KR20140136077A

KR20140136077A - 고주파 백그라운드 활성을 이용한 뇌 조직 내 목표 위치의 실―시간 확인 방법

Info

Publication number: KR20140136077A
Application number: KR20130055533A
Authority: KR
Inventors: 장진우; 이배환; 곽용호
Original assignee: 연세대학교 산학협력단
Priority date: 2013-05-16
Filing date: 2013-05-16
Publication date: 2014-11-28
Also published as: KR101548617B1

Abstract

본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA)를 이용한 STN의 실-시간(real-time) 확인 방법 및 이를 이용한 DBS 수술 방법에 관한 것이다. 본 발명의 HFBA는 시상밑핵(subthalamic nucleus, STN)-특이적이다. 또한, 본 발명의 백그라운드 활성의 분리는 주파수 컷오프(frequency cutoff; >1,000 Hz) 및 진폭 역치(amplitude threshold; 40-50 μV)를 이용하여 오류(artifacts) 및 스파이크(spikes)를 제거하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 실시한다. 더욱이, 본 발명에서 1초 이하의 짧은 시간을 이용하여 실-시간으로 HFBA의 측정이 가능하다. 따라서, 본 발명의 방법은 DBS 수술 동안 보다 객관적이고, 신속하며 효과적인 정보를 제공할 뿐 아니라 의학 결과들을 현저하게 개선시킬 수 있다.

Description

고주파 백그라운드 활성을 이용한 뇌 조직 내 목표 위치의 실―시간 확인 방법{Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity}

본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA)을 이용한 STN의 실-시간(real-time) 확인 방법 및 이를 이용한 DBS 수술 방법에 관한 것이다.

시상밑핵(subthalamic nucleus, STN)에 대한 고주파 뇌심부자극술(High frequency deep brain stimulation, DBS)은 특발성 파킨슨병의 외과적 치료에서 널리 퍼진 방법으로, 떨림증(tremor), 경직(rigidity), 서동(bradykinesia) 및 보행장애(gait disturbance) 같은 임상적 증상들을 개선하는 것으로 알려져 왔다[1-6]. 또한, 파킨슨병 환자들에 대한 대규모 및 장기간의 추적(follow-up) 연구들에서 주요 신경학적 손상 없이 임상적 개선이 확인되었다[1-6]. 성공적인 DBS 수술에 있어서, STN의 위치 및 경계(demarcation) 결정이 부작용을 최소화하면서 최적의 결과를 얻기 위해 중요하다.

DBS 수술은 기존의 틀이 있는 정위 수술(frame-based stereotactic surgery)을 통해 항상 실시되었다. 일반적으로, STN에 대한 타겟팅 좌표(targeting coordinates)는 수술 전 MRI(pre-operative magnetic resonance imaging)를 이용하여 얻어진다[11]. 하지만, STN은 오목한 아몬드 형의 매우 작은 구조체(약 9×7×4 mm)[11]로 뇌심부에 위치한다[12]. 상기한 이유로, 종래의 이미징 시스템을 이용한 경계(borders)의 시각화는 항상 성공하기가 용이하지 않은데, 이는 해부학적 변이성, 이미징 정확성의 한계 또는 정위 수술 준비 동안의 뇌 쉬프트(brain shift) 같은 복잡한 문제들이 항상 일어날 수 있기 때문이다. 따라서, 수술 전 MRI, MRI 위에 겹쳐진 SW 아틀라스(Schaltenbrand-Wahren atlas) 및 수술 중 MER(intraoperative microelectrode recording)을 이용하여 STN 경계 또는 타겟을 정밀하게 정함으로써 STN 경계(boundaries)를 확인한다[13]. 예를 들어, MER은 STN 경계 뿐 아니라 자극 전극들의 위치도 확인시켜 주기 때문에 중요하다.

MER을 이용한 경계 검출은 기능적이다. STN에 대해 등(dorsal) 쪽에 위치하는 시상은 낮은 흥분도(firing rate)와 돌발 활성 패턴(burst activity patterns)을 나타낸다[14-16]. STN은 PD 환자들에서 더 높은 흥분도와 불규칙적인 돌발 활성으로 표현되는 과다활성을 보인다[14-18]. 이러한 개인적인 고-돌발 활성들은 증가된 백그라운드 노이즈(background noise)로 나타난다. STN에 대해 복부(ventral) 쪽에 위치하는 뇌 흑색질 그물부(substantia nigra pars reticulata, SNr)는 보다 규칙적이고 빠른 흥분도(firing)를 보인다[14-16]. 이들의 기능적으로 다른 활성 패턴은 STN의 해부학적 경계들에 대한 윤곽을 그리게 한다. 하지만, 상기 타입의 수술 중 맵핑(intraoperative mapping)은 복잡하고 흥분도 패턴 및 백그라운드 신경 활성에 대한 시각적 및 청각적 해석을 포함하는 구체적인 범주로 정제되기 까지 시간을 요구한다. 따라서, STN의 위치화, 특히 수술 중 위치화는 지속적으로 많은 연구가 행해지고 있는 주제이다[19].

STN 경계들을 명확하게 구별하기 위해, MER을 이용한 여러 접근방법들이 시도 되었다. MER은 단일 세포 활성들로 구성된 세포 외 신경 활성들, 국소 전위(local field potentials; LFP, theta: 3-8 Hz, alpha: 9-12 Hz, beta: 13-30 Hz, gamma: 31-100 Hz), 다단위 활성도(multiunit activity, MUA) 및 백그라운드 노이즈를 모니터링한다. 상기 개념을 이용한 위치화 방법들은 선택된 구성요소 조합(component combination)에 따라 4개의 다른 접근 방법으로 분류될 수 있다. 첫 번째 접근 방법은 통상적으로 임상 연구(clinical units)에서 이용되었던 스파이크 패턴(spike patterns)을 이용한다. STN은 37-42 Hz의 평균 흥분도를 가지고 불규칙적 또는 촉발성(burst) 패턴을 나타낸다. 이와 대조적으로, SNr은 71 Hz의 평균 흥분도를 가지고 STN보다 더 규칙적인 긴장 활성(tonic activity)을 나타낸다[14, 15]. 다중-세포 스파이크 밀도(multi-cell spike density; 세포 분리 없이 스파이크의 발생)는 STN과 SNr 사이에서 뚜렷한 차이를 보인다[20]. 두 번째 접근방법은 LFP를 이용한다. 양극성 대전극(macroelectrode)에서 LFP의 베타 진동(beta oscillation; 13-35 Hz)은 PD 환자에서 DBS 자극을 위해 이용될 수 있으며 수술 중 임상 충격 효과의 레벨과 매우 훌륭하게 합치할 뿐 아니라, STN의 기능성 생리학적 위치화에 유용하다[21]. 세 번째 접근방법은 고주파 신경 활성을 포함하는 백그라운드 노이즈 활성을 이용하였다. 미세전극이 STN에 접했을 경우, 백그라운드 활성의 증가는 이전부터 보고되었다[14, 15]. 최근에, PSD(power spectral density) 측정을 이용하여 디스파이크된(despiked) MER로부터 백그라운드 활성을 정량한 Novak 등(2007, 2011)과 Snellings 등(2009)은 웨이블렛(wavelet) 변환을 이용하였다. 백그라운드 활성은 STN 경계에서 명확하게 증가하였다. 상술한 과정들은 간접적이지만 미세전극 팁에 위치하는 작은 수의 활성 뉴런보다는 오히려 근처의 세포 집단 활성(cell population activity)을 이용하기 때문에 강력하다. 마지막 접근방법은 전체 MER 시그널을 이용하는 것으로 다음의 것들을 포함한다: MER의 제곱평균제곱근(root mean square) 및 베이시안 예측(Bayesian predictor)[22]; MER, PSD 및 자기상관함수의 표준편차[23]; 스파이크들을 포함하는 전체 시그널로부터 13개의 특징을 통한 활성 맵핑(activity map)[24]; 포괄신호(signal envelop) 및 이의 레일리 분포(Rayleigh distribution)[25]; 및 포괄신호, 흥분도 및 PSD[19].

상술한 연구들은 STN 위치화에 대한 진보적 기술들이지만, 불행하게도 각 방법과 연계된 효율의 우수성과 관련된 근거 또는 개선된 결과를 보여주는 직접적인 증거를 제공하는 데 실패하였다. 더욱이, 상술한 방법들이 다른 DBS 타겟들에도 적용될 수 있는 지 여부는 여전히 의심스러운 상태이다. 따라서, STN 경계를 보다 정확하고 효율적으로 검출할 수 있는 방법이 당업계에서 시급히 요구되고 있는 실정이다.

본 명세서 전체에 걸쳐 다수의 논문 및 특허문헌이 참조되고 그 인용이 표시되어 있다. 인용된 논문 및 특허문헌의 개시 내용은 그 전체로서 본 명세서에 참조로 삽입되어 본 발명이 속하는 기술 분야의 수준 및 본 발명의 내용이 보다 명확하게 설명된다.

본 발명자들은 DBS 수술에서 중요한 타겟 위치인 시상밑핵(subthalamic nucleus)의 위치를 효과적으로 구별하기 위한 방법을 개발하고자 예의 연구 노력하였다. 그 결과, 본 발명자들은 양측성(bilateral) DBS 수술을 받은 파킨슨병 환자(39명)에서 고주파 백그라운드 활성(high frequency background activity, HFBA; 예컨대, >1,000 Hz)과 진폭 역치(amplitude threshold; 예컨대, 40-50 μV)를 이용하여 노이즈를 효과적으로 제거(예컨대, 오류 및 스파이크 제거)하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 뇌심부에 존재하는 시상밑핵의 위치화를 간결하고 정확하게 획득할 수 있음을 발견함으로써, 본 발명을 완성하게 되었다.

따라서, 본 발명의 목적은 수술 중 타겟 위치의 실-시간(real-time) 확인 방법을 제공하는 데 있다.

본 발명의 다른 목적은 DBS 수술 방법을 제공하는 데 있다.

본 발명의 다른 목적 및 이점은 하기의 발명의 상세한 설명, 청구범위 및 도면에 의해 보다 명확하게 된다.

본 발명의 일 양태에 따르면, 본 발명은 다음 단계를 포함하는 수술 중 타겟 위치의 실-시간(real-time) 확인 방법을 제공한다:

(a) 수술 전에 조직에서 타겟 위치를 분석하는 단계;

(b) 수술 중 고주파(high frequency) 처리를 통해 백그라운드 활성 (background activity)을 분리하여 상기 단계 (a)의 타겟 위치를 실-시간으로 분석하는 단계; 및

(c) 상기 단계 (a) 및 (b)에서 얻어진 타겟 위치를 비교하는 단계.

본 발명의 다른 양태에 따르면, 본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA) 프로세싱을 이용하여 조직 내 타겟의 경계(target boundary)를 구분하는 단계를 포함하는 DBS(deep brain stimulation) 수술 방법을 제공한다.

본 발명자들은 DBS 수술에서 중요한 타겟 위치인 시상밑핵의 위치를 효과적으로 구별하기 위한 방법을 개발하고자 예의 연구 노력하였다. 그 결과, 본 발명자들은 양측성 DBS 수술을 받은 파킨슨병 환자(39명)에서 고주파 백그라운드 활성과 진폭 역치를 이용하여 노이즈를 효과적으로 제거(예컨대, 오류 및 스파이크 제거)하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 뇌심부에 존재하는 시상밑핵의 위치화를 간결하고 정확하게 획득할 수 있음을 발견하였다.

파킨슨병(Parkinson's disease)은 중추신경계의 진행형 퇴행성 질환으로, 중뇌(midbrain)의 한 부위인 흑질(substantia nigra)에 존재하는 도파민-발생 세포(예컨대, 도파민 뉴런)의 세포사멸로부터 야기된다. 상기 질환의 증상으로, 초기에는 운동과 관련된 증상(예컨대, 느린 운동, 정지시 떨림, 근육 강직, 질질 끌며 걷기, 굽은 자세 등)을 명확하게 나타내며, 진행됨에 따라 인식(cognitive) 및 행동 장애를 일으키고, 가장 진전된 단계에서는 공통적으로 치매(dementia) 증상을 나타낸다. 다른 증상으로는, 감각 장애, 수면 장애 및 감정 장애를 포함한다. 파킨슨병은 50세 이후에 발생되는 가장 보편적인 질환으로, 나이가 들어감에 따라 발병하는 가장 일반적인 질환이다.

DBS 치료법(therapy)은 뇌심부(deep brain)의 목표 타겟(예를 들어, STN)에 전극을 고정한 다음, 일정 기간 동안 지속적으로 전기 자극을 줌으로써 환자의 이상 상태를 개선하는 치료법이다. 1998년 미국 FDA가 처음 승인한 이래로, DBS 치료법은 운동 장애(movement disorders)를 포함하는 다양한 뇌-제어 장애(brain-controlled disorders)의 치료에 광범위하게 적용되고 있다. DBS 치료법은 떨림(tremor), 경직(rigidity), 그리고 파킨스병 및 본태성 떨림(essential tremor)을 가진 환자의 약물 유발 부작용(drug induced side effects)의 치료에도 적용되어 왔다. 일반적으로, DBS 치료법은 DBS 전극 리드(DBS electrode lead)를 환자의 머리(skull)에 뚫려진 버홀(burr hole)을 통해 위치 결정하고, 전극 리드를 통해 적절한 자극 신호들을 생리학적 타겟(physiological targets)에 적용하는 것을 포함한다. 상기 치료법에 있어서 신경외과학적 정위 방법(stereotactic neurosurgical methodology)을 포함하는 위치결정이 매우 중요하며, 특히, 뇌심부 타켓(deep brain target)에서 전극 리드를 통한 지속적이고 효과적인 자극을 주는 것은 매우 중요하다.

시상밑핵(subthalamic nucleus, STN)은 뇌에 존재하는 기저핵(basal ganglia) 시스템의 일부로, 작은 렌즈-형태의 핵이다. 해부학적으로, 시상밑핵은 시상밑부(subthalamus)의 주요 부분으로, 시상의 배 쪽에 위치한다. 또한, 시상밑핵은 흑질부의 등 쪽 및 내섬유막(internal capsule)의 중앙 쪽에 위치한다.

이에, 본 발명자들은 운동 질환(구체적으로는, 파킨슨병) 치료에 적용되는 DBS 수술에 중요한 타겟 위치(예컨대, 시상밑핵)를 보다 간편하고 정밀하게 위치화시킬 수 있는 방법을 개발하였다.

예를 들어, 본 발명의 방법은 DBS 수술 중 시상밑핵의 실-시간(real-time) 확인 방법을 제공한다.

먼저, 수술 전에 조직에서 시상밑핵의 위치를 결정한다. 수술 전에 조직에서의 시상밑핵의 위치에 대한 해부학적 정보는 당업계에서 이용되는 종래 방법들에 의해 결정될 수 있으며, 예를 들면 MRI(magnetic resonance imaging) 또는 상기 MRI 정보 위에 겹쳐진 SW 아틀라스(Schaltenbrand-Wahren atlas), fMRI, MRI/DTI(diffusion tensor imaging), CT(computed tomography), SPECT(single-photon emission computed tomography), PET(positron emission tomography), MEG(magnetoencephalography), EEG(electroencephalography), EIT(extreme ultraviolet imaging telescope) 및 이들의 조합을 포함하지만, 이에 한정되는 것은 아니다.

본 발명의 어떤 구현예에 따르면, 본 발명의 수술 전에 분석된 시상밑핵의 위치(통상적으로, 시상밑핵의 중앙 부위)는 "0 mm"로 결정된다.

이후, 수술 중 고주파(high frequency) 처리를 통해 백그라운드 활성(background activity)을 분리하여 수술 전에 분석된 시상밑핵의 위치를 실-시간으로 분석한다.

본 발명의 어떤 구현예에 따르면, 본 발명의 HFBA를 이용한 시상밑핵 위치의 결정은 수술 중 MER(intraoperative microelectrode recording)을 이용하여 실시한다.

본 발명의 어떤 구현예에 따르면, 본 발명의 방법은 미세전극이 시상밑핵의 위치에 접하는 시간을 "0초"로 할당한다.

본 발명에 따르면, 미세전극이 STN을 접하는 경우에 3가지의 전형적인 기준 활성 패턴들을 나타냈다. MER의 상기 기준 활성 패턴들은 다양한 흥분도 패턴을 가지는 스파이크들로 나타낼 수 있으며, 주파수 및 진폭 역치 컷오프를 이용하여 상기 스파이크들로부터 백그라운드 활성을 추출하였다(참고: 도 1 내지 도 3). 이후, IOD(intraoperative decision: 수술 중 시술자에 의한 STN 위치 확인)에 의해 결정된 시상밑핵의 경계들(등 쪽 및 배 쪽)과 HFBA를 이용하여 분석된 시상밑핵의 경계들을 비교한 결과, 양자 간의 차이가 ± 1.0 mm 범위로 둘 간의 시상밑핵의 경계에 대한 위치화가 매우 정확하게 매치(match)하였다(참고: 도 4 및 추가논의사항).

본 발명의 어떤 구현예에 따르면, 본 발명의 백그라운드 활성의 분리를 위한 오류(artifacts) 및 스파이크(spikes)의 제거는 주파수 컷오프(frequency cutoff) 및 진폭 역치(amplitude threshold)를 통해 실시한다.

본 발명의 어떤 구현예에 따르면, 본 발명에서 이용되는 주파수 컷오프는 >1,000 Hz이며, 보다 구체적으로는 1,000-100,000 Hz이고, 보다 더 구체적으로는 1,000-50,000 Hz이며, 보다 더욱 더 구체적으로는 1,000-10,000 Hz이고, 가장 구체적으로는 1,000-5,000 Hz이다.

본 명세서에서 사용되는 용어 "주파수(frequency)"는 초당 교류의 방향이 바뀌는 완전한 사이클 수를 의미하며, 흥분도를 표시하는 데 이용될 수 있다. 예를 들어, 흥분도를 나타내는 스파이크의 수가 초당 200개가 검출되는 경우 200 Hz의 흥분도를 나타낸다.

본 발명의 어떤 구현예에 따르면, 본 발명의 고주파 처리 시간은 0.03-10초 범위이고, 보다 구체적으로는 0.04-5초 범위이며, 보다 더 구체적으로는 0.045-3초 범위이고, 가장 구체적으로는 0.05-1초 범위이다.

본 발명의 어떤 구현예에 따르면, 본 발명에서 이용되는 진폭 역치는 >40 μV이며, 보다 구체적으로는 40-50 μV의 범위를 포함한다.

또한, 상기 진폭 역치의 범위는 시상밑핵에 대한 일 구현예일 뿐이며, 다른 타겟 위치에서는 다른 MER의 스파이크 진폭 결과를 나타내기 때문에 상기 진폭 역치의 범위는 타겟 위치에 따라 선택적으로 결정될 수 있다는 것이 당업자에게 자명하다.

본 발명의 어떤 구현예에 따르면, 본 발명의 백그라운드 활성 분석 단계는 자동화된 미세전극(automated microelectrode)을 이용하여 실-시간 프로세싱하는 단계를 추가적으로 포함한다.

마지막으로, 수술 전 및 수술 중 얻어진 IOD에 의한 시상밑핵의 위치화 결과와 HFBA에 의한 시상밑핵의 위치화 결과를 비교하여 HFBA에 의한 위치 결정의 유효성을 확인한다.

한편, 본 발명은 고주파 백그라운드 활성 프로세싱을 이용하여 조직 내 타겟의 경계를 구분하는 단계를 포함하는 DBS(deep brain stimulation) 수술 방법을 제공한다.

본 발명의 어떤 구현예에 따르면, 상기 조직 내 타겟은 시상밑핵(subthalamic nucleus, STN)이다.

본 발명의 어떤 구현예에 따르면, HFBA 프로세싱에서 HFBA 기울기(slope)는 세포 집단 밀도가 낮은 곳에서 높은 곳으로 들어갈 때에는 양성(positive) 기울기를 나타내고 세포 집단 밀도가 높은 곳에서 낮은 곳으로 들어갈 때에는 음성(negative) 기울기로 나타난다.

본 발명에서, HFBA 기울기(거리 당 파워 변화; μV²/mm)의 변화는 STN 경계 위치의 차이를 반영하는 데, 이는 STN을 통과하는 동안 미세전극에 의해 기록된 HFBA 파워 변화율의 분포가 STN의 구조적 차이를 의미하는 것이다.

본 발명의 어떤 구현예에 따르면, 본 발명의 DBS 수술 방법은 운동 질환(movement disorders)의 치료에 효과적으로 적용될 수 있다(참고; 도 9).

본 발명의 어떤 구현예에 따르면, 본 발명의 DBS 수술 방법이 적용될 수 있는 운동 질환은 파킨슨병(Parkinson's disease), 이차성 파킨슨 증후군(secondary parkinsonism), 진행성 파킨슨 증후군(progressive Parkinson syndrome), 본태성 떨림(essential tremor, ET), 간질(epilepsy), 뚜렛 증후군(Tourette's syndrome), 다발성 경화증(multiple sclerosis), 편무도병(hemiballism) 및 긴장 이상(dystonia)을 포함하지만, 이에 한정되는 것은 아니다.

본 명세서에서 사용되는 용어 "운동 질환(movement disorders)"은 인간의 운동(이동)을 방해하는 질병, 질환 또는 상태(손상)로, 전형적으로는 소뇌로 불리는 뇌의 부분에서 문제가 야기되어 파킨슨병, 본태성 떨림 또는 떨림 같은 상태를 의미한다. 예를 들어, 뇌의 신경 섬유가 손상된 몇몇 다발성 경화증 환자들은 심각한 떨림 증상을 나타낸다.

본 발명의 특징 및 이점을 요약하면 다음과 같다:

(a) 본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA)를 이용한 STN의 실-시간(real-time) 확인 방법 및 이를 이용한 DBS 수술 방법에 관한 것이다.

(b) 본 발명의 HFBA는 시상밑핵(subthalamic nucleus, STN)-특이적이다.

(c) 또한, 본 발명의 백그라운드 활성의 분리는 주파수 컷오프(frequency cutoff; >1,000 Hz) 및 진폭 역치(amplitude threshold; 40-50 μV)를 이용하여 오류(artifacts) 및 스파이크(spikes)를 제거하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 실시한다.

(d) 더욱이, 본 발명은 1초의 짧은 시간을 이용하여 실-시간으로 HFBA의 측정이 가능하다.

(e) 따라서, 본 발명의 방법은 DBS 수술 동안 보다 객관적이고, 신속하며 효과적인 정보를 제공할 뿐 아니라 의학 결과들을 현저하게 개선시킬 수 있다.

도 1은 타겟 포인트(0초) 주위의 MER 시그널들을 보여주는 결과이다. 3가지 타입의 MER 시그널들이 제시되었다: 도 1A, 기준 활성 변화가 불명확한 타입; 도 1B, 타겟 포인트보다 15초 앞에서 점진적인 증가를 보이는 타입; 및 도 1C, 기준 활성이 타겟 포인트에서 급격하게 증가하는 타입. 상술한 MER 시그널들은 노이즈 오류 및 스파이크들을 포함한다.
도 2는 MER에서의 스파이킹 패턴들과 노이즈 레벨을 보여주는 결과이다. 여러 가지 스파이크 패턴들이 보여진다: 도 2A, 매우 낮고 불규칙적인 스파이킹 패턴; 도 2B, 빠르고 불규칙적인 스파이킹 패턴. 더 높은 흥분도를 가지는 첫 번째 파트 및 이후 감소된 흥분도; 도 2C, 장기간의 사이 간격(inter-burst-interval)을 가지는 촉발 패턴; 및 도 2D, 작은 피크들을 가지는 다단위 활성도. 상세한 피크들과 스파이크들은 오른쪽 패널에서 보여진다. 축척 막대: 왼쪽 패널에서 수직, 50 μV 및 수평, 200 msec; 및 오른쪽 패널에서 수직, 50 μV 및 수평, 5 msec.
도 3은 도 1에서 보여지는 3명의 다른 환자들로부터 얻어진 HFBA 파워비 트레이스를 보여주는 결과이다. 도 3A: 등 쪽 경계(첫 번째 역삼각형으로 표시)에서 HFBA의 급격한 증가 및 배 쪽 경계(두 번째 역삼각형으로 표시)에서 HFBA의 급격한 감소. 도 3B: 등 쪽 경계에서 급격한 증가를 보이지만 최대값은 도 1A보다 더 작다. 배 쪽 경계는 레코딩이 더 깊은 영역을 포함하지 않아서 HFBA 트레이스에서 명확하지 않다. 도 3C: 등 쪽 경계에서 HFBA의 점진적인 증가 및 배 쪽 경계에서 점진적인 감소. -1.8 mm 근처의 골(trough)은 스파이크 제거 후 PSD를 계산하기에 너무 짧은 단편을 의미하고 PSD 파워는 "0"으로 할당되었다. 수술 중에 결정된 미세전극 위치들(IOP)은 빨간색 원으로 표시되었다. HFBA는 1초 동안 계산되었으며, 총 시그널을 첫 번째 절편의 파워로 나누어서 표준화함으로써 파워비 트레이스들을 산출하였다.
도 4는 IOD(검은색 역삼각형) 및 HFBA(빨간색 삼각형)에 의해 결정된 STN 경계를 비교한 결과이다. 좌측 패널(A, C 및 E)은 등 쪽 STN 경계 주위의 HFBA 패턴의 변화를 나타내고 우측 패널(B, D 및 F)은 배 쪽 STN 경계 주위의 HFBA 패턴의 변화를 상세히 보여준다. 도 4G 및 도 4H는 각각 등 쪽 및 배 쪽 경계들에 대한 STN 경계(n = 83)의 차이 분포(= HFBA-IOD)를 나타낸다. 양성(음성) 차이는 IOD의 경계 위치가 HFBA의 위치보다 더 등 쪽(배 쪽)이라는 것을 의미한다.
도 5는 DBS 수술 전 및 수술 후의 의학 결과들의 비교를 보여주는 도면이다. 5개의 의학 결과들이 제시된다: 도 5A, UPDRS-I(n = 39); 도 5B, UPDRS-II(n = 38); 도 5C, UPDRS-III(n = 39); 도 5D, UPDRS-IV(n = 34); 및 도 5E, 동일 투여량의 레보도파(LED; n = 39). 상술한 결과들이 DBS 수술 전(pre) 및 수술 후(post)로 플롯팅되었다. UPDRS-II, -III, -IV 및 LED 스코어들은 수술 후에 현저하게 감소하였다. 평균값 및 표준오차들이 플롯팅되었다. 각 심볼(symbol)은 환자 개개인을 지시한다. Student's t-test를 적용하였다. ^*p<0.05, ^**p<0.01 및 ^***p<0.001.
도 6은 각 의학 결과에서 제I그룹과 제II그룹 간의 STN 경계 차이를 비교한 도면이다. 경계 차이(도 6A, 좌측-등; 도 6B, 좌측-배; 도 6C, 우측-등; 및 도 6D, 우측-배)는 STN 경계 차이들(= HFBA-IOD)에 의해 계산되었다. 환자들은 제I그룹(증가된 스코어) 또는 제II그룹(감소된 스코어)으로 분류하였다. 각 그룹에서 환자들의 수는 UPDRS-I에서 12/27(제I그룹/제II그룹), UPDRS-II에서 7/31(제I그룹/제II그룹), UPDRS-III에서 6/33(제I그룹/제II그룹), UPDRS-IV에서 8/26(제I그룹/제II그룹), 그리고 LED에서 4/35(제I그룹/제II그룹)이었다. 박스 플롯에서 원은 아웃라이어들을 지시한다. 순위합 검정은 제I그룹과 제II그룹 간에 적용되었다. ^*p<0.05 및 ^**p<0.01.
도 7은 의학 결과들에서 HFBA 및 IOD에 의해 결정된 제I그룹과 제II그룹 간의 STN 크기들을 비교한 결과이다. 환자들은 제I그룹(증가된 스코어) 또는 제II그룹(감소된 스코어)으로 분류하였다: 도 7A, HFBA에 의해 결정된 좌측 STN 크기; 도 7B, HFBA에 의해 결정된 우측 STN 크기; 도 7C, IOD에 의해 결정된 좌측 STN 크기; 및 도 7D, IOD에 의해 결정된 우측 STN 크기. 의학 결과들은 하단 부위에 표시되어 있다. 각 그룹에서의 환자들의 수는 도 6과 동일하였다. 순위합 검정이 적용되었다. ^*p<0.05.
도 8은 각 의학 결과에서 제I그룹과 제II그룹 간의 STN 경계 차이를 비교한 도면이다. 환자들은 제I그룹(증가된 스코어) 또는 제II그룹(감소된 스코어)으로 분류하였다: 도 8A, 제I그룹의 좌측 STN 크기; 도 8B, 제II그룹의 좌측 STN 크기; 도 8C, 제I그룹의 우측 STN 크기; 및 도 8D, 제II그룹의 우측 STN 크기. 의학 결과들은 하단 부위에 표시되어 있다. 각 그룹에서의 환자들의 수는 도 7과 동일하였다. 순위합 검정이 적용되었다. 통계학적으로 유의한 어떠한 차이도 발견되지 않았다. 약어: HF, HFBA; 및 IO, IOD.
도 9는 STN 경계 주위에서의 HFBA 파워 변화들의 기울기 분포(A, B) 및 동일한 STN에서 2개의 서로 다른 MER 실시예(C, D)를 보여주는 도면이다. 도 9A: 등 쪽 경계에서의 HFBA 기울기의 분포(n = 83). 도 9B: 배 쪽 경계에서의 HFBA 기울기의 분포(n = 83). 기울기들(빨간 선으로 표시됨)은 증가하거나 또는 감소하는 파워 트레이스들을 이용하여 계산하였다. 도 9C 및 도 9D: 동일한 STN에서의 2개의 MER 결과들. 파란색 트레이스는 첫 번째 레코딩 결과이고, 녹색 트레이스는 2 mm 중앙값 쉬프트를 가진 두 번째 레코딩 결과이다. 파란색 및 녹색 역삼각형은 각각 첫 번째 및 두 번째 레코딩에서 IOD에 의해 결정된 STN 경계를 지시한다. 사각형은 IOD에 의해 선택된 전극 위치들을 지시한다. 기울기들(거리 당 파워 변화, dB/mm)은 등 쪽 STN에서 0.08(첫 번째 레코딩) 및 0.15(두 번째 레코딩) dB/mm이었고, 배 쪽 STN에서 -0.22 및 -0.03 dB/mm였다(C). 등 쪽 STN에서 기울기들은 0.15(첫 번째 레코딩) 및 0.17(두 번째 레코딩) dB/mm였고, 배 쪽 STN에서 -0.39 및 -0.54 dB/mm였다(D).
도 10은 Gpe/Gpi에서 HFBA 트레이스에 대한 실시예들을 보여주는 도면이다. 도 10A: HFBA 파워의 증가 및 길고 우세한 고 파워 부위. 도 10B: HFBA의 짧고 급격하게 증가 및 감소하는 변화의 반복. 도 10C: HFBA의 매우 작은 변화들. 검은색 역삼각형은 Gpi 등 쪽 경계를 지시한다. 10초 동안 흥분 패턴을 모니터링하는 수술 중 단계들은 빨간색 원들로 표시된다. 도 10D: IOD에 의해 결정된 Gpi 경계 주위에서 HFBA 기울기의 분포(n = 41).
도 11은 모방된 HFBA의 실-시간 프로세싱으로 계산된 HFBA 트레이스들을 비교한 결과이다. 파란색 트레이스는 후향적 계산을 보여주는 것이고 빨간색 트레이스는 1초 동안 HFBA의 실-시간 프로세싱을 보여주는 결과이다. 상기 2개의 트레이스들은 등 쪽 STN의 고 파워 부위(-3 ~ -1.5 mm)를 제외하고는 유사하다.
도 12는 백그라운드 활성에 대한 정량 방법들을 비교한 결과이다. HFBA(빨간색 선)는 MER에 대한 다른 방법들(파란색 선, 웨이블렛 변환; 검은색 선, 제곱평균제곱근; 및 녹색 원, 표준편차)보다 가장 큰 파워 대비를 보인다. 삽입된 그림(inset)은 보다 상세한 차이를 보여준다. 제곱평균제곱근에 의한 트레이스는 표준편차에 의한 경향과 정확하게 일치한다.
도 13은 다양한 진폭 역치 및 주파수 컷오프 값에 따른 HFBA 트레이스들을 보여주는 도면이다. 도 13A: 40 μV 진폭 역치 및 1,000 Hz 주파수 컷오프에 따른 HFBA 트레이스. 도 13B: 40 μV 진폭 역치에서 다양한 주파수 컷오프 값에 따른 HFBA 트레이스들(컬러 코드). HFBA 트레이스들은 각 주파수 컷오프에서 첫 번째 디스파이크된 절편으로 표준화된다. 모든 주파수 컷오프 값에서 STN 경계는 수술 중 결정된 경계들과 유사하다(흰색 역삼각형으로 표시). 도 13C: 1,000 Hz 주파수 컷오프에서 다양한 진폭 역치 값들에 따른 HFBA 트레이스. HFBA 트레이스들은 각 진폭 역치에서 첫 번째 디스파이크된 절편으로 전체 트레이스들을 나눔으로써 표준화된다.
도 14는 오류들 및 이들의 PSD에 대한 실시예들을 보여주는 도면이다. 도 14A: 1초 동안 3개의 오류들을 포함하는 정제되지 않은 MER 시그널. 도 14B: PSD 파워(dB/Hz)의 컬러 코딩과 함께 연속적인 윈도우(running window; 64 msec 및 62.5 msec-중첩하는 윈도우 및 10 Hz 주파수 해상도)로 표시된 A에 대한 PSD 분광스펙트럼(spectrogram). 각 오류는 넓은 주파수 밴드 내에서 고 파워의 여러 밴드들로 표시된다. 가장 높은 파워는 500 Hz 및 500 Hz 범위에서 검출된다.

이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시 예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시 예에 의해 제한되지 않는다는 것은 당 업계에서 통상의 지식을 가진 자에 있어서 자명할 것이다.

실시예

실험재료 및 실험방법

정위 수술 및 MERs(microelectrode recordings)

39명의 환자들(20명의 남성 및 19명의 여성)과 2008년부터 2011년 사이에 양측성 STN DBS를 시술받은 진행성 PD 환자들로부터 얻어진 총 83개의 MERs이 후향성 연구(retrospective study)에 포함되었다. 5명의 환자들로부터 얻어진 동일한 STN에서의 2개의 MER 측정들도 포함되었다. 환자의 평균 나이는 56.8 ± 9.1세(29-70세 범위)였으며, 추적 연구의 평균 기간은 15.4 ± 4.2개월(8-25개월 범위)이었다. 의학 결과들로부터 정보를 획득하기 위해, 4개의 UPDRS 스코어(Unified Parkinson's Disease Rating Scale; UPDRS-I, -II, -III 및 -IV) score) 및 LED(levodopa equivalent dose)가 수술 전, 수술 후(1, 6 및 12개월) 및 이후 매년에 걸쳐서 조사되었다. 또한, 긴장 이상을 나타내는 26명의 환자들(18명의 남성 및 8명의 여성; 평균 나이, 40.0 ± 12.4세; 21-60세 범위)의 GPe/GPi(external segment of globus pallidus/internal segment of globus pallidus, 창백외핵/창백내핵)에 대한 총 41개의 MERs을 분석하여 해부학적 경계 구분에 대한 HFBA의 기능성(potential)을 확인하였다.

T2-강조(weighted) 축, 두상 및 가돌리늄(gadolinium, Gd)-증대된 T1-강조 축상면(axial planes)은 렉셀 G 정위 프레임(Leksell G stereostatic frame)-마운팅된 환자들로부터 1 mm 갭과 2 mm 슬라이스 두께로 1.5 T를 이용하여 얻었다. 환자들은 머리가 20° - 30° 정도 올려진 상태로 반듯하게 누워졌다. 1% 리도카인(lidocaine) 및 에피네프린(epinephrine; 1:100,000 희석; Huons Co. Ltd., Seoul, Korea)으로 국소 마취 상태에서, 버홀(burr hole; 직경 15 mm)을 뚫고 뇌경질막(dura)을 최소한으로 개방하였다. 뇌경질막 및 연뇌막(arachnoid-pia layer) 절개 후, 뇌거미막(지주막)과 뇌연질막이 응고되었다. 가이드-캐뉼러(guide-cannula) 삽입 후 뇌척수액(cerebrospinal fluid) 누출을 억제하기 위해 버홀이 피브린글루(fibrin glue)로 봉합되었다. 미세전극(Model FC1002, impedance 1 M at 1 kHz; Medtronic, Inc., Minneapolis, MN, USA)이 마이크로드라이브 시스템(Microdrive System; Medtronic, Inc)에 마운팅되고 C-arm 가이드(guidance) 하에서 목적 타겟의 15 mm 위까지 삽입된 후, 리드포인트 미세전극 기록 시스템(Leadpoint Micro-Electrode Recording System; Medtronic, Inc.)을 이용한 시각적 및 청각 가이드를 통해 전기적 활성을 모니터링하는 동안에 상기 타겟으로 점차적으로 이동시켰다. 미세전극은 세포 활성에 따라 0.5 mm 간격 또는 그 이하로 전진시켰다. 명백한 세포 활성이 존재하는 경우, 미세전극을 10초 동안 정지시키고 흥분도를 모티터링하여 뇌심부 부위와 STN 경계를 구별하기 위한 IOD-결정(making)에 이용하였다[26].

시그널은 300 Hz와 5 kHz 사이에서 밴드-패스(band-pass) 여과시키고 오프-라인 분석을 위해 DT-800 시스템(48 kHz sampling rate; MicroData Instrument, Inc., S. Plainfield, NJ, USA)을 이용하여 디지털 청각 테이프에 저장하였다. 데이터는 4 kHz 추출 속도(sampling rate)를 가지는 AD converter(CED 1401 plus; Cambridge Electronic Design, Cambridge, UK)와 Spike2(ver. 7.05b; Cambridge Electronic Design)를 이용하여 디지털화시켰다.

데이터 분석

MER의 후향적 분석을 위해, 우선 정제되지 않은 시그널(raw signals)을 힐버트 변환 후, 20 msec 윈도우의 이동평균에 의해 보정된 포괄 신호(envelope)의 국소적 최대값이 40 μV보다 큰 경우에 오류(artifacts)로 검출하였다. 40 μV보다 더 큰 국소 피크 진폭을 가지는 스파이크들이 선택되고 상기 국소 피크 앞의 1개의 포인트 및 뒤의 5개의 포인트들을 포함하는 짧은 절편들이 MER로부터 제거되었다. 각 1.0 sec의 절편에 있어서, 제거된 오류들 및 스파이크들에 따른 갭들은 다른 시그널들로 채워지지 않았으며 나머지 시그널들이 연속적으로 축적되었기 때문에, 본 발명자들은 이것을 '디스파이크된 절편(despiked segment)'으로 명명하였다. 이후, 본 발명의 HFBA가 상기 디스파이크된 절편으로 분석되었다. 고주파 범위(>1,000 Hz)에서 PSD의 평균값이 계산되었다. 하지만, 디스파이크된 절편의 길이가 30 msec 이하인 경우에 PSD 계산이 실패하였기 때문에 상기 절편은 "0"으로 할당되었다. 각각 1.0 sec동안 계산된 HFBA 값은 수술 중 레코딩 동안 기록된 시간-위치 정보(time-position information)를 이용하여 미세전극 깊이로 기재되었다. HFBA은 첫 번째 절편의 파워로 자동 기록 장치가 그리는 선을 나눔으로써 표준화시켰다.

실-시간(real-time) 프로세싱을 모방(mimic)하기 위해, 상기 과정이 약간 변형되었다. MER 데이터를 읽어드리는 동안, 40 μV-고정된 길이 포인트보다 더 큰 데이터 포인트(1 포인트 전 및 5 포인트 후 포함)가 제거되었으며, 1초 동안 축적한 다음 평균 PSD를 HFBA로 할당하였다. 축척된 길이가 30 msec 이하인 경우 평균 PSD 값은 "0"으로 할당하였다. 다른 과정들은 위의 후향적 분석과 동일하다. 모든 분석들은 Matlab(Mathworks, Inc., Natick, MA, USA)을 이용하여 실시하였다.

통계 분석

Student's t-검정(test)은 의학 결과들의 평균 값들을 비교하기 위해 적용되었으며, 피어슨 상관계수(Pearson correlation coefficient)를 계산하여 의학 결과들 간의 선형 상관관계를 확인하였다. 비모수적 순위합 검정(nonparametric rank sum test)을 적용하여 HFBA와 IOD에 의해 결정된 STN 경계들 및 STN 크기의 중앙값들을 비교하였다. 모든 통계학적 분석들은 Matlab을 이용하여 실시하였다.

실험결과

MER의 기준 활성 변화에서의 상이한 패턴들

미세전극이 STN을 접하는 경우에 발생하는 기준 활성(baseline activities)의 증가가 모든 경우에서 일관되지 않았다. 환자 및 접근의 주행 방향(trajectory)에 따라 여러 가지 패턴들이 존재하였다. 도 1은 3명의 PD 환자에서 보여지는 전형적인 3가지의 기준 활성 변화들을 보여준다. 수술 중 모니터링 동안 미세전극이 등 쪽 STN 경계에 접하는 시기를 "0초"로 결정하였다. 기준 활성의 증가가 도 1A에서 불분명하였다. 하지만, 도 1B 및 도 1C에서 볼 수 있듯이, 기준 활성의 증가는 점차적이고 급격한 변화들로 나타났다. 도 1C에서 경계는 약 1초 딜레이로 결정되었으며 오디오 모니터링을 이용한 기준 활성 상의 변화들이 용이하게 청취된다. 반면에, 등 쪽 경계는 도 1B에서 볼 수 있듯이 15초 늦게 결정되었다. 상기 정제되지 않은 시그널에서, 경계 변화는 상기 시그널이 장시간 동안(약 100초) 시각화됨에 따라 명확해졌지만, 수술 중에 시각적 모니터링과 오디오 모니터링 간의 상기 차이를 신속하게 구별하는 것을 어려울 것이다. 따라서, 기능적인 경계를 즉시 해독하는 것이 해결해야 할 문제이고, 특히 도 1A 및 도 1B의 경우에 적용될 수 있는 객관적인 방법들이 요구되고 있다.

MER로부터 백그라운드 활성의 추출

환자로부터 다른 흥분도 패턴을 가지는 스파이크들이 도 2에 보여진다. 좌측 패널은 1초 동안의 MER 트레이스들을 나타내고 오른쪽 패널은 20 msec 동안의 보다 상세한 개별 스파이크들과 기준 노이즈 레벨을 보여준다. 도 2A(느린 형태), 도 2B(빠른 형태) 및 도 2C(촉발 형태)에서의 단일 스파이크들은 기준 활성보다 훨씬 더 컸는데, 이는 진폭 역치 컷오프를 이용하여 상대적인 단순 분리를 가능하게 해준다. 하지만, 도 2D의 스파이크들은 기준점과 유사하거나 또는 약간 더 큰 정도였으며, 상기 기준점들은 도 2A, 도 2B 및 도 2C보다 더 큰 변이성을 나타냈다. 본 발명자들은 근처의 활성 뉴런들로부터 유래되는 작은 진폭의 MUAs이 포함되었을 것으로 추론하였다.

도 2B에서, 흥분도는 MER을 이용하여 측정된 적정 스파이크 점유율(spike occupancy rate; 스파이크 길이/총 길이(%))의 계산을 허용하는 다른 경우들보다 더 높았다. 스파이크의 총 수는 분류(sorting, 스파이크의 종류에 따른 분류) 전에 0.1초 당 25개였는데, 이는 250 Hz의 흥분도를 의미한다. 각 스파이크는 약 6개의 포인트들을 포함한다(참고: 도 2B의 오른쪽 패널). 따라서, 스파이크와 백그라운드 활성 점유율은 각각 37.5% 및 62.5%였다. 이것은 백그라운드 활성에 스파이크 활성보다는 오히려 백그라운드 노이즈로부터 기여도가 더 크다는 것을 의미하는 데, 이는 스파이크들과 백그라운드 노이즈를 구분하는 것이 적절한 고진폭 역치 세팅(high amplitude threshold settings)을 통해 뇌심부에서의 기능적 차이를 규명하는 데 보다 더 유용할 수 있다는 것을 나타낸다.

MER로부터 백그라운드 활성을 분리하기 위해, 오류들(대부분 전극 이동 중에 발생하는 기계적 노이즈들)과 개별 스파이크들이 제거되었다. 본 발명자들은 40 μV를 역치값(threshold value)으로 선택하였는데, 이는 모든 환자들의 MERs에서 스파이크 진폭들이 50 μV보다 더 컸기 때문이다. 또한, 도 2D에서 볼 수 있듯이 MUAs로부터 유래된 작은 국소 피크들의 역치값들은 40 μV 내에 존재하였다. MER로부터 스파이크들과 오류들을 제거한 후, 3개의 선택 사항들이 시그널 갭들을 메우기 위해 이용할 수 있다: 임의적 노이즈, 보간(interpolate; 스플라인, 선형 또는 상수 값) 또는 필링(filling) 없이 갭들을 연결하는 것. 본 발명자들은 필링 없이 갭들을 연결하는 방법을 선택하였는데, 이는 가장 간단한 선택사항으로 필링 프로세스가 변동(fluctuation) 레벨로 오염될 수 있고 디스파이크된 절편이 PSD를 계산하기에 충분할 만큼 길었기 때문이다. 디스파이크된 절편이 PSD를 계산하기에 너무 짧은 경우에는 상기 절편에 대한 PSD 파워(μV²/Hz)를 "0"으로 할당하였다.

HFBA는 높은 파워로 STN을 위치화시킬 수 있다

도 3은 HFBA가 1,000 Hz 주파수 컷오프 및 40 μV 진폭에 따라 도 1의 3가지 기준 패턴들에 대한 타겟 경로를 변화시킨다는 것을 보여주는 결과이다. 수술 전에 결정된 타겟 포인트(일반적으로, STN의 중간 부위)가 "0 mm"로 표시된다. STN 몸체(검은색 역삼각형 사이) 내 HFBA는 다른 부위들보다 더 높다. IOD를 위해 이용된 10초 동안의 HFBA 파워의 평균값(붉은 색 원으로 표시)는 1초 동안의 HFBA와 잘 매치되었다. HFBA 결과는 정제되지 않은 MER 시그널들과 현저한 차이를 나타냈다. 도 1A에서는 전극이 STN의 등 쪽 경계에 진입하였을 경우에 특별한 변화를 보이지 않았으나, 도 3A에서는 점진적인 HFBA 증가가 -3.5 mm 위치에서 시작되었다. 상술한 실시예는 HFBA를 이용하여 STN 경계의 위치화를 명확히 할 수 있다는 확실한 증거이다.

IOD와 HFBA의 STN 경계 비교

수술 중 레코딩을 통해 결정된 등 쪽 및 배 쪽 경계들(도 3에서 검은색 역삼각형으로 표시된 부분)과 HFBA를 이용하여 결정된 잠재적인 경계가 비교되었다. 도 3A에서, STN 배 쪽 경계는 MER을 통해 0.3 mm로 결정되었지만 급작스런 HFBA 감소는 더 뒤의 포인트에서 더 명확하였다(0.9 mm). 도 3B에서는 STN 등 쪽 경계가 -4.5 mm였지만 HFBA는 좀더 앞쪽의 포인트에서 뜻밖의 변화를 보였다(-4.8 mm). HFBA 및 IOD(DBS 수술 동안 외과의사에 의해 결정된 경계)에 의해 결정된 STN 경계 상의 차이는 위치화 에러(localization error)를 포함할 수 있다.

도 4는 HFBA(빨간색 삼각형)과 IOD(검은색 역삼각형)을 이용한 STN 경계 결정의 실시예들을 미세전극이 STN으로 진입하고(왼쪽 패널, 등 쪽 경계) 나가는(오른쪽 패널, 배 쪽 경계) 과정을 상세하게 보여준다. 도 4A, 도 4C 및 도 4D에서 보여지는 HFBA 상의 급격한 변화에 따른 STN의 경계를 명확하게 확인할 수 있었지만, 도 4B, 도 4E 및 도 4F에서는 HFBA의 점진적인 변화로 경계의 확인이 매우 어려웠다. 도 4B, 도 4E 및 도 4F의 경우에서, 본 발명자들은 HFBA 트레이스들을 고려하며 IOD로부터 얻어진 경계들에 근접한 포인트를 선택하기 위해 노력하였다. 도 4G 및 도 4H는 STN 경계의 차이들(= HFBA-IOD)의 분포를 의미한다. 양성(+) 차이는 수술 중에 결정된 STN 경계(IOP)가 HFBA보다 더 등 쪽에 위치하였다는 것을 의미하는데, 이는 최적 위치보다 더 등 쪽에 위치하는 전극 위치를 초래할 것이다. 위치화 에러를 포함하는 부차적인 큰 차이들에도 불구하고 대부분의 차이가 -0.5 ~ 0.5 mm 사이였기 때문에 83개의 MERs로부터 얻어진 상술한 분포들은 등 및 배 쪽 STN 경계들에 대한 수술 중 위치가 잘 매치되었음을 보여준다. 상술한 결과들은 짧은 기간(1초) 모니터링과 조합된 HFBA를 이용하여 좀더 정밀한 위치화 과정이 가능할 수 있다는 것을 의미한다.

DBS 수술에서 의학 결과들의 변화

UPDRS-I, -II, -III, -IV 값 및 LED를 포함하는 5가지의 의학 결과들이 체크되었다. 도 5는 위쪽 패널의 의학 결과(선으로 표시된 심볼)와 아래쪽 패널의 평균값들(막대 그래프)의 개인별 변화들을 보여주는 결과이다. UPDRS-I 스코어(수술 전과 수술 후의 평균값: 5.2 ± 2.0 대 3.8 ± 2.0, 도 5A)는 통계적으로 유의하게 차이가 없었지만(p>0.05), 다음의 다른 스코어들에 비해 현저하게 감소하였다: (a) UPDRS-II 스코어(20.4 ± 1.2 대 15.6 ± 1.2; p<0.01, 도 5B); (b) UPDRS-III 스코어(44.1 ± 1.7 대 28.5 ± 2.2; p<0.001, 도 5C); (c) UPDRS-IV 스코어(9.6 ± 1.6 대 5.3 ± 0.8; p<0.001, 동 5D); 및 (d) LED 스코어(1053.8 ± 64.7 대 495.3 ± 70.2; p<0.001, 도 5E). UPDRS-I, -II, -III, -IV 및 LED의 임상 스코어가 악화된 환자들의 수는 각각 15, 11, 6, 9 및 5명이었다. 의학 결과들 간의 선형 상관성 변화들(= 수술 후 스코어 - 수술 전 스코어)은 피어슨 상관계수를 이용하여 측정하였다. UPDRS-II는 UPDRS-III와 현저한 상관관계를 가졌다(r=0.63, p<0.001).

경계 차이로서 의학 결과들 대 위치화 에러

평균값 결과 스코어들(mean outcome scores)이 현저하게 감소하였을지라도, 몇몇 환자들은 증가된 스코어들을 가졌다. 각 의학 결과에 대한 스코어 변화에 따라 환자들이 그룹핑되었다: 제I그룹은 증가된 스코어들을 가진 환자들을 포함하였고 제II그룹은 감소된 스코어들을 가진 환자들을 포함하였다. 경계 차이는 각 그룹에 대한 위치화 에러로서 이용되었고 IOD 및 HFBA에 의해 결정된 경계들(boundary dimensions) 간의 차이를 공제함으로써 계산되었다. 비모수적 순위합 검정 방법을 적용하여 제I그룹의 환자들의 수가 제II그룹의 환자들의 수보다 적었기 때문에 비모수적 순위합 검정 방법을 적용하여 중앙값들을 비교하였다.

제I그룹과 제II그룹의 4개의 경계 차이들(좌측-등, 좌측-배, 우측-등 및 우측-배)이 각 의학 결과에 대해 비교되었다. 한 환자가 동일한 STN에서 2개의 MER 레코딩을 가지는 경우에는, 마지막 레코딩으로부터 얻어진 STN 경계가 이용되었다. 도 6은 통계적으로 유의한 경계 차이들(제I그룹 대 제II그룹의 중앙값 차이)을 보이는 결과들이다: (a) 좌측-등 LED 스코어, 0.05 대 -0.26 mm, p<0.05; 도 6A); 및 (b) 좌측-배 UPDRS-IV 스코어(0.54 대 -0.04 mm, p<0.01; 도 6B).

제I그룹의 경계 차이는 좌측 STN에 대한 LED(도 6A, 4명의 환자들) 및 UPDRS IV(도 6B, 8명의 환자들)에서 더 많은 양성 값들을 포함한다는 것이 흥미로운데, 이는 IOD에 의해 결정된 전극 위치들이 최적 위치에 대해 등 쪽 위치였다는 것을 의미한다. 한편, LED 스코어에서 제I그룹의 우측 배 쪽 STN 경계들이 2명의 환자들에서 커다란 음성 차이들(약 2 mm)을 나타냈을 지라도, 우측 STN에서의 유의한 경계 차이들은 없었다. 또한, 제II그룹의 아웃라이어들(outliers; 원으로 표시)은 큰 위치화 에러들을 가지지만 개선된 의학 결과들을 나타냈기 때문에, 상술한 경계 차이들은 개인별 변이성을 보여준다. 제I그룹이 많은 양성 경계 차이들 및 나쁜 의학적 결과들을 나타낸다는 발견들에 기반 하여, 본 발명자들은 제I그룹에서의 자극 전극 위치가 최적 위치보다 좀 더 등 쪽에 위치된 것으로 예측한다. 또한, 상술한 결과들은 STN 구별용 HFBA를 이용하는 것이 흥분도 패턴을 간단하게 관찰함으로써 STN의 구별에 매우 우수한 효과를 나타낸다는 것을 제시한다.

의학 결과들 대 STN 크기

환자들이 상술한 바와 같이 그룹핑되었다. 각각의 의학 결과에 대해 HFBA 또는 IOD에 의해 결정된 상술한 2개의 그룹들의 STN 크기(등 쪽 경계와 배 쪽 경계 간의 길이)들은 비모수적 순위합 검정을 적용하여 비교하였다(참고: 도 7). 도 7A 및 도 7B는 각각 HFBA에 의한 좌측 및 우측 STN 크기를 보여주는 결과이다. UPDRS-III에서 제I그룹의 좌측 STN 크기는 제II그룹의 크기와 현저한 차이를 나타냈다(제I그룹 대 제II그룹의 STN 크기의 중앙값, 7.46 대 6.49, p<0.05; 도 7A). 반면에, 수술 중 결정(IOP)에 따른 STN 크기는 3가지의 의학 결과들에서 유의한 차이를 나타냈다: (a) LED에서 좌측 STN 크기(제I그룹 대 제II그룹의 STN 크기의 중앙값, 7.45 대 6.30, p<0.05; 도 7C); (b) UPDRS-II에서 우측 STN 크기(제I그룹 대 제II그룹의 STN 크기의 중앙값, 5.70 대 6.40, p<0.05; 도 7D); 및 (c) UPDRS-IV (제I그룹 대 제II그룹의 STN 크기의 중앙값, 6.95 대 6.25, p<0.05; 도 7D). 도 7D의 UPDRS-II에 따르면, 우측 STN 크기는 제II그룹보다 제I그룹에서 IOD에 의해 더 작게 관찰되었다. 상술한 결과들을 토대로, UPDRS-I의 제I그룹을 제외하고는 더 큰 STN 크기가 나쁜 의학 결과들을 지속적으로 나타냈다. 한편, IOD에 의해 결정된 STN 크기와 비교하여 HFBA에 의해 결정된 STN 크기는 유의한 차이를 나타내지 않았다(참고: 도 8).

HFBA 파워 변화에 따른 기울기 분포

백그라운드 활성의 양은 미세전극 팁 주위의 뉴런들의 활성 레벨을 의미한다. 이러한 개념으로부터 STN 경계 주위의 HFBA 파워 변화에 따른 패턴이 활성 세포 집단에 대한 정보를 제공할 수 있다는 것을 알 수 있다. 도 9A 및 도 9B는 각각 등 쪽 및 배 쪽 경계에 대한 HFBA 파워 변화율(change rates)의 분포를 기울기(거리 당 파워 변화; μV²/mm)로 나타낸 결과이다. 기울기(도 9C 및 도 9D에서 표시된 빨간 선)는 명확하게 증가(등 쪽) 또는 감소(배 쪽) 패턴을 나타내는 HFBA 트레이스를 이용하여 계산하였다. 등 쪽 및 배 쪽 STN 경계에서, 상기 기울기의 분포는 폭넓었다. 등 쪽 및 배 쪽 STN 경계에서 기울기의 중앙값은 각각 0.045 및 -0.04 μV²/mm였다. 상술한 기울기의 폭넓은 범위는 STN 경계에 접근하는 미세전극의 다양한 정위 좌표들(stereotaxic coordinates)로부터 기인한 것일 수 있다. 2개의 서로 다른 정위 좌표들은 동일한 STN 내의 다른 세포 집단을 만날 것이다. 도 8C 및 도 8D는 동일한 STN에서 2 mm 거리의 서로 다른 2개의 위치들에 대한 HFBA 트레이스들을 보여주는 2개의 실시예들을 보여준다. 첫 번째 레코딩은 파란색 트레이스이고 두 번째 레코딩은 녹색 트레이스이다. 도 9C에서 볼 수 있듯이, 첫 번째 레코딩(파란색 역삼각형) 및 두 번째 레코딩(녹색 역삼각형)에서의 등 쪽 경계의 위치는 유사하였으나, 배 쪽 경계의 위치는 큰 차이를 보였다. 반면에, 도 9D의 경우에서는 등 쪽 및 배 쪽 경계들이 선형 쉬프트(linear shift)를 나타냈지만, 역삼각형들 간의 거리로 알 수 있는 STN 크기는 두 번째 레코딩에서 더 컸다. 또한, 기울기는 2개의 레코딩에서 미세전극 접근방법에 따라 서로 달랐다(참고: 도 9의 기재 내용). HFBA 기울기 상의 변화와 STN 경계 위치에서의 차이(중앙값 또는 측면 쉬프트)는 STN을 지나는 동안 미세전극에 의해 기록된 STN의 구조적 차이를 포함하는 것일 수 있다.

Gpe/Gpi 경계 주위의 HFBA 트레이스

STN에서의 HFBA 패턴들이 다른 구조체에서도 관찰되는 지 여부를 확인하기 위해, Gpe/Gpi에 대한 HFBA 트레이스가 분석되었다. 도 10은 Gpe/Gpi에서의 전형적인 HFBA 트레이스들을 보여주고 이를 41개의 MERs로부터 3개의 패턴들로 카테고리화시킨 결과를 보여준다: (a) 첫 번째 패턴은 Gpe/Gpi 경계를 가로지르는 HFBA의 증가를 명확하게 보여준다(도 9A; 24.4%, 10 케이스); (b) 두 번째 패턴은 HFBA 파워의 급격한 증가 및 감소의 반복을 나타낸다(도 10B; 61.0%, 25 케이스); 및 (c) 세 번째 패턴은 작은 HFBA 파워 변화를 보여주는 경우이다(도 10C; 14.5%, 6 케이스). Gpi의 시작은 검정색 역삼각형으로 표시되었다. 도 10A에서 보여지듯이, HFBA 트레이스들은 국부적으로 증가하는 경향을 뚜렷하게 나타냈다. 하지만, 파워 증가가 작은 도 10B 및 도 10C의 패턴에서 이것을 올바르게 인지하는 것은 어려웠다. 상술한 케이스들에서, 본 발명자들은 IOD로부터 얻어진 Gpi 경계(삼각형으로 표시)에 더 근접한 트레이싱의 급격한 변화를 나타내는 기울기를 선택하였다. 도 10D는 Gpi 경계 주위의 HFBA 기울기의 분포를 보여주는 결과이다. 기울기 분포는 STN의 분포와 유사하였지만(도 9A 및 도 9B), Gpe/Gpi에서의 평균값이 더 작았다.

추가논의사항

본 발명자들은 83개의 MERs을 연구하여 STN의 위치화에 있어서 HFBA의 효과를 확인하였다. 수술 중 결정되는 STN 경계들은 몇몇 PD 환자들에서 HFBA에 의해 결정된 경계들과 유의하게 차이가 있었다. HFBA의 매우 높은 파워는 STN-특이적이었다. 더 나아가, 본 발명자들은 HFBA를 이용하여 큰 위치화 에러 및 나쁜 의학 결과들을 나타낸 몇몇 PD 환자들을 발견할 수 있었다. 따라서, HFBA를 이용한 위치화는 STN 위치화에 있어서 DBS 수술에서 객관적인 가이드로 이용할 수 있다.

백그라운드 활성을 이용한 STN의 위치화

백그라운드 변화(또는 기준 활성 변화)가 등 쪽 STN을 확인하기 위해 이용되어 왔다. 백그라운드 노이즈 레벨의 오디오 모니터링은 간접적이지만 핵심 사항이다. 소리가 기본 활성의 변화들을 반영한다는 사실에 기인하여, 집도의(operator)는 미세전극의 진입 과정 동안 변화들을 모니터링할 수 있다. 이러한 이유로, 여러 연구자들이 국소 전위[20], MERs의 제곱평균제곱근[25] 및 MER의 고주파(> 500 Hz) PSD[11, 17]를 이용하여 백그라운드 활성의 정량화를 시도하였다.

백그라운드 활성을 조사하기 위해서는 오류들과 스파이크들의 제거가 필수적이다. 상기 오류들과 스파이크들은 큰 진폭, 제곱평균제곱근(또는 표준편차), 웨이블렛 변화 및 파워 스펙트라 밀도 계산으로 인해 기준 활성 레벨을 오염시킨다. 정제되지 않은 시그널에서 큰 진폭 이벤트들은 모든 주파수들의 파워를 증가시켰다. 이를 해결하기 위해, 2가지 방법들이 이용되었다. 첫 번째 방법은 큰 진폭 이벤트들을 제거한다. 상기 방법은 스파이크들 및 노이즈 오류들이 점거한 갭들을 필링하는 문제를 해결하기 위한 간단하고 직접적인 접근 방법이다. Novak 등(2011)은 언수퍼바이즈드 다우베키스-기반 웨이블렛 알고리즘[unsupervised Daubechies-base wavelet algorithm; 27]을 이용하여 백그라운드 활성의 변화 없이 스파이크들을 제거하였다. 두 번째 방법은 Dolan 등(2009)이 이용한 간접적 접근 방법이다. MER 시그널 포괄 신호의 분포는 힐버트 변환, 밴드-제한된 가우스 노이즈를 이용하여 계산된 후, 레일리 분포로 표시된다. 따라서, 유의한 이벤트들은 레일리 분포의 꼬리에 위치하게 될 것이고 백그라운드 노이즈는 상기 분포의 최대 피크 주위에 위치할 것이다[25]. 최대 피크는 백그라운드 노이즈 레벨을 나타낸다. 상술한 2가지 방법들에서 더 긴 MER 절편이 요구되었기 때문에, Novak 등(2011) 및 Dolan 등(2009)은 10초 MER 절편을 이용하였다.

한편, 본 발명자들의 방법은 간단하고 직접적인 기준 활성 레벨을 제공한다. 큰 이벤트들(> 40 μV)은 1초의 절편으로부터 제거되었으며, 남은 데이터 포인트들은 연속 시그널(continuous signal)로 축적 되었다. 이러한 결합(conjuction)은 다른 오류를 발생시킬 수도 있지만, 여전히 백그라운드 변동 레벨보다 작았다. 이에, 다른 오류가 존재하더라도 무시될 수 있었다. 도 3은 HFBA를 이용하여 본 발명자들의 방법이 기초적인 백그라운드 활성 레벨을 표현하는 데 유용하고 상기 결합 오류가 무시할 만하다는 것을 잘 보여준다. 도 3에서, 근처 절편들보다 더 높지만, HFBA 변화에 따른 문제가 아닌 몇몇 HFBA 절편들이 존재한다. 상기 HFBA 절편들은 진폭 역치를 감소시키고 피크 이벤트들 주위의 제거 포인트들을 증가시켜 디스파이크된 절편을 제조함으로써 제거될 수 있다. 본 발명자들의 방법이 실-시간 또는 온라인 프로세싱에 유용한 지 여부를 테스트하기 위해, 본 발명자들은 실-시간 레코딩을 모방하였다. 차례로 MER 데이터를 읽는 동안, 데이터 포인트의 절대 값이 진폭 역치(40 μV)보다 더 큰 경우 상기 데이터 포인트 전의 1개의 포인트 및 이후의 5개의 포인트들(총 6개의 데이터 포인트들)이 제거되었다. 잔여 데이터 포인트들은 연속적으로 축적되었다. 상기 과정은 1초 마다 실시되었다. 큰 진폭 오류들 및 스파이크들은 기원 또는 의미를 고려함이 없이 제거하였다. 결과들은 몇몇 높은 흥분도 부위들을 제외하고는 유사하였다(참고: 도 11 내 -3 ~ -1.5 mm 깊이). 상기 프로세스를 좀 더 간편하고 신속하게 실시하기 위해, HFBA는 짧은 스파이크된 절편을 이용하여 계산하였는데, 이는 본 발명자들의 간단한 프로세스가 수술에 직접적으로 적용될 수 있다는 것을 보여준다.

기준 활성 변동 정량을 위한 방법들의 비교

기준 활성 변동 레벨을 계산하기 위해, 제곱평균제곱근, 표준편차, 웨이블렛 변환 및 PSD가 이용되었다. 본 발명자들은 가장 효과적인 기법을 결정하기 위해 상기 방법들을 비교하였다. 웨이블렛 변환에서 파워 평균값(mean power)은 1,000-2,000 Hz 주파수 범위에서 "bior1.5" 또는 "morlet" 웨이블렛을 이용한 연속 웨이블렛 변환을 이용하여 계산하였다. PSD를 이용한 HFBA는 다른 방법들과 비교하여 가장 높은 파워 대비(power contrast)를 나타냈다(참고: 도 12). 제곱평균제곱근은 절대적인 값 진폭을 반영하기 때문에 표준편차와 동일하였다. Snelling 등(2009)은 웨이블렛-유래된 백그라운드 활성을 이용하는 것이 PSD를 이용하는 것보다 더 효과적이라는 것을 보고하였다. Snelling 등(2009)과 본 발명자들의 방법 간에 차이점들이 존재한다. Snelling 등(2009)은 스파이크들을 검출하기 위해 웨이블렛 변환을 이용하였고 이때 백그라운드 활성은 비-스파이크 시그널들의 제곱평균제곱근에 의해 표시되었다. Snelling 등(2009)은 웨이블렛-유래된 백그라운드 활성과 PSD 간의 z-스코어를 비교하였다. 전체 시퀀스를 표준화시키고 대비능(contrast)을 감소시키기 위해, z-스코어는 전체 시그널들의 평균값 및 표준편차에 의해 계산되었다. 하지만, 본 발명자들의 표준화는 가장 낮은 파워를 가진 최초 1초 절편을 이용하여 실시하였고 z-스코어보다 대비능이 우수한 파워비 시그널(power ratio signal)을 제조하였다. 도 12에서 확인할 수 있듯이, 본 발명의 비율 표준화는 다른 방법들보다 우수한 효율을 나타낸다.

본 발명자들은 백그라운드 활성 레벨을 추출하는데 중요한 주파수 컷오프와 진폭 역치를 조사하였다. 이를 위해, 본 발명자들은 주파수 및 진폭 역치의 변화에 따른 결과를 조사하였다(참고: 도 13). 도 13A는 1,000 Hz 주파수 컷오프와 40 μV 진폭 역치로 계산된 HFBA 트레이스를 보여주는 결과이다. STN 위치(검은색 역삼각형 사이)에 대해 높은 파워를 나타내는 상술한 매개변수들의 결과가 도 3에서처럼 보여 진다. 도 13B는 고정된 진폭 역치(40 μV; 컬러 코드) 하에서 다양한 주파수 컷오프(100-1,000 Hz)에 따른 HFBA 결과를 의미한다. STN 위치(흰색 역삼각형 사이)가 모든 주파수 범위에서 높은 파워를 가졌다. 특히 더 낮은 주파수 컷오프에서 더 높은 파워를 가지는 몇몇 절편들이 존재하였는데, 이들은 제거되지 않았던 작은 오류들로부터 유래하였으며 고주파 범위에서 파워가 감소하였다. 단일 오류는 500 Hz 근처에서 최대 PSD 파워를 나타냈다(참고: 도 14A 및 도 14B). 상술한 발견들에 기초하여, 본 발명자들은 1,000 Hz 고주파 컷오프가 HFBA의 오염을 최소화시키기에 충분하다고 결정하였다. 진폭 역치의 조사에 있어서, 주파수 컷오프가 1,000 Hz로 고정되었다. 도 13C에서의 HFBA 경향은 역치 변화의 효과를 나타낸다. 낮은 진폭 역치 값(15 μV)는 좋은 대비 효과를 나타내지 않지만, 역치 증가에 따라 대비 효과가 증가하였다(특히, STN의 내부; 흰색 역삼각형으로 표시됨). 상기 파워 증가는 MUA(multi unit activity)로부터 유래한다. 더 나아가, 경계(흰색 역삼각형 근처)에서의 대비능은 28 μV 이상의 역치 증가에 따라 유의하게 증가하지 않았다(참고: 도 13C). 상술한 결과들은 적당한 역치 값과 고주파 컷오프(예를 들어, 본 발명자들이 이용한 40 μV 및 1,000 Hz)를 이용한 HFBA가 STN 경계를 구별하는 데 충분하다는 것을 제시한다.

STN 경계 검출에 대한 HFBA의 효율

도 3에서 알 수 있듯이 HFBA 트레이스들은 STN 경계를 검출하는 데 유용하다. 1초 동안의 HFBA를 이용한 백그라운드 활성의 변화는 IOD와 잘 매치되었다. 특히, HFBA를 이용한 STN 경계와 IOD에 의한 STN 경계는 83개의 MERs로부터 좌측-등 STN에서의 6 케이스 및 좌측-배 STN에서의 6 케이스를 제외하고는 유사하였다. 대부분의 케이스들에서, 그 차이는 ± 1.0 mm 이하로 관찰되었다. 이것은 IOD를 이용한 본 발명자들의 STN 위치화가 성공적이었다는 것을 의미한다. 한편, 경계 차이의 폭넓은 분포(도 4G 및 도 4H)는 짧은 시간 동안 정밀한 단계로 구동하는 자동화된 미세전극(예를 들어, 1.0초 동안 0.1 mm)과 조합된 HFBA를 이용한 STN 경계의 보다 정밀한 위치화의 가능성을 강하게 시사한다.

의학 결과들과 STN 경계의 비교

STN 경계의 위치화를 최적화하는 목적은 DBS 효율을 개선하기 위한 것이다. 따라서, DBS 결과들은 최적의 DBS 전극의 위치와 관련이 있다. 본 발명자들이 39명의 PD 환자들 중 5개의 의학 결과들을 비교한 결과, 대부분이 감소하였다. 이러한 감소는 소수의 환자를 제외하곤 대부분 성공적인 DBS 수술이었다는 것을 의미한다.

놀랍게도, UPDRSs과 LED의 각 파트는 서로 강한 연관성을 나타내지 않았다. 본 발명자들은 피어슨 상관계수를 이용하여 UPDRS-II 대 UPDRS-III 상의 양성 상관성만을 발견하였다(p<0.05). 이것은 DBS 수술에 대한 반응에서 개인에 따라 존재하는 변이성에 기인한 것일 수 있다. 더욱이, 제I그룹에서 상기 개인별 변이성과 작은 시료 수(UPDRS-I, -II, -III, -IV 및 LED에서 각각 15, 11, 6, 9 및 5개)의 제한점들이 본 발명자들의 통계적 분석을 혼란시켰을 수도 있다.

STN 경계 차이 비교에서 UPDRS-IV와 LED 간에 통계적으로 유의한 결과들이 존재했다는 것이 흥미롭다. 상기 2개의 의학 결과에 대한 측정치들(measures)은 PD 증상들, 레보도파(levodopa)의 동일 투여량에 따른 PD의 심각성과 LED에 대한 UPDRS-IV 스코어와 연관되어 있다. 제I그룹에서의 보다 큰 STN 경계 검출 에러는 일관된 결과들을 나타냈으며, DBS 수술에서 HFBA의 이용 가능성을 보여줬다. 불행하게도, 본 발명의 데이터는 임상의-스코어된 모터 평가(motor evaluation)인 UPDRS-III에 대한 유의한 결과를 나타내지 않았다. 매우 주관적인 측정치들인 UPDRS-I(정신 상태, 행동 및 분위기) 및 UPDRS-II(자가-평가된 일상생활능력)는 UPDRS-II에 대한 STN 크기 비교 결과를 제외하고는 유의한 의미를 나타내지 않았다.

HFBA 변화는 STN-특이적이다

본 발명자들은 HFBA의 파워가 다른 부위보다 STN에서 더 큰 이유에 대해 의문을 가졌다. 이것은 흥분 패턴과 세포 활성에서의 차이와 연관이 있을 것이다. MER의 전형적인 주행 방향(trajectory)은 시상(TH), 불확핵(zona incerta, ZI), 내섬유막(internal capsule, IC), STN 등 쪽의 포렐구역(H field of Forel, H) 및 STN 배 쪽의 SNr을 포함한다. 하기 표 1은 상기 영역들의 기능적 특성들을 요약한 것이다.

각 뇌심부 부위의 흥분 패턴들 및 특징들.

	흥분도 (평균값±SD spikes/sec)	흥분 패턴	다른 특징	참고문헌
TH			회백질	Falkenberg et al., 2006
		느린 흥분 패턴 및 촉발 흥분 패턴		Benazzouz et al., 2002 Cagnan et al., 2011 Sterio et al., 2002
	11.7±15: 중심-외측 32.7±23.1: 내측-등쪽			Magnin et al., 2000 [34]
				Sterio et al., 2002
ZI				Hutchison et al., 1998
	29.5	8-14 Hz 리듬있는 진동		Merello et al., 2006 [35]
		매우 조용한 패턴으로 간주됨		Hutchison et al., 1998
H			2 또는 3개의 세포 레코딩	Sterio et al., 2002
IC		거의 침묵	상행성 및 하행성 액손을 가지는 백색질	Sterio et al., 2002
STN		고 흥분도 및 불규칙한 촉발		Cagnan et al., 2011
	37±17			Hutchison et al., 1998
	42.3±22.0			Benazzouz et al., 2002
	52.0±12.0: 등 쪽 43.0±9.5: 배 쪽		6.8±2.0 세포/mm: 등 쪽 4.7±1.8 세포/mm: 배 쪽	Sterio et al., 2002
SNr	30±13	강직성 방전 (8-80 Hz 범위)		Benazzouz et al., 2002
SNr	71±23.2	규칙적 방전		Sterio et al., 2002
Gpe	34.50±9.12	장기간 촉발 또는 단기간 촉발		Sterio et al., 1994 [36]
	40-60: 특발성 PD	주기적인 멈춤을 동반한 불규칙 흥분		Hutchison et al., 1994
	53±23: 긴장이상성 52±18: PD 환자들	백그라운드 상의 촉발 및 진동		Starr et al., 2006
Gpi	58.51±6.31	장기간 촉발 또는 단기간 촉발		Sterio et al, 1994 [36]
	53±27: 외측 82±32: 내측	주기적인 멈춤을 동반한 불규칙 흥분		Hutchison et al., 1994
	55±22: 긴장이상성 96±23: PD	촉발 및 진동		Starr et al., 2006 [37]

* 약어: TH, 시상; ZI, 불확핵; IC, 내섬유막; H, 포렐구역; STN, 시상밑핵; SNr, 뇌 흑색질 그물부; Gpe, 창백외핵; 및 Gpi, 창백내핵.

등쪽 영역(TH, ZI, IC 및 H)은 STN과 비교하여 상대적으로 낮은 흥분도 및 더 적은 세포들을 가진다. 하지만, SNr은 STN보다 더 높은 흥분도를 가지지만, 더 낮은 세포 밀도를 나타낸다. 또한, 이러한 기능적 특징은 다수-세포 스파이크 밀도(multiple-cell spike density)에서도 관찰된다: IC 또는 ZI에서의 16 ± 9 스파이크/sec; STN에서의 584 ± 195 스파이크/sec; 및 SNr에서의 94.1 ± 80.8 스파이크/sec[20]. STN에서 더 높은 불규칙 흥분도 및 더 밀집한 세포 밀도는 STN 부위에서 HFBA 파워를 증가시키는 더 높은 백그라운드 활성을 야기한다(참고: 도 3). 불행하게도, 본 발명자들의 연구에서 SNr 부위의 MER이 매우 적어서 STN과 SNr의 HFBA 패턴을 비교할 수 없었다. 이 때문에 SNr에 대해 상대적으로 제한된 정보를 제공한다(참고: 도 3).

STN의 HFBA 트레이스를 Gpe/Gpi와 비교하는 것이 흥미롭다. 도 3(STN) 및 도 10(Gpe/Gpi)에서 볼 수 있듯이, 큰 패턴 차이가 존재한다. Gpe 및 Gpi는 긴장이상 및 PD 환자들에서 더 높고 더 불규칙한 촉발-유사 흥분 패턴을 가진다(참고: 표 1). 신경독소인 MPTP(1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine)을 이용한 PD 원숭이 모델에서, Gpe는 80.1 ± 10.0 촉발(bursts)/min였고 Gpi는 104.2 ± 8.3 촉발/min였다[28]. 더 나아가, Gpe 및 Gpi를 둘러싼 라미나 경계 부위도 다음과 같은 흥분 활성을 가졌다: 44 ± 17 스파이크(spikes)/sec의 일정한 흥분도 또는 시간에 따라 천천히 변동하는 흥분도[29] 및 20-40 스파이크/sec의 규칙적 방전[30]. PD 원숭이 모델에서 흥분도는 MPTP 처리(31.3 ± 1.6 스파이크/sec 대 8.9 ± 0.7 스파이크/sec, p<0.05)에 의해 현저하게 감소하였다[31]. 전체 창백핵(담창구; pallidus)을 가로지르는 상기 높고 촉발적인 흥분 패턴은 전체 주행 방향으로 높은 백그라운드 활성을 발생시킬 수 있다(참고: 도 10). 또한, 본 발명자들은 4명의 환자로부터 중간배쪽핵(ventrointermediate nucleus)의 6가지 HFBA 트레이스들을 조사하였으며, 모터 시상 뉴런들이 다른 흥분 패턴을 가질 지라도, STN에서 보여지는 특징적인 패턴 변화들을 발견하지 못 했다[32]. 상술한 결과들은 HFBA 패턴이 STN-특이적(참고: 도 3)이라는 것을 의미한다.

STN 형태(shape)와 HFBA 기울기 간의 상관성

본 발명자들은 HFBA 트레이스들의 다양하게 증가하고 감소하는 패턴들을 관찰하였다(참고: 도 3, 도 4 및 도 9). HFBA의 기울기와 STN에서의 높은 파워의 길이가 MER의 주행 방향을 반영할 것이다. Nowinski 등(2006)은 SW 뇌 아틀라스에 기반된 STN의 3D 모델을 구축하였다. 3D STN 모델은 오목하고 복잡하며 그 크기가 아몬드보다 약간 더 작다[12]. 인간 STN의 아몬드-형태도 크레질 바이올렛(cresyl violet) 염색을 통해 촬영되었다[33]. 상기 인간 STN의 형태는 HFBA 패턴들을 설명할 수 있다. 미세전극이 STN에 진입할 때 STN의 정점(apexes)과 몸체(body) 사이에 세포 밀도 차이가 존재한다. 두 개의 정점(등/배)이 STN보다 더 낮은 세포 밀도를 가지는 다른 구조체들과 접촉한다는 사실로 인해, 백그라운드 활성은 STN의 몸체보다 더 낮을 것이다. 따라서, 미세전극이 정점을 통해 STN에 접근한다면 세포 집단이 점진적으로 증가할 것이기 때문에 HFBA 트레이스의 기울기는 서서히 증가할 것이다. 하지만, 미세전극이 STN 몸체를 통해 접근한다면 세포 집단이 밀집되어 있기 때문에 기울기는 더 가파르게 증가할 것이다. 배 쪽에서의 기울기 감소도 동일할 것이다. 최대 HFBA 파워 범위의 길이는 STN 몸체를 통과하는 주행 방향의 길이를 의미할 것이다. 도 9C 및 도 9D에서 확인할 수 있듯이, 기울기는 정위 좌표들에 따라 변할 것이다. STN 몸체에서 자극 전극의 위치(positioning)이 최적 자극에 중요하기 때문에 경계 주위의 HFBA의 변화를 확인하고 개선된 의학 결과들을 얻기 위해 보다 상세한 연구들이 요구되고 있다.

요약하면, 본 발명자들은 HFBA를 이용하여 PD 환자들의 MERs을 후향적으로 조사하였다. HFBA는 STN 몸체의 경계 및 몸체의 정밀한 위치화에 우수한 능력(potential)을 가진다. HFBA의 프로세싱은 간단하고 DBS 수술 동안 자동화된 모터-추진 MER을 이용하여 실-시간 모니터링에 용이하게 적용될 수 있다. HFBA 트레이스는 기능적 차이들로 인해 STN-특이적이다. 본 발명자들의 결과들은 STN의 위치화를 위한 HFBA의 이용이 DBS 수술 동안 보다 객관적이고, 신속하며 효과적인 결정을 제공할 뿐 아니라 의학 결과들을 개선시킬 수 있다.

이상으로 본 발명의 특정한 부분을 상세히 기술하였는바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적인 기술은 단지 일 구현예일 뿐이며, 이에 본 발명의 범위가 제한되는 것이 아닌 점은 명백하다. 따라서, 본 발명의 실질적인 범위는 첨부된 청구항과 그의 등가물에 의하여 정의된다고 할 것이다.

참조문헌

1. Lozano A, Hutchison W, Kiss Z, Tasker R, Davis K, et al. (1996) Methods for microelectrode-guided posteroventral pallidotomy. Journal of Neurosurgery 84: 194-202.

2. Vitek JL, Bakay RAE, Hashimoto T, Kaneoke Y, Mewes K, et al. (1998) Microelectrode-guided pallidotomy: technical approach and its application in medically intractable Parkinson's disease. Journal of Neurosurgery 88: 1027-1043.

3. Chang J, Lee B, Lee M, Chang J, Park Y, et al. (2001) Microelectrode Recording-Guided Deep Brain Stimulation in Patients with Movement Disorders (First Trial in Korea). In: Kultas-Ilinsky K, Ilinsky I, editors. Basal Ganglia and Thalamus in Health and Movement Disorders: Springer US. pp. 341-347.

4. Olanow CW (2002) Surgical therapy for Parkinson's disease. European Journal of Neurology 9: 31-39.

5. Krack P, Batir A, Van Blercom N, Chabardes S, Fraix V, et al. (2003) Five-Year Follow-up of Bilateral Stimulation of the Subthalamic Nucleus in Advanced Parkinson's Disease. New England Journal of Medicine 349: 1925-1934.

6. Fasano A, Romito LM, Daniele A, Piano C, Zinno M, et al. (2010) Motor and cognitive outcome in patients with Parkinsons disease 8 years after subthalamic implants. Brain 133: 2664-2676.

7. Schpbach WMM, Chastan N, Welter ML, Houeto JL, Mesnage V, et al. (2005) Stimulation of the subthalamic nucleus in Parkinsons disease: a 5 year follow up. Journal of Neurology, Neurosurgery & Psychiatry 76: 1640-1644.

8. Erola T, Heikkinen ER, Haapaniemi T, Tuominen J, Juolasmaa A, et al. (2006) Efficacy of bilateral subthalamic nucleus (STN) stimulation in Parkinsons disease. Acta Neurochirurgica 148: 389-394.

9. Goodman RR, Kim B, McClelland S, Senatus PB, Winfield LM, et al. (2006) Operative techniques and morbidity with subthalamic nucleus deep brain stimulation in 100 consecutive patients with advanced Parkinsons disease. Journal of Neurology, Neurosurgery & Psychiatry 77: 12-17.

10. stergaard K, Niels AS (2006) Evolution of Parkinson's disease during 4 years of bilateral deep brain stimulation of the subthalamic nucleus. Movement Disorders 21: 624-631.

11. Novak P, Przybyszewski AW, Barborica A, Ravin P, Margolin L, et al. (2011) Localization of the subthalamic nucleus in Parkinson disease using multiunit activity. Journal of the Neurological Sciences 310: 44-49.

12. Nowinski WL, Liu J, Thirunavuukarasuu A (2006) Quantification and Visualization of the Three-Dimensional Inconsistency of the Subthalamic Nucleus in the Schaltenbrand-Wahren Brain Atlas. Stereotactic and Functional Neurosurgery 84: 46-55.

13. Snellings A, Sagher O, Anderson DJ, Aldridge JW (2009) Identification of the subthalamic nucleus in deep brain stimulation surgery with a novel wavelet-derived measure of neural background activity. Journal of Neurosurgery 111: 767-774.

14. Hutchison W, Allan R, Opitz H, Levy R, Dostrovsky J, et al. (1998) Neurophysiological identification of the subthalamic nucleus in surgery for Parkinson's disease. Annals Neurology 44: 622-628.

15. Benazzouz A, Breit S, Koudsie A, Pollak P, Krack P, et al. (2002) Intraoperative microrecordings of the subthalamic nucleus in Parkinson's disease. Movement Disorders 17: S145-149.

16. Sterio D, Zonenshayn M, Mogilner AY, Rezai AR, Kiprovski K, et al. (2002) Neurophysiological Refinement of Subthalamic Nucleus Targeting. Neurosurgery 50: 58-69.

17. Novak P, Daniluk S, Ellias SA, Nazzaro JM (2007) Detection of the subthalamic nucleus in microelectrographic recordings in Parkinson disease using the high-frequency (> 500 Hz) neuronal background. Journal of Neurosurgery 106: 175-179.

18. Zaidel A, Spivak A, Shpigelman L, Bergman H, Israel Z (2009) Delimiting subterritories of the human subthalamic nucleus by means of microelectrode recordings and a Hidden Markov Model. Movement Disorders 24: 1785-1793.

19. Cagnan H, Dolan K, Xuan H, Contarino MF, Schuurman R, et al. (2011) Automatic subthalamic nucleus detection from microelectrode recordings based on noise level and neuronal activity. Journal of Neural Engineering 8: 046006.

20. Kano T, Katayama Y, Kobayashi K, Kasai M, Oshima H, et al. (2006) Detection of boundaries of subthalamic nucleus by multiple-cell spike density analysis in deep brain stimulation for Parkinsons disease. Acta Neurochir Suppl 99: 33-35.

21. Chen CC, Pogosyan A, Zrinzo LU, Tisch S, Limousin P, et al. (2006) Intra-operative recordings of local field potentials can help localize the subthalamic nucleus in Parkinson's disease surgery. Experimental Neurology 198: 214-221.

22. Moran A, Bar-Gad I, Bergman H, Israel Z (2006) Real-time refinement of subthalamic nucleus targeting using Bayesian decision-making on the root mean square measure. Movement Disorders 21: 1425-1431.

23. Falkenberg JH, McNames J, Burchiel KJ (2006) Automatic Microelectrode Recording Analysis and Visualization of the Globus Pallidus Interna and Stereotactic Trajectory. Stereotactic and Functional Neurosurgery 84: 28-34.

24. Wong S, Baltuch GH, Jaggi JL, Danish SF (2009) Functional localization and visualization of the subthalamic nucleus from microelectrode recordings acquired during DBS surgery with unsupervised machine learning. Journal of Neural Engineering 6: 026006.

25. Dolan K, Martens H, Schuurman P, Bour L (2009) Automatic noise-level detection for extra-cellular micro-electrode recordings. Medical and Biological Engineering and Computing 47: 791-800.

26. Chang W, Kim H, Kim J, Park Y, Chung S, et al. (2011) Bilateral subthalamic deep brain stimulation using single track microelectrode recording. Acta Neurochirurgica 153: 1087-1095.

27. Donoho DL (1995) De-noising by soft-thresholding. IEEE Transactions on Information Theory 41: 613-627.

28. Hahn PJ, Russo GS, Hashimoto T, Miocinovic S, Xu W, et al. (2008) Pallidal burst activity during therapeutic deep brain stimulation. Experimental Neurology 211: 243-251.

29. Hutchison W, Lozano A, Davis K, Saint-Cyr J, Lang A, et al. (1994) Differential neuronal activity in segments of globus pallidus in Parkinson's disease patients. Neuroreport 5: 1533-1537.

30. DeLong MR (1971) Activity of pallidal neurons during movement. Journal of Neurophysiology 34: 414-427.

31. Bezard E, Boraud T, Chalon S, Brotchie JM, Guilloteau D, et al. (2001) Pallidal border cells: an anatomical and electrophysiological study in the 1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine-treated monkey. Neuroscience 103: 117-123.

32. Lee BH, Lee KH, Chung SS, Chang JW (2003) Neurophysiological identification and characterization of thalamic neurons with single unit recording in essential tremor patients. Acta Neurochirurgica (Suppl) 87: 133-136.

33. Lvesque J-C, Parent A (2005) GABAergic interneurons in human subthalamic nucleus. Movement Disorders 20: 574-584.

34. Magnin M, Morel A, Jeanmonod D (2000) Single-unit analysis of the pallidum, thalamus and subthalamic nucleus in parkinsonian patients. Neuroscience 96: 549-564.

35. Merello M, Tenca E, Cerquetti D (2006) Neuronal activity of the zona incerta in Parkinson's disease patients. Movement Disorders 21: 937-943.

36. Sterio D, Beri A, Dogali M, Fazzini E, Alfaro G, et al. (1994) Neurophysiological properties of pallidal neurons in Parkinson's disease. Annals of Neurology 35: 586-591.

37. Starr PA, Turner RS, Rau G, Lindsey N, Heath S, et al. (2006) Microelectrode-guided implantation of deep brain stimulators into the globus pallidus internus for dystonia: techniques, electrode locations, and outcomes. Journal of Neurosurgery 104: 488-501.

Claims

다음 단계를 포함하는 수술 중 타겟 위치의 실-시간(real-time) 확인 방법:
(a) 수술 전에 조직에서 타겟 위치를 분석하는 단계;
(b) 수술 중 고주파(high frequency) 처리를 통해 백그라운드 활성 (background activity)을 분리하여 상기 단계 (a)의 타겟 위치를 실-시간으로 분석하는 단계; 및
(c) 상기 단계 (a) 및 (b)에서 얻어진 타겟 위치를 비교하는 단계.
제 1 항에 있어서, 상기 타겟 위치는 뇌(brain)에 위치하는 것을 특징으로 하는 실-시간 확인 방법.
제 2 항에 있어서, 상기 타겟 위치는 시상밑핵(subthalamic nucleus)인 것을 특징으로 하는 실-시간 확인 방법.
제 1 항에 있어서, 상기 단계 (a)에서 타겟 위치의 측정은 MRI(magnetic resonance imaging) 또는 상기 MRI 정보 위에 겹쳐진 SW 아틀라스(Schaltenbrand-Wahren atlas), fMRI, MRI/DTI(diffusion tensor imaging), CT(computed tomography), SPECT(single-photon emission computed tomography), PET(positron emission tomography), MEG(magnetoencephalography), EEG(electroencephalography), EIT(extreme ultraviolet imaging telescope) 또는 이들의 조합을 이용하여 실시하는 것을 특징으로 하는 실-시간 확인 방법.
제 1 항에 있어서, 상기 단계 (a)에서 분석된 타겟 위치는 “0 mm”로 결정되는 것을 특징으로 하는 실-시간 확인 방법.
제 1 항에 있어서, 상기 단계 (b)에서 타겟 위치의 측정은 수술 중 MER(intraoperative microelectrode recording)을 이용하여 실시하는 것을 특징으로 하는 실-시간 확인 방법.
제 1 항에 있어서, 상기 단계 (b)에서 고주파 처리 시간은 0.05-1초 범위인 것을 특징으로 하는 실-시간 확인 방법.
제 1 항에 있어서, 상기 단계 (b)에서 백그라운드 활성 분리를 위한 오류(artifacts) 및 스파이크(spikes)의 제거는 주파수 컷오프(frequency cutoff) 및 진폭 역치(amplitude threshold)를 통해 실시하는 것을 특징으로 하는 실-시간 확인 방법.
제 8 항에 있어서, 상기 주파수 컷오프는 1,000-5,000 Hz인 것을 특징으로 하는 실-시간 확인 방법.
제 8 항에 있어서, 상기 진폭 역치는 40-50 μV인 것을 특징으로 하는 실-시간 확인 방법.
제 1 항에 있어서, 상기 단계 (b)는 자동화된 미세전극(automated microelectrode)을 이용하여 실-시간 프로세싱하는 단계 (b-1)를 추가적으로 포함하는 것을 특징으로 하는 실-시간 확인 방법.
고주파 백그라운드 활성(high frequency background activity, HFBA) 프로세싱을 이용하여 조직 내 타겟의 경계(target boundary)를 구분하는 단계를 포함하는 DBS(deep brain stimulation) 수술 방법.
제 12 항에 있어서, 상기 HFBA는 자동화된 모터-추진(motor-drive) MER을 통해 모니터링될 수 있는 것을 특징으로 하는 DBS 수술 방법.
제 12 항에 있어서, 상기 고주파의 처리 시간은 0.05-1초 범위인 것을 특징으로 하는 DBS 수술 방법.
제 12 항에 있어서, 상기 고주파의 범위는 1,000-5,000 Hz인 것을 특징으로하는 DBS 수술 방법.
제 12 항에 있어서, 상기 고주파 백그라운드 활성 프로세싱은 40-50 μV의 진폭 역치 하에서 실시하는 것을 특징으로 하는 DBS 수술 방법.
제 12 항에 있어서, 상기 HFBA 프로세싱에서 HFBA 기울기(slope)는 세포 집단 밀도가 낮은 곳에서 높은 곳으로 들어갈 때에는 양성(positive) 기울기를 나타내고 세포 집단 밀도가 높은 곳에서 낮은 곳으로 들어갈 때에는 음성(negative) 기울기로 나타나는 것을 특징으로 하는 DBS 수술 방법.
제 12 항에 있어서, 상기 타겟은 시상밑핵(subthalamic nucleus, STN)인 것을 특징으로 하는 DBS 수술 방법.
제 12 항에 있어서, 상기 DBS 수술 방법은 운동 질환(movement disorders)의 치료에 적용될 수 있는 것을 특징으로 하는 DBS 수술 방법.
제 19 항에 있어서, 상기 운동 질환(movement disorders)은 파킨슨병(Parkinson's disease), 이차성 파킨슨 증후군(secondary parkinsonism), 진행성 파킨슨 증후군(progressive Parkinson syndrome), 본태성 떨림(essential tremor, ET), 간질(epilepsy), 뚜렛 증후군(Tourette's syndrome), 다발성 경화증(multiple sclerosis), 편무도병(hemiballism) 또는 긴장 이상(dystonia)인 것을 특징으로 하는 DBS 수술 방법.