기억 장치.
  76. 제75항에 있어서,
    상기 구분하는 단계는, 2개 이상의 뇌 또는 다른 신체 조직에 대응하는 각각의 계조 스케일 데이터(gray scale data) 내의 피크(peak)를 분해(resolve)하는 단계를 더 포함하는, 하나 이상의 기억 장치.
  77. 프로세서로 판독가능한 코드가 내장된, 프로세서로 판독가능한 하나 이상의 기억 장치로서,
    상기 프로세서로 판독가능한 코드는, 환자의 뇌 또는 다른 신체 조직에 대해 취득한 MRI나 CAT 스캔 데이터 또는 이들 모두의 데이터에 기초해서, 의료적 치료를 위해 전기적 에너지를 경두개(transcranial), 내두개(intracranial), 또는 다른 트랜스 조직(trans-tissue)에 최적으로 제공하는 것을 결정하는 방법을 수행하기 위해 하나 이상의 프로세서를 프로그래밍하기 위한 것이며,
    환자의 뇌 또는 다른 신체 조직에 대한 유한 요소 모델을 구현하고, 환자의 뇌 또는 다른 신체 조직의 일부 부위들 사이의 조직 구획 경계(tissue compartment boundary)와 환자의 뇌 또는 다른 신체 조직의 상기 일부 부위에 대한 하나 이상의 전기적 특징을 정의해서, 환자의 뇌 또는 다른 신체 조직을 분할하며, 환자의 뇌에 대해 그리드 요소로 된 메쉬를 정의해서 유한 요소 모델을 구현하고, 상기 분할에 기초해서 상기 그리드 요소의 각각에 전기적 값을 부여함으로써, 정의된 메쉬의 그리드 요소에 전기적 값이 부여되며,
    상기 전기적 에너지의 제공을 결정하는 방법은,
    (a) 전극 위치를 선택하는 단계; 및
    (b) 상기 부여된 전기적 값과 상기 전극 위치의 선택에 기초해서, 치료를 위해 경두개, 내두개, 또는 다른 트랜스 조직에 전류를 최적으로 제공하기 위한 하나 이상의 인가된 전기적 값(applied electrical value)을 산출(calculate)하는 단계
    를 포함하는, 하나 이상의 기억 장치.
  78. 제77항에 있어서,
    상기 전기적 값은 벡터 저항값을 포함하며, 상기 전기적 특징은 비등방성을 포함하는, 하나 이상의 기억 장치.
  79. 제77항에 있어서,
    상기 분할하는 단계는, 뇌 척수액, 백색질, 혈액, 피부, 회색질, 연조직, 해면뼈, 안액, 암 조직, 염증 조직, 허혈 조직, 및 치밀뼈(compact bone) 중에서 둘 이상을 구분하는 단계를 포함하는, 하나 이상의 기억 장치.
  80. 제77항에 있어서,
    상기 전기적 값을 부여하는 단계는, 상기 그리드 요소의 저항값에 대한 비등 방성을 추정(infer)하는 단계를 더 포함하는, 하나 이상의 기억 장치.
KR1020087001230A 2005-06-16 2006-06-16 경두개 전기 자극 유도 기술 KR20080065577A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US69106805P 2005-06-16 2005-06-16
US60/691,068 2005-06-16

Publications (1)

Publication Number Publication Date
KR20080065577A true KR20080065577A (ko) 2008-07-14

Family

ID=37571283

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020087001230A KR20080065577A (ko) 2005-06-16 2006-06-16 경두개 전기 자극 유도 기술

Country Status (7)

Country Link
US (1) US20070043268A1 (ko)
EP (1) EP1894090A2 (ko)
KR (1) KR20080065577A (ko)
CN (1) CN101578119A (ko)
AU (1) AU2006261150A1 (ko)
CA (1) CA2612254A1 (ko)
WO (1) WO2006138702A2 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2447909C2 (ru) * 2010-07-28 2012-04-20 Федеральное государственное учреждение Томский научно-исследовательский институт курортологии и физиотерапии Федерального медико-биологического агентства России (ФГУ ТНИИКиФ ФМБА России) Способ лечения больных гипертонической болезнью в сочетании с хроническим психо-эмоциональным напряжением
KR101538916B1 (ko) * 2014-09-26 2015-07-24 (주)와이브레인 Eeg 데이터를 이용하여 사용자 특성의 변화를 예측하는 방법
WO2019050225A1 (ko) * 2017-09-11 2019-03-14 뉴로핏 주식회사 Tms 자극 내비게이션 방법 및 프로그램

Families Citing this family (101)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8209027B2 (en) 2004-07-07 2012-06-26 The Cleveland Clinic Foundation System and method to design structure for delivering electrical energy to tissue
US7346382B2 (en) 2004-07-07 2008-03-18 The Cleveland Clinic Foundation Brain stimulation models, systems, devices, and methods
US20060276870A1 (en) * 2005-06-03 2006-12-07 Mcginnis William J Osseus stimulating electrodes
US20160055304A1 (en) * 2005-06-16 2016-02-25 Aaken Laboratories Targeted electrical stimulation
US9307925B2 (en) 2005-06-16 2016-04-12 Aaken Laboratories Methods and systems for generating electrical property maps of biological structures
US9913976B2 (en) * 2006-06-19 2018-03-13 Highland Instruments, Inc. Systems and methods for stimulating and monitoring biological tissue
US9694178B2 (en) * 2013-10-21 2017-07-04 Neuroelectronics Barcelona S.L. Method and a system for optimizing the configuration of multisite transcranial current stimulation and a computer-readable medium
KR101485815B1 (ko) * 2007-07-04 2015-01-23 고쿠리츠다이가쿠호진 히로시마다이가쿠 경두개 전기 자극 장치
US9179850B2 (en) 2007-10-30 2015-11-10 Neuropace, Inc. Systems, methods and devices for a skull/brain interface
US20090112278A1 (en) 2007-10-30 2009-04-30 Neuropace, Inc. Systems, Methods and Devices for a Skull/Brain Interface
US9220889B2 (en) 2008-02-11 2015-12-29 Intelect Medical, Inc. Directional electrode devices with locating features
US8019440B2 (en) 2008-02-12 2011-09-13 Intelect Medical, Inc. Directional lead assembly
US9272153B2 (en) 2008-05-15 2016-03-01 Boston Scientific Neuromodulation Corporation VOA generation system and method using a fiber specific analysis
EP2321002B1 (en) 2008-05-15 2014-04-23 Intelect Medical Inc. Clinician programmer system and method for calculating volumes of activation
US20090306532A1 (en) * 2008-06-06 2009-12-10 Tucker Don M Method for locating tracts of electrical brain activity
EP3173125B1 (en) 2008-07-30 2019-03-27 Ecole Polytechnique Fédérale de Lausanne Apparatus for optimized stimulation of a neurological target
EP3563902B1 (en) 2008-11-12 2021-07-14 Ecole Polytechnique Fédérale de Lausanne Microfabricated neurostimulation device
US20160228702A1 (en) * 2009-04-13 2016-08-11 Research Foundation Of The City University Of New York Neurocranial Electrostimulation Models, Systems, Devices and Methods
EP2419171B1 (en) 2009-04-13 2017-11-01 Research Foundation Of The City University Of New York Neurocranial electrostimulation models
DE102009027448A1 (de) * 2009-07-03 2011-01-05 Forschungszentrum Jülich GmbH Wissensbasierte Segmentierung schwächungsrelevanter Regionen des Kopfes
EP2470258B1 (en) 2009-08-27 2017-03-15 The Cleveland Clinic Foundation System and method to estimate region of tissue activation
EP2506920B1 (en) 2009-12-01 2016-07-13 Ecole Polytechnique Fédérale de Lausanne Microfabricated surface neurostimulation device and method of making the same
WO2011101039A1 (en) 2010-02-22 2011-08-25 Universite Pierre Et Marie Curie (Paris 6) Apparatus for the treatment of brain affections and method implementing thereof
US9549708B2 (en) 2010-04-01 2017-01-24 Ecole Polytechnique Federale De Lausanne Device for interacting with neurological tissue and methods of making and using the same
WO2011159688A2 (en) 2010-06-14 2011-12-22 Boston Scientific Neuromodulation Corporation Programming interface for spinal cord neuromodulation
EP2691898A2 (en) 2011-03-29 2014-02-05 Boston Scientific Neuromodulation Corporation System and method for atlas registration
US9592389B2 (en) 2011-05-27 2017-03-14 Boston Scientific Neuromodulation Corporation Visualization of relevant stimulation leadwire electrodes relative to selected stimulation information
DK2736468T3 (en) 2011-07-27 2016-08-01 Université Pierre Et Marie Curie (Paris 6) Device for treatment of the sensory capabilities of a person
WO2013023076A2 (en) 2011-08-09 2013-02-14 Boston Scientific Neuromodulation Corporation Control and/or quantification of target stimulation volume overlap and interface therefor
WO2013023077A1 (en) 2011-08-09 2013-02-14 Boston Scientific Neuromodulation Corporation Voa generation system and method using a fiber specific analysis
CA2844072A1 (en) 2011-08-09 2013-02-14 Boston Scientific Neuromodulation Corporation System and method for weighted atlas generation
CA2844075A1 (en) 2011-08-09 2013-02-14 Boston Scientific Neuromodulation Corporation Systems and methods for stimulation-related volume analysis, creation, and sharing
US9037256B2 (en) 2011-09-01 2015-05-19 Boston Scientific Neuromodulation Corporation Methods and system for targeted brain stimulation using electrical parameter maps
US9081488B2 (en) 2011-10-19 2015-07-14 Boston Scientific Neuromodulation Corporation Stimulation leadwire and volume of activation control and display interface
EP2863986A4 (en) * 2012-06-22 2016-01-20 Thync Inc DEVICE AND METHODS FOR NON-EFFRACTIVE NEUROMODULATION USING TARGETED SKIN ELECTRICAL STIMULATION
EP2879757B1 (en) 2012-08-04 2019-06-26 Boston Scientific Neuromodulation Corporation Systems and methods for storing and transferring registration, atlas, and lead information between medical devices
WO2014036079A2 (en) 2012-08-28 2014-03-06 Boston Scientific Neuromodulation Corporation Parameter visualization, selection, and annotation interface
US9792412B2 (en) 2012-11-01 2017-10-17 Boston Scientific Neuromodulation Corporation Systems and methods for VOA model generation and use
CN103830841B (zh) 2012-11-26 2018-04-06 赛威医疗公司 可穿戴的经皮肤的电刺激设备及其使用方法
US10537703B2 (en) 2012-11-26 2020-01-21 Thync Global, Inc. Systems and methods for transdermal electrical stimulation to improve sleep
US10814131B2 (en) 2012-11-26 2020-10-27 Thync Global, Inc. Apparatuses and methods for neuromodulation
US11033731B2 (en) 2015-05-29 2021-06-15 Thync Global, Inc. Methods and apparatuses for transdermal electrical stimulation
US9440070B2 (en) 2012-11-26 2016-09-13 Thyne Global, Inc. Wearable transdermal electrical stimulation devices and methods of using them
US9474903B2 (en) 2013-03-15 2016-10-25 Boston Scientific Neuromodulation Corporation Clinical response data mapping
CN105934261B (zh) 2013-06-29 2019-03-08 赛威医疗公司 用于改变或诱导认知状态的经皮电刺激设备和方法
US10293161B2 (en) 2013-06-29 2019-05-21 Thync Global, Inc. Apparatuses and methods for transdermal electrical stimulation of nerves to modify or induce a cognitive state
US10327663B2 (en) * 2013-08-31 2019-06-25 Alpha Omega Neuro Technologies Ltd. Evoked response probe and method of use
EP3065818B1 (en) * 2013-11-04 2020-05-27 Phoenix NeuroStim Therapeutics, LLC Device for the treatment of central nervous system conditions using sensory stimulus
AU2014348865B2 (en) 2013-11-14 2017-06-01 Boston Scientific Neuromodulation Corporation Systems, methods, and visualization tools for stimulation and sensing of neural systems with system-level interaction models
EP3110497A4 (en) 2014-02-27 2018-12-05 Cerevast Medical Inc. Methods and apparatuses for user control of neurostimulation
US11311718B2 (en) 2014-05-16 2022-04-26 Aleva Neurotherapeutics Sa Device for interacting with neurological tissue and methods of making and using the same
US10966620B2 (en) 2014-05-16 2021-04-06 Aleva Neurotherapeutics Sa Device for interacting with neurological tissue and methods of making and using the same
US9393430B2 (en) 2014-05-17 2016-07-19 Thync Global, Inc. Methods and apparatuses for control of a wearable transdermal neurostimulator to apply ensemble waveforms
US9333334B2 (en) 2014-05-25 2016-05-10 Thync, Inc. Methods for attaching and wearing a neurostimulator
EP3148632B1 (en) 2014-05-25 2020-06-17 Cerevast Medical Inc. Wearable transdermal neurostimulators
US9959388B2 (en) 2014-07-24 2018-05-01 Boston Scientific Neuromodulation Corporation Systems, devices, and methods for providing electrical stimulation therapy feedback
US10265528B2 (en) 2014-07-30 2019-04-23 Boston Scientific Neuromodulation Corporation Systems and methods for electrical stimulation-related patient population volume analysis and use
US10272247B2 (en) 2014-07-30 2019-04-30 Boston Scientific Neuromodulation Corporation Systems and methods for stimulation-related volume analysis, creation, and sharing with integrated surgical planning and stimulation programming
US9474894B2 (en) 2014-08-27 2016-10-25 Aleva Neurotherapeutics Deep brain stimulation lead
US9403011B2 (en) 2014-08-27 2016-08-02 Aleva Neurotherapeutics Leadless neurostimulator
US9974959B2 (en) 2014-10-07 2018-05-22 Boston Scientific Neuromodulation Corporation Systems, devices, and methods for electrical stimulation using feedback to adjust stimulation parameters
CN107864633A (zh) 2014-12-19 2018-03-30 皮埃尔与玛丽·居里-巴黎第六大学 用于脑治疗的可植入的超声发生治疗装置、包括此装置的设备以及实施此装置的方法
US11534608B2 (en) 2015-01-04 2022-12-27 Ist, Llc Methods and apparatuses for transdermal stimulation of the outer ear
US10426945B2 (en) 2015-01-04 2019-10-01 Thync Global, Inc. Methods and apparatuses for transdermal stimulation of the outer ear
WO2016179240A1 (en) 2015-05-04 2016-11-10 Phoenix Medical Technologies Modulation of brainwave activity using non-invasive stimulation of sensory pathways
WO2016191436A1 (en) 2015-05-26 2016-12-01 Boston Scientific Neuromodulation Corporation Systems and methods for analyzing electrical stimulation and selecting or manipulating volumes of activation
US10780283B2 (en) 2015-05-26 2020-09-22 Boston Scientific Neuromodulation Corporation Systems and methods for analyzing electrical stimulation and selecting or manipulating volumes of activation
WO2016196635A2 (en) 2015-06-01 2016-12-08 Cerevast Medical Inc. Apparatuses and methods for neuromodulation
WO2017003946A1 (en) 2015-06-29 2017-01-05 Boston Scientific Neuromodulation Corporation Systems and methods for selecting stimulation parameters based on stimulation target region, effects, or side effects
US10441800B2 (en) 2015-06-29 2019-10-15 Boston Scientific Neuromodulation Corporation Systems and methods for selecting stimulation parameters by targeting and steering
EP3359252B1 (en) 2015-10-09 2020-09-09 Boston Scientific Neuromodulation Corporation System and methods for clinical effects mapping for directional stimulations leads
US10561848B2 (en) 2015-10-13 2020-02-18 Regents Of The University Of Minnesota Systems and methods for programming and operating deep brain stimulation arrays
US10188851B2 (en) * 2015-10-28 2019-01-29 Novocure Limited TTField treatment with optimization of electrode positions on the head based on MRI-based conductivity measurements
WO2017106411A1 (en) 2015-12-15 2017-06-22 Cerevast Medical, Inc. Electrodes having surface exclusions
US9956405B2 (en) 2015-12-18 2018-05-01 Thyne Global, Inc. Transdermal electrical stimulation at the neck to induce neuromodulation
WO2017106878A1 (en) 2015-12-18 2017-06-22 Thync Global, Inc. Apparatuses and methods for transdermal electrical stimulation of nerves to modify or induce a cognitive state
WO2017134587A1 (en) 2016-02-02 2017-08-10 Aleva Neurotherapeutics, Sa Treatment of autoimmune diseases with deep brain stimulation
WO2017153798A1 (en) 2016-03-11 2017-09-14 Université Pierre Et Marie Curie (Paris 6) Implantable ultrasound generating treating device for spinal cord and/or spinal nerve treatment, apparatus comprising such device and method
WO2017153799A1 (en) 2016-03-11 2017-09-14 Universite Pierre Et Marie Curie (Paris 6) External ultrasound generating treating device for spinal cord and spinal nerves treatment, apparatus comprising such device and method implementing such device
US10716942B2 (en) 2016-04-25 2020-07-21 Boston Scientific Neuromodulation Corporation System and methods for directional steering of electrical stimulation
US10646708B2 (en) 2016-05-20 2020-05-12 Thync Global, Inc. Transdermal electrical stimulation at the neck
AU2017281934B2 (en) 2016-06-24 2019-11-14 Boston Scientific Neuromodulation Corporation Systems and methods for visual analytics of clinical effects
WO2018044881A1 (en) 2016-09-02 2018-03-08 Boston Scientific Neuromodulation Corporation Systems and methods for visualizing and directing stimulation of neural elements
US10780282B2 (en) 2016-09-20 2020-09-22 Boston Scientific Neuromodulation Corporation Systems and methods for steering electrical stimulation of patient tissue and determining stimulation parameters
WO2018071865A1 (en) 2016-10-14 2018-04-19 Boston Scientific Neuromodulation Corporation Systems and methods for closed-loop determination of stimulation parameter settings for an electrical simulation system
US10426949B2 (en) 2016-10-26 2019-10-01 Regents Of The University Of Minnesota Systems and methods for optimizing programming and use of neuromodulation systems
CN110167629B (zh) 2017-01-03 2023-07-18 波士顿科学神经调制公司 用于选择兼容mri的刺激参数的系统和方法
US10589104B2 (en) 2017-01-10 2020-03-17 Boston Scientific Neuromodulation Corporation Systems and methods for creating stimulation programs based on user-defined areas or volumes
US10625082B2 (en) 2017-03-15 2020-04-21 Boston Scientific Neuromodulation Corporation Visualization of deep brain stimulation efficacy
US11357986B2 (en) 2017-04-03 2022-06-14 Boston Scientific Neuromodulation Corporation Systems and methods for estimating a volume of activation using a compressed database of threshold values
JP6932835B2 (ja) 2017-07-14 2021-09-08 ボストン サイエンティフィック ニューロモデュレイション コーポレイション 電気刺激の臨床効果を推定するシステム及び方法
EP3634569A1 (en) 2017-08-15 2020-04-15 Boston Scientific Neuromodulation Corporation Systems and methods for controlling electrical stimulation using multiple stimulation fields
KR101995900B1 (ko) * 2017-09-11 2019-07-04 뉴로핏 주식회사 3차원 뇌지도 생성 방법 및 프로그램
US10702692B2 (en) 2018-03-02 2020-07-07 Aleva Neurotherapeutics Neurostimulation device
CN112424626A (zh) * 2018-04-10 2021-02-26 吉夫·波姆桑 从具有不同重复时间的两个mri图像导出的低频（<1mhz）ac电导率估计
KR102072173B1 (ko) 2018-04-23 2020-01-31 사회복지법인 삼성생명공익재단 영상 데이터와 연동한 자극기 제어 방법, 장치 및 프로그램
WO2019209969A1 (en) 2018-04-24 2019-10-31 Thync Global, Inc. Streamlined and pre-set neuromodulators
JP7295141B2 (ja) 2018-04-27 2023-06-20 ボストン サイエンティフィック ニューロモデュレイション コーポレイション マルチモード電気刺激システム及び製造する及び使用する方法
US11285329B2 (en) 2018-04-27 2022-03-29 Boston Scientific Neuromodulation Corporation Systems and methods for visualizing and programming electrical stimulation
CN112200912B (zh) * 2020-09-22 2021-08-31 深圳市丰盛生物科技有限公司 基于电阻抗成像和脑电图信号的脑部成像系统及其方法
CN114010311B (zh) * 2021-09-15 2024-01-19 苏州中科华影健康科技有限公司 一种腔道路径规划方法、装置、电子设备及存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3786391A (en) * 1972-07-11 1974-01-15 W Mathauser Magnetic self-aligning electrical connector
US5995651A (en) * 1996-07-11 1999-11-30 Duke University Image content classification methods, systems and computer programs using texture patterns
US6236738B1 (en) * 1998-04-09 2001-05-22 Board Of Trustees Of The Leland Stanford Junior University Spatiotemporal finite element method for motion analysis with velocity data
US7236831B2 (en) * 2000-07-13 2007-06-26 Northstar Neuroscience, Inc. Methods and apparatus for effectuating a lasting change in a neural-function of a patient
US7024247B2 (en) * 2001-10-15 2006-04-04 Northstar Neuroscience, Inc. Systems and methods for reducing the likelihood of inducing collateral neural activity during neural stimulation threshold test procedures
EP1269913B1 (de) * 2001-06-28 2004-08-04 BrainLAB AG Vorrichtung für transcraniale magnetische Stimulation und kortikale Kartographie
WO2004034883A2 (en) * 2002-10-15 2004-04-29 Medtronic Inc. Synchronization and calibration of clocks for a medical device and calibrated clock
US20060241374A1 (en) * 2002-11-20 2006-10-26 George Mark S Methods and systems for using transcranial magnetic stimulation and functional brain mapping for examining cortical sensitivity, brain communication, and effects of medication
US20050075680A1 (en) * 2003-04-18 2005-04-07 Lowry David Warren Methods and systems for intracranial neurostimulation and/or sensing
US7302298B2 (en) * 2002-11-27 2007-11-27 Northstar Neuroscience, Inc Methods and systems employing intracranial electrodes for neurostimulation and/or electroencephalography
US7647097B2 (en) * 2003-12-29 2010-01-12 Braingate Co., Llc Transcutaneous implant
US20080300652A1 (en) * 2004-03-17 2008-12-04 Lim Hubert H Systems and Methods for Inducing Intelligible Hearing
US7346382B2 (en) * 2004-07-07 2008-03-18 The Cleveland Clinic Foundation Brain stimulation models, systems, devices, and methods
US20060173493A1 (en) * 2005-01-28 2006-08-03 Cyberonics, Inc. Multi-phasic signal for stimulation by an implantable device
WO2007103475A2 (en) * 2006-03-07 2007-09-13 Beth Israel Deaconess Medical Center, Inc. Transcranial magnetic stimulation (tms) methods and apparatus
US8262714B2 (en) * 2008-08-05 2012-09-11 Advanced Neuromodulation Systems, Inc. Techniques for selecting signal delivery sites and other parameters for treating depression and other neurological disorders, and associated systems and methods

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2447909C2 (ru) * 2010-07-28 2012-04-20 Федеральное государственное учреждение Томский научно-исследовательский институт курортологии и физиотерапии Федерального медико-биологического агентства России (ФГУ ТНИИКиФ ФМБА России) Способ лечения больных гипертонической болезнью в сочетании с хроническим психо-эмоциональным напряжением
KR101538916B1 (ko) * 2014-09-26 2015-07-24 (주)와이브레인 Eeg 데이터를 이용하여 사용자 특성의 변화를 예측하는 방법
WO2016047922A1 (ko) * 2014-09-26 2016-03-31 (주)와이브레인 Eeg 데이터를 이용하여 사용자 특성의 변화를 예측하는 방법
WO2019050225A1 (ko) * 2017-09-11 2019-03-14 뉴로핏 주식회사 Tms 자극 내비게이션 방법 및 프로그램
US11745012B2 (en) 2017-09-11 2023-09-05 NEUROPHET Inc. Method and program for navigating TMS stimulation

Also Published As

Publication number Publication date
US20070043268A1 (en) 2007-02-22
WO2006138702A2 (en) 2006-12-28
CA2612254A1 (en) 2006-12-28
WO2006138702A3 (en) 2009-05-07
CN101578119A (zh) 2009-11-11
AU2006261150A1 (en) 2006-12-28
EP1894090A2 (en) 2008-03-05

Similar Documents

Publication Publication Date Title
US9307925B2 (en) Methods and systems for generating electrical property maps of biological structures
KR20080065577A (ko) 경두개 전기 자극 유도 기술
Holdefer et al. Predicted current densities in the brain during transcranial electrical stimulation
Vöröslakos et al. Direct effects of transcranial electric stimulation on brain circuits in rats and humans
US20160055304A1 (en) Targeted electrical stimulation
Huang et al. Measurements and models of electric fields in the in vivo human brain during transcranial electric stimulation
Mosayebi-Samani et al. The impact of individual electrical fields and anatomical factors on the neurophysiological outcomes of tDCS: A TMS-MEP and MRI study
US8014870B2 (en) Method and apparatus for the treatment of tinnitus
Classen et al. Multimodal output mapping of human central motor representation on different spatial scales
Stokes et al. Simple metric for scaling motor threshold based on scalp-cortex distance: application to studies using transcranial magnetic stimulation
Woods et al. Effects of electrode drift in transcranial direct current stimulation
AU2014203524B2 (en) Systems, methods and devices for a skull/brain interface
Robertson et al. Studies in cognition: the problems solved and created by transcranial magnetic stimulation
Fernández-Corazza et al. Skull modeling effects in conductivity estimates using parametric electrical impedance tomography
Kleim et al. Systematic assessment of training-induced changes in corticospinal output to hand using frameless stereotaxic transcranial magnetic stimulation
Opitz et al. Validating computationally predicted TMS stimulation areas using direct electrical stimulation in patients with brain tumors near precentral regions
Niskanen et al. Group‐level variations in motor representation areas of thenar and anterior tibial muscles: Navigated transcranial magnetic stimulation study
Russell et al. Individual differences in transcranial electrical stimulation current density
Lascano et al. Surgically relevant localization of the central sulcus with high-density somatosensory-evoked potentials compared with functional magnetic resonance imaging
Lee et al. Electric field characteristics of electroconvulsive therapy with individualized current amplitude: a preclinical study
Miranda et al. Optimizing electric-field delivery for tdcs: Virtual humans help to design efficient, noninvasive brain and spinal cord electrical stimulation
Im et al. Stimulation effect of inter-subject variability in tdcs–multi-scale modeling study
Pancholi et al. Variability of E-field in Dorsolateral Prefrontal Cortex Upon a Change in Electrode Parameters in tDCS.
AU2015268576B2 (en) Systems, methods and devices for a skull/brain interface
Ti et al. TDCS Inter-individual variability in Electric Field Distribution for chronic stroke: A simulation study

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid