KR20120131036A

KR20120131036A - 뇌활성도 및 마취심도 변화에 따른 ｅｅｇ신호 모델 및 시뮬레이터

Info

Publication number: KR20120131036A
Application number: KR1020110049214A
Authority: KR
Inventors: 윤영규; 정대웅; 김태호; 박상현; 강현민; 엄진우; 장호종
Original assignee: 한국과학기술원
Priority date: 2011-05-24
Filing date: 2011-05-24
Publication date: 2012-12-04
Also published as: KR101248055B1

Abstract

본 발명은 뇌활성도 및 마취심도에 따라 뇌에서 발생하는 EEG 신호를 모델링하고 이를 이용한 시뮬레이터에 관한 것으로서, EEG 신호의 시뮬레이터는, 복수의 피라미달 세포에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(PLCS)를 활성상태와 비활성상태로 모델하여 구현하는 신호원, 뇌의 임피던스를 고려한 저역통과 필터 및 신호를 중첩하는 덧셈기를 포함하여 구현되는 것을 특징으로 한다.

Description

뇌활성도 및 마취심도 변화에 따른 ＥＥＧ신호 모델 및 시뮬레이터{Model and simulator of EEG for quantifying the depth of anesthesia}

본 발명은 뇌파의 모델과 시뮬레이터에 관한 것으로, 더욱 상세하게는 뇌활성도 및 마취심도에 따라 뇌에서 발생하는 EEG 신호를 모델링하고 이를 이용한 시뮬레이터에 관한 것이다.

일반적으로 마취제는 치료지수(therapeutic index: 약물의 치사량 대 유효사용량의 비, 값이 작을수록 위험한 약물)가 3~4로 수백~수천의 값을 가지는 일반 약물에 비교했을 때 매우 위험한 독극물이다. 위험한 약물이라고 해서 유효사용량 이하의 마취제를 사용하게 될 경우, 환자가 충분히 마취되지 않아 수술 중 각성 등의 위험한 상황을 초래할 수 있기 때문에 마취제를 사용할 때는 투여량의 조절이 매우 중요하다. 그러나 개인 및 주변 환경에 따라 적정 마취제의 양은 크게 변하기 때문에 고정된 정량을 투여하는 것이 아니라 환자의 상태를 지속적으로 모니터링 하면서 투여량을 조절해야 한다. 환자의 뇌활성도는 마취된 정도에 따라 크게 바뀌게 되므로, 지속적인 뇌활성도의 감시를 통하여 마취심도를 측정할 수 있다.

뇌파 또는 뇌전도(腦電圖 electroencephalogram: EEG) 신호는 뇌에서 발생하는 전기적 신호를 측정한 것으로 뇌활성도 감시에 매우 유효하다. 마취뿐만 아니라, 일시적 심정지, 뇌사, 사망, 간질 등의 상태에서도 뇌활성도가 크게 변하게 되어 이를 감시하기 위해서 뇌파 분석이 많이 활용되고 있다.

종래의 뇌파 분석방법으로서 스펙트럼 분석방법은 뇌파를 알파, 베타, 델타, 감마의 주파수 대역별로 에너지량을 계산하고 분석함으로써 뇌활성도를 분석한다. 뇌활성도가 감소함에 따라 델타파의 크기가 상대적으로 커지게 된다.

종래의 기술로서 엔트로피 및 복잡도 분석은 뇌파의 엔트로피 및 복잡도를 시간영역 (Shannon entropy, Tsallis entropy, approximate entropy)에서 계산하거나 주파수 영역(spectral entropy, wavelet entropy)에서 계산하여 뇌활성도를 분석한다

종래의 기술로서 비특허문헌 2의 프랙탈(fractal) 분석방법은 뇌파의 프랙탈(fractal) 성질을 탈경향 변동분석(detrended fluctuation analysis: DFA)를 통해 계산하여 뇌활성도를 분석한다.

EEG 신호를 통한 마취심도 측정 기술은 1990년대부터 개발되어 왔지만, 마취심도와 EEG의 변화 관계에 대한 이론적이고 정량적인 관계분석을 바탕으로 한 것이 아니라, 임상실험을 통해 측정된 데이터베이스를 바탕으로 통계적 분석을 통해 이루어졌다. 때문에 측정된 데이터베이스에서 벗어나는 경우에 대해서는 올바르지 않은 결과값을 나타내는 경우들이 보고되고 있다.

마취심도의 측정은 마취제의 종류나 사람에 따라 종종 오류를 나타내는데, 이의 주요한 원인으로는 마취하는 동안 EEG신호의 변화에 대하여 정량적으로 기술하는 통합된 신호 모델이 없기 때문이다. 즉, EEG신호와 마취심도 간의 고유하고도 정량적인 관계가 전혀 이해되지 않았기 때문에 발생하는 문제점이다.

1. US7231245 B2 (2007. 6. 12.) 2. US7373198 B2 (2008. 5. 13.)

1. J. F. Antognini, E. E. Carstens, and D. E. Raines, Neural Mechanisms of Anesthesia. 2003 Humana Press. 2. M. Jospin et al.,"Detrended Fluctuation Analysis of EEG as a Measure of Depth of Anesthesia," IEEE Trans. Biomed. Eng., vol. 54, pp. 840-846, May 2007. 3. S. Kreuer and W. Wilhelm, "The Narcotrend monitor," Best Practice and Research Clinical Anesthesiology, vol. 20, pp. 111-119, Mar. 2006. 4. B. Bein, "Entropy," Best Practice and Research Clinical Anesthesiology, vol. 20, pp. 101-109, Mar. 2006. 5. T. Zikov et al., "Quantifying cortical activity during general anesthesia using wavelet analysis," IEEE Trans. Biomed. Eng., vol. 53, pp. 617-632, Apr. 2006.

상기와 같은 문제점을 해결하려는 본 발명은 뇌활성도 및 마취심도의 변화에 따른 EEG 신호의 모델과 시뮬레이터를 제공하고자 한다.

상기의 해결하려는 과제를 위한 본 발명에 따른 뇌활성도의 감시를 통하여 마취심도를 모델하는 방법은 뇌파 신호를 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(local potential caused by extracellular current sink and source: 이하 'LPCS'라 한다)의 활성상태(active state)와 비활성상태(inactive state)로 모델하는 것을 특징으로 한다.

각성상태에서의 LPCS는 활성상태로 하나의 스파이크 톤 발화(single-spike tonic firing)로 모델하고, 마취제의 양이 중간일 경우, LPCS는 발화 방출(burst-firing)로 전환되어 활성상태와 비활성상태를 오가는 것으로 모델하고, 마취제의 양을 중간에서 증가시킬 경우, LPCS는 발화 방출(burst-firing)보다 짧게 전환되어(short burst) 비활성상태가 길어지는 것으로 모델한다.

본 발명의 일시예로서, LPCS를 발생시키는 단위체에 있어서, 하나의 단위체가 전체 시간 중 활성상태에 있는 시간 비율 또는 여러 단위체 중 활성상태에 있는 단위체의 개수의 비율을 뇌활성도 또는 마취심도로 모델한다.

한편, 본 발명에 따른 뇌활성도의 감시를 통하여 마취심도를 모사하는 시뮬레이터는, 뇌파 신호를 LPCS의 활성상태와 비활성상태로 구현하는 신호원, 상기 신호원의 활성상태 및 비활성상태에 따른 임펄스열(impulse train) 구현부, 뇌파 신호원에서 발생된 신호를 측정하기 위한 전극, 전극과 신호원 사이의 위치에 따른 뇌의 임피던스를 고려한 적어도 하나의 저역통과 필터 및 상기 저역통과 필터를 통과한 출력들을 합산하는 덧셈기를 포함하는 것을 특징으로 한다.

또한, 뇌활성도의 감시를 통하여 마취심도를 시뮬레이터에서 시뮬레이이션 방법에 있어서, 뇌파 신호를 LPCS의 활성상태와 비활성상태로 모델하여 신호원으로 사용하는 제1단계, LPCS를 발생시키는 단위체에 있어서, 하나의 단위체가 전체 시간 중 활성상태에 있는 시간 비율 또는 여러 단위체 중 활성상태에 있는 단위체의 개수의 비율을 뇌활성도 또는 마취심도로 정의하는 제2단계, 마취제의 사용량에 따라 LPCS의 활성상태와 비활성상태에 따른 임펄스열(impulse train)을 생성시키는 제3단계, 상기 제3단계에서 생성된 펄스열을 적어도 하나의 저역통과 필터로 통과시키는 제4단계, 상기 저역통과 필터를 통과한 출력들을 덧셈기로 합산하여 출력하는 제5단계를 포함하는 것을 특징으로 한다.

본 발명에 따른 다른 실시예로서, 각 상태별 임펄스열은 펄스율(pulse rate)을 조절할 수 있는 것을 특징으로 한다.

본 발명은 뇌활성도 및 마취심도 변화에 따른 EEG의 변화를 모델링하고 시뮬레이션이 가능하게 함으로써, 임상 실험을 수행하지 않고도 뇌활성도 및 마취심도에 따라 EEG가 어떻게 변화하는지에 대한 정량적인 분석이 가능해진다.

또한, 가상 EEG 신호가 획득 가능해짐에 따라 임상 실험 없이 뇌활성도 및 마취심도에 따른 EEG 신호의 변화에 관한 분석 및 연구가 수행 가능해진다.

도 1a는 마취제 투여량과 시간에 따라 뇌활성 상태의 모델을 도식화한 것이고, 도 1b는 마취제에 따라 뇌활성 상태의 확률을 나타낸 그래프이다.
도 2는 본 발명에 따른 모델을 이용한 시뮬레이터를 도식화한 개념도이다.
도 3은 본 발명에 따른 모델과 시뮬레이터를 사용하여 활성상태의 확률(P_D ₎을 계산한 것이다.
도 4는 본 발명에 따른 피질층 활성도를 종래의 기술들과 비교하여 상관관계를 보여준 것이다.

이하, 첨부된 도면들을 참조하여 본 발명의 실시예들에 따른 뇌활성도 및 마취심도 변화에 따른 뇌파(EEG)신호 모델 및 시뮬레이터에 대하여 상세하게 설명하지만, 본 발명이 하기의 실시예들에 제한되는 것은 아니며, 해당 분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명을 다양한 다른 형태로 구현할 수 있을 것이다.

EEG 신호를 모델하기 전에 EEG 신호의 발생기구를 살펴보면, EEG의 주요 발생원은 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스(source)와 싱크(sink)에 의하여 발생된 국부 전위(LPCS)이다. 이러한 신호들은 피부 표면에서 합해지고 EEG 활성도로 기록된다. 즉, EEG 활성도는 대부분의 피질층에서 기인하는 복수의 소스들의 전기적 활성도의 합이다.

본 발명에서, 뇌활성도 및 마취심도의 변화에 따른 EEG를 모델하고 시뮬레이션하기 위해 EEG의 근원이 되는 복수의 피라미달 세포(pyramidal cell)에서 발생한 LPCS 혹은 임펄스(impulse) 형태의 전기신호가 발생하는 것으로 모델한다. 이러한 전기신호들이 더해져서 EEG를 형성하게 되는데, 이러한 전기 신호들은 각기 다른 전기적 특성을 가지는 매질을 통하여 측정 전극까지 전달되기 때문에 이를 각기 다른 주파수 특성을 가지는 저주파 대역 통과 필터를 거친 후 더해지도록 모델한다.

도 1a은 마취제의 투여량과 시간에 따라 뇌활성도의 모델을 도식화 한 것이다. LPCS는 초기 각성상태에서 활성상태는 하나의 스파이크 톤으로 나타나고, 마취제를 투여함에 따라 버스트 폭발(burst firing) 모드로 전환된다. 마취 과정 중에는 LPCS는 활성상태와 비활성상태를 오가게 되고, 마취제를 증가시키면 활성상태는 짧은 버스트로 변하고 비활성상태가 길어진다. 따라서 활성상태 또는 비활성상태의 확률을 마취심도로 반영하는 인자로 고려할 수 있다. 도 1b는 마취제 투여량에 따라 전체 피라미달 셀 중 활성 상태에 있는 비율(P_A)를 나타낸다.

여기서 LPCS를 발생시키는 각 단위체들은 뇌활성도 및 마취심도의 변화에 따라 활성상태와 비활성상태를 오가게 되며, 하나의 단위체가 전체 시간 중 활성상태에 있는 시간 비율(P_A) 혹은 여러 단위체 중 활성상태에 있는 단위체의 개수의 비율(P_A)로 모델 및 시뮬레이터에서 뇌활성도 및 마취심도를 정의하게 된다. 각 단위체는 활성상태일 때 지속적으로 임펄스(impulse)를 생성하고 비활성상태일 때 전기적 활동의 빈도가 낮아지거나 아무런 전기적 활동도 하지 않는다.

EEG 신호는 신경이 모여 있는 뇌피질로부터 두개골을 거쳐 두피에 설치된 전극으로 전달된다. 따라서 뇌피질로부터 전극까지는 뇌피질 및 두개골에 의한 저항(R) 성분과 커패시터(C) 성분으로 작용하므로 RC회로로 등가화되며 이를 RC 저역통과 필터(low pass filter)로 모델링 할 수 있다.

도 2는 본 발명에 따른 모델을 이용한 시뮬레이터를 도식화한 개념도이다. 시뮬레이터는 LPCS를 모델한 EEG 신호원을 사용하고, 뇌의 저항을 고려한 저역통과 필터를 사용한다. 뇌의 저항은 전극과 신호원의 위치에 따라 달라지므로 저항의 크기에 따라 차단 주파수를 달리하고 손실(이득)을 고려한다. 바람직한 실시예로서, 낮은 저항일 경우 차단주파수를 40Hz로 하고 이득은 1, 중간 저항은 차단주파수를 10 Hz로 하고 이득은 0.5, 높은 저항은 차단주파수를 1Hz로 하고 이득은 0.1을 사용하나, 이에 한정하지는 않는다. 각각의 필터를 통과한 신호들은 덧셈기로 중첩하여 EEG 신호로 계산되어 나온다.

위의 시뮬레이터를 이용한 시뮬레이션은 MATLAB과 같은 소프트웨어를 사용하는데 이에 한정하지는 않는다. 시뮬레이션 변수로서 바람직하게 시간 분해능은 1/128초, 저역통과 필터 타입은 최대평탄 응답형(maximally flat)을 사용하고, 신호원의 갯수는 저저항 5개, 중간저항 10개, 고저항 50개를 사용하고, 하나의 신호원으로부터 LPCS간의 시간 간격은 활성상태일 경우 평균 20ms를 주고 비활성상태일 경우에는 무한대를 사용하였으나, 시뮬레이션 변수는 위의 실시예에 한정하지 않고 다양하게 가변할 수 있다.

도 3은 본 발명에 따른 모델과 시뮬레이터를 사용하여 활성상태의 확률(P_A)을 계산한 것이다. P_A가 1일 경우, 항상 모든 단위체들이 활성상태에 있게 되어 지속적으로 임펄스 신호를 생성하여 복잡하고 랜덤한 형태의 EEG가 발생하게 되며, P_A가 0에 가까워질수록 각 단위체들이 비활성상태에 있는 비율이 증가하여 EEG가 보다 예측 가능하고 단순한 형태로 변화하게 된다.

본 발명에 따른 모델을 검증하기 위하여 비특허문헌 3의 스펙트럼 엔트로피, 비특허문헌4의 WAV_CNS지수 및 비특허문헌 5의 MDMA 지수와 상관관계를 비교하였다. 도 4는 본 발명에 따른 모델의 지수인 CAI지수(d)와 비특허문헌 3의 스펙트럼 엔트로피(c),비특허문헌 4의 WAV_CNS 지수 (b) 및 비특허문헌 5의 MDMA 지수(a)를 비교한 그림으로서 매우 높은 상관관계가 있어 본 발명의 모델이 유용함을 알 수 있다.

EEG 신호의 활성도 모델은 단순히 활성/비활성 두 가지 상태로 모델하는 것 외에도, 경우에 따라 여러 가지 복수의 상태( 예를 들면, 1, 0.5, 0 또는 1, 0.5, 0, -0.5, -1 등)나 연속된 상태로 상정하여 모델하고 시뮬레이션 가능하다. 또한 상태에 대한 정의를 하지 않고 단순히 LPCS의 발생빈도 자체를 뇌활성도 및 마취심도의 변화에 따라 직접적으로 변화시킴으로써 유사한 결과를 얻을 수 있다.

Claims

뇌활성도의 감시를 통하여 마취심도를 모델하는 방법에 있어서,
뇌파 신호를 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(local potential caused by extracellular current sink and source: LPCS)의 활성상태와 비활성상태로 모델하는 방법
제1항에 있어서,
각성상태에서의 활성 LPCS는 하나의 스파이크 톤 발화(single-spike tonic firing)로 모델하는 방법
제1항에 있어서,
마취제의 양이 중간일 경우, LPCS는 발화 방출(burst-firing)로 전환되어 활성상태와 비활성상태를 오가는 것으로 모델하는 방법
제3항에 있어서,
마취제의 양을 중간에서 증가시킬 경우, LPCS는 발화 방출(burst-firing)보다 짧게 전환되어(short burst) 비활성상태가 길어지는 것으로 모델하는 방법
제1항에 있어서,
LPCS를 발생시키는 단위체에 있어서, 하나의 단위체가 전체 시간 중 활성상태에 있는 시간 비율 또는 여러 단위체 중 활성상태에 있는 단위체의 개수의 비율을 뇌활성도 또는 마취심도로 모델하는 방법
제1항에 있어서,
뇌파 신호를 LPCS의 복수의 상태 또는 연속된 상태로 모델하는 방법
뇌활성도의 감시를 통하여 마취심도를 모사하는 시뮬레이터에 있어서,
뇌파 신호를 LPCS의 활성상태와 비활성상태로 구현하는 복수의 신호원;
상기 복수의 신호원의 활성상태 및 비활성상태에 따른 임펄스열(impulse train) 구현부;
상기 복수의 신호원에서 발생된 신호를 측정하기 위한 전극;
상기 전극과 신호원 사이의 위치에 따른 뇌의 임피던스를 고려한 적어도 하나의 저역통과 필터; 및
상기 저역통과 필터를 통과한 출력들을 합산하는 덧셈기를 포함하는 것을 특징으로 하는 마취심도 시뮬레이터
제7항에 있어서,
상기 저역통과 필터는 전극과 신호원의 위치에 따른 뇌의 저항을 고려하여 차단 주파수와 이득을 설정하는 것을 특징으로 하는 마취심도 시뮬레이터
뇌활성도의 감시를 통하여 마취심도를 시뮬레이터에서 시뮬레이이션 방법에 있어서,
뇌파 신호를 LPCS의 활성상태와 비활성상태로 모델하여 복수의 신호원으로 사용하는 제1단계;
LPCS를 발생시키는 단위체에 있어서, 하나의 단위체가 전체 시간 중 활성상태에 있는 시간 비율 또는 여러 단위체 중 활성상태에 있는 단위체의 개수의 비율을 뇌활성도 또는 마취심도로 정의하는 제2단계;
마취제의 사용량에 따라 LPCS의 활성상태와 비활성상태에 따른 임펄스열(impulse train)을 생성시키는 제3단계;
상기 제3단계에서 생성된 펄스열을 적어도 하나의 저역통과 필터로 통과시키는 제4단계;
상기 저역통과 필터를 통과한 출력들을 덧셈기로 합산하여 출력하는 제5단계를 포함하는 것을 특징으로 하는 마취심도 시뮬레이션 방법
제11항에 있어서,
각 상태별 임펄스열은 펄스율(pulse rate)을 조절할 수 있는 것을 특징으로 하는 마취심도 시뮬레이션 방법
제11항에 있어서,
시뮬레이션은 MATLAB을 사용하고, 저항이 증가할수록 신호원의 개수를 저저항보다 더 많이 사용하는 것을 특징으로 하는 마취심도 시뮬레이션 방법