KR20200138675A - 자율신경계 기능 평가 시스템 - Google Patents

Abstract

본 발명의 일 실시예에 따른 자율신경계 기능 평가 시스템은, 사용자의 심전도를 측정하는 웨어러블 심전도 측정기; 상기 사용자로부터 자율신경계 기능 평가를 위해 사용될 기 설정된 정보를 입력받는 사용자 단말; 및 상기 웨어러블 심전도 측정기에 의해 측정된 심전도 데이터로부터 심전도 지표 및 심박수 변이 지표를 분석하고, 인공지능 알고리즘에 의해 상기 심전도 지표 및 심박수 변이 지표와 입력 정보를 분석하여 자율신경계 기능을 평가하는 평가 장치를 포함할 수 있다.

Description

자율신경계 기능 평가 시스템 {SYSTEM OF EVALUATING FUNCTION OF AUTONOMIC NERVOUS SYSTEM}

본 출원은 자율신경계 기능 평가 시스템에 관한 것이다.

자율신경계는 신체의 항상성을 유지하기 위하여 심박과 호흡 및 체온을 조절하는 필수 신경계로 교감 및 부교감 신경으로 구성되어 있으며, 다양한 환경에서 적절한 활성도를 유지하여 신체 반응을 유발한다.

자율신경계 기능에 문제가 발생하면 가벼운 어지럼부터 실신까지 다양한 정도의 증상을 유발할 수 있으며 심계항진이 동반되는 특성이 있는 정신과적 질환도 자율신경계 기능 문제로 진단적 접근이 가능하다.

자율신경계 기능을 정량적으로 평가하기 위한 기존의 방법은 특수한 장비를 갖추어야 하고 검사 방법 및 조건이 까다롭다는 한계가 있으며, 이러한 조건을 맞춘다고 하더라도 증상이 없는 상태에서 측정하는 경우 위음성(false negative)의 가능성이 있다.

일 예로, 자율신경계 기능을 정량적으로 평가하기 위해 유용한 것으로 알려진 기립경사 검사(Head-Up Tilt Table Test)는 검사 방법이 까다로워서 적용 대상에 제한이 있으며, 검사 중 과다한 자율신경계 기능의 자극으로 인해 실신이나 심정지와 같은 심각한 부작용을 초래할 위험이 있다.

또한, 자율신경계 기능을 평가하기 위해 추천되는 스크리닝 프로토콜은 QSART(Quantitative Sudomotor Axon Reflex Test), 깊은 호흡시의 HRV(Heart Rate Variability), 발살바 수기(Valsalva maneuver) 및 기립경사 검사 등으로 이루어져 있어 자율신경계 기능 평가를 위해 복잡한 검사 과정을 거쳐야 하는 실정이다.

따라서, 당해 기술분야에서는 종래의 복잡한 검사를 대체하고 실생활에서 간단한 지표만으로 자율신경계 기능을 정량적으로 평가하기 위한 방안이 요구되고 있다.

상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 자율신경계 기능 평가 시스템을 제공한다.

상기 자율신경계 기능 평가 시스템은, 사용자의 심전도를 측정하는 웨어러블 심전도 측정기; 상기 사용자로부터 자율신경계 기능 평가를 위해 사용될 기 설정된 정보를 입력받는 사용자 단말; 및 상기 웨어러블 심전도 측정기에 의해 측정된 심전도 데이터로부터 심전도 지표 및 심박수 변이 지표를 분석하고, 인공지능 알고리즘에 의해 상기 심전도 지표 및 심박수 변이 지표와 입력 정보를 분석하여 자율신경계 기능을 평가하는 평가 장치를 포함할 수 있다.

덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따르면, 복잡한 검사 없이 실생활에서 용이하게 측정할 수 있는 심전도 값과 입력 정보를 이용하여 교감, 부교감 신경계 전체의 이상을 평가할 수 있다.

도 1은 본 발명의 일 실시예에 따른 자율신경계 기능 평가 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따라 3가지 및 5가지 입력 데이터를 이용하여 자율신경계 기능을 평가하는 경우에 적용되는 인공지능 알고리즘별 정확도를 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 자율신경계 기능 평가 시스템을 활용하여 특정 질환의 진단을 수행하는 개념을 설명하기 위한 도면이다.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.

도 1은 본 발명의 일 실시예에 따른 자율신경계 기능 평가 시스템의 구성도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 자율신경계 기능 평가 시스템은 웨어러블 심전도 측정기(100), 사용자 단말(200) 및 평가 장치(300)를 포함하여 구성될 수 있다.

웨어러블 심전도 측정기(100)는 자율신경계 기능을 평가하고자 하는 사용자의 심전도를 측정하기 위한 것이다.

예를 들어, 웨어러블 심전도 측정기(100)는 손목에 착용되어 심전도를 측정하는 스마트 워치로 구현될 수 있으며, 이 밖에도 다양한 형태로 사용자에게 착용 가능한 웨어러블 기기 형태로 구현될 수 있다.

또한, 웨어러블 심전도 측정기(100)는 사용자의 안정시에 심전도를 측정하거나, 사용자의 심전도를 측정하기 위해 기 설정된 임의의 태스크(task)를 사용자에게 지시할 수 있다. 예를 들어, 기립, 발살바 수기, 호흡 억제, 과호흡 등을 포함하는 태스크를 사용자에게 수행하도록 하고, 해당 태스크 수행시의 사용자의 심전도의 변화를 웨어러블 심전도 측정기(100)에 의해 실시간으로 측정할 수 있다.

사용자 단말(200)은 사용자로부터 자율신경계 기능 평가를 위해 사용될 각종 정보를 입력받기 위한 것이다.

예를 들어, 사용자 단말(200)에는 사용자로부터 정보를 입력받기 위한 어플리케이션이 탑재될 수 있다. 이 경우, 사용자는 사용자 단말(200)에 탑재된 어플리케이션을 실행시켜 자율신경계 기능 평가를 위해 필요한 정보를 입력할 수 있다.

구체적으로, 사용자 단말(200)을 통해 사용자의 나이, 혈압값 등의 기본 정보를 입력받을 수 있다. 또한, 사용자 단말(200)을 통해 자율신경계 기능 장애 증상과 관련된 자가 설문을 입력받거나, 의사에 의한 진찰 소견을 입력받거나, 심전도 이외의 검사 장비를 통해 획득한 데이터를 입력받을 수도 있다.

평가 장치(300)는 웨어러블 심전도 측정기(100)에 의해 측정된 심전도 데이터로부터 심전도 지표(예를 들어, 심전도 파형상의 QT 간격(QT interval)) 및 심박수 변이 지표를 분석하고, 인공지능 알고리즘에 의해 심전도 지표, 심박수 변이 지표 및 입력 정보를 분석하여 자율신경계 기능을 평가하기 위한 것이다.

일 실시예에 따르면, 평가 장치(300)는 심박수 변이 분석부(310), 학습 모델(320) 및 기능 평가부(330)를 포함하여 구성될 수 있다.

심박수 변이 분석부(310)는 웨어러블 심전도 측정기(100)에 의해 측정된 심전도 데이터로부터 심박수 변이 지표를 분석할 수 있다.

구체적으로, 심박수 변이 분석부(310)는 교감신경 및 부교감신경의 활성도를 반영하는 주파수 영역(frequency domain) 심박수 변이 지표들을 스펙트럼 분석을 통해 분석할 수 있다. 여기서, 심박수 변이 지표들은 각 주파수 영역별로 다음과 같이 분류될 수 있다.

(1) total power spectrum (TP)

(2) very low-frequency band power (VLF; 0.0033-0.04 Hz)

(3) low-frequency band power (LF; 0.04-0.15 Hz)

(4) high-frequency band power (HF; 0.15-0.40 Hz)

여기서, HF는 부교감신경의 활성도를 반영하고, LF는 교감신경과 부교감신경의 활성도를 복합적으로 반영하며, LF/HF의 비율은 교감/부교감신경의 균형도를 나타낸다.

또한, 심박수 변이 분석부(310)은 기본적인 심전도 파형으로부터 QT 간격을 획득할 수 있다. 여기서, QT 간격은 심장 심실이 탈분극되기 시작하여 재분극에 이르기 이전까지 가장 전기적인 활성도가 높은 기간으로, 자율신경계의 영향을 받아 단축 및 연장될 수 있으므로, 자율신경계 상태를 정량적으로 반영해 주는 지표로 사용될 수 있다.

이처럼, 심박수 변이 분석부(310)는 상술한 지표들을 일차적으로 도출한 후, 심전도 지표 및 심박수 변이 지표들을 활용하여 자율신경계 기능을 반영하는 지수를 산출할 수 있다.

예를 들어, 심박수 변이 분석부(310)는 교감신경 활성도가 손상된 기립성저혈압 등의 자율신경계 기능장애를 평가하기 위해 다음과 같은 지수를 산출할 수 있다.

{(LF/HF 비율) Х (QT 간격)} / {(TP) Х (심박수)}

학습 모델(320)은 심박수 변이 분석부(130)에 의해 분석된 적어도 하나의 지표들과 사용자 단말(200)을 통해 입력된 정보를 이용하여 학습을 수행하여 자율신경계 기능을 평가할 수 있다.

일 예에 따르면, 학습 모델(320)은 환자의 연령, E:I 차이, E:I 비율, 발살바 비율 및 기저 수축기 혈압 중에서 선택된 3개 이상의 데이터를 입력받아 학습을 수행할 수 있으며, 결과로서 정상과 기립성 저혈압(OH, orthostatic hypotension)을 구별할 수 있다.

도 2는 본 발명의 일 실시예에 따라 3가지 및 5가지 입력 데이터를 이용하여 자율신경계 기능을 평가하는 경우에 적용되는 인공지능 알고리즘별 정확도를 나타내는 도면으로, 3가지 입력 데이터(feature)는 연령, E:I 비율 및 발살바 비율을 포함하고, 5가지 입력 데이터는 연령, E:I 차이, E:I 비율, 발살바 비율 및 기저 수축기 혈압을 포함하는 것이다.

도 2를 참조하면, 3가지 및 5가지 입력 데이터를 각각 이용하여 KNN(K-Nearest Neighbor) 알고리즘, SVM(Support Vector Machine) 알고리즘 및 Random forest 알고리즘을 학습시킨 경우, 5가지 입력 데이터를 이용하여 Random forest 알고리즘을 학습시킨 경우 기립성 저혈압 구별의 정확도가 가장 높음을 알 수 있다.

기능 평가부(330)는 학습 모델(320)에 의한 결과와 사용자 단말(200)을 통해 입력된 자가 설문, 진찰 소견 및 기타 데이터 등을 기초로 자율신경계 기능 장애 유무를 평가하고 더 나아가 심박수 변이 분석부(310)에 의해 분석된 지표들을 활용하여 자율신경계 기능 장애 유형까지 판별할 수 있다.

일 실시예에 따르면, 기능 평가부(330)는 후술하는 바와 같이 불안장애, 당뇨성 말초신경병증, 수면무호흡, 파킨슨병 및 다계통위축증을 포함하는 자율신경 장애가 동반되는 질환 여부를 판별할 수 있다.

이를 위해, 판별 대상 질환에 따라 사용자가 상술한 태스크 중 하나 이상을 수행하는 동안 웨어러블 심전도 측정기(100)에 의해 측정된 심전도의 변화 데이터에 상이한 가중치가 부여될 수 있으며, 이에 따라 상술한 학습 모델(320) 및 기능 평가부(330)에서 상이한 가중치로 측정 데이터를 고려하여 각 질환 여부를 판별할 수 있다. 이는 특정 질환 별로 판별에 크게 영향을 미치는 태스크가 상이함을 반영하기 위한 것으로, 예를 들어, 불안장애의 경우는 과호흡, 파킨슨병 및 다계통위축증의 경우는 발살바 수기가 가장 큰 영향을 미칠 수 있으므로, 해당 태스크에 대해 보다 높은 가중치를 부여함으로써 각 질환별 판별의 정확도를 보다 향상시킬 수 있다.

도 3은 본 발명의 일 실시예에 따른 자율신경계 기능 평가 시스템을 활용하여 특정 질환의 진단을 수행하는 개념을 설명하기 위한 도면이다.

도 3을 참조하면, 우선 상술한 실시예와 같이 자율신경계 기능 평가 지표(예를 들어, 심전도 지표, 심박수 변이 지표)를 획득하고(410), 이와 더불어 질환 특이적 임상지표(예를 들어, 설문지, 진찰소견, 심전도 이외의 검사 장비를 통해 획득한 데이터)를 수집할 수 있다(520).

이후, 자율신경계 기능 평가지표와 질환 특이적 임상지표를 모두 이용하여 인공지능 기반으로 특정 질환을 진단할 수 있다(430).

도 3에 도시된 특정 질환의 진단은 도 1에 도시된 자율신경계 기능 평가 시스템에 통합 구현될 수 있다.

상술한 본 발명의 실시예에 따라 자율신경장애가 특징적으로 동반될 수 있는 불안장애, 당뇨성 말초신경병증, 수면무호흡, 파킨슨병, 다계통위축증 등을 포함한 다수의 질환에서 추가적인 임상 지표를 활용한다면 진단까지도 가능하다. 또한, 이들 질환의 중증도 및 합병증 발병에 위험성을 높이는 데 자율신경장애가 중요한 역할을 하고 있어 환자 예후 평가와 치료 계획을 세우는 데 중요한 가이드라인을 제시할 수 있다. 각 질환별 진단 및 평가를 위한 지표는 다음과 같다.

1) 불안 장애

불안 장애는 과도한 불안과 공포로 인하여 일상생활에 지장을 주는 정신질환으로, 범불안장애, 공포증, 공황장애 등의 아형이 있으며, 다른 정신과 질환과 동반되는 경우도 흔하다. 불안 장애는 자율신경계의 이상이 동반되는 경우가 많으며, 주로 교감신경이 항진과 관련된 신체 증상들을 보이게 된다. 예를 들어, 심계항진, 호흡곤란, 발한, 어지럼증 및 공포 등 다양한 증상을 보일 수 있으며, 이러한 증상으로 인해 심혈관계질환, 갑상선질환, 어지럼증 등 다양한 기질적인 질환과의 감별이 중요하다. 불안 장애를 기질적인 질환과 감별하여 진단하기 위해, 불안 장애를 평가하는 평가 척도 및 상술한 심박수 변이 지표를 포함한 다양한 심전도 지표를 활용한 자율신경평가를 적용할 수 있다.

2) 당뇨성 말초신경병증

당뇨성 말초신경병은 당뇨병의 합병증으로 말초신경 중 자율신경의 침범이 동반될 수 있다. 따라서, 상술한 심박수 변이 지표를 포함한 다양한 심전도 지표들을 활용하여 자율신경 이상 유무와 정도를 반영할 수 있다.

당뇨성 말초신경병 합병 여부와 중증도를 반영하는 신경전도검사 지표들과 당화혈색소(HbA1c), 공복혈당수치 등 당뇨 조절 정도를 반영하는 질환 특이적인 임상지표들을 이용하여 당뇨성 말초신경병 침해 정도의 평가 및 진단 알고리즘에 적용할 수 있다. 특히 당뇨 환자들 중 굵기가 가는 세섬유신경만 특이적으로 손상되는 세섬유신경병은 일반 임상 현장에서는 진단이 어려우나, 상술한 바와 같은 심전도 지표를 활용한 자율신경장애 평가 알고리즘을 활용하여 진단을 보다 용이하게 할 수 있다.

3) 수면무호흡

수면무호흡은 잠자는 동안 숨을 제대로 쉬지 못하는 증상으로 저산소증 및 반복된 각성으로 인해 교감 신경이 활성화된다. 따라서, 상술한 심박수 변이 지표를 포함한 다양한 심전도 지표들을 활용하여 자율신경 이상을 반영할 수 있다.

낮시간 졸음 정도와 피로감 및 수면의 질을 평가하는 임상 지표값들과 수면 동안의 최저산소포화도, 각성지수(arousal index), 무호흡-저호흡지수(apnea-hypopnea index) 및 호흡장애지수(respiratory disturbance index) 등의 수면다원검사(polysomnography) 지표들을 측정하여 수면무호흡 질환 특이적인 지표로 이용하여 진단 알고리즘에 적용할 수 있다.

4) 파킨슨병, 다계통위축증

파킨슨병 및 파킨슨플러스 증후군(다계통위축증, 진행핵상마비, 피질기저핵변성, 루이소체치매 등)은 떨림, 강직, 서동증 등을 보이는 신경퇴행성질환으로, 운동 증상뿐만 아니라 다양한 비운동 증상이 나타날 수 있다. 특히, 교감 및 부교감 신경의 기능이 모두 손상되는 자율신경계 기능 이상도 발생할 수 있으며, 운동 증상보다 선행하여 나타날 수 있다. 또한, 다양한 자율신경계 이상소견이 나타날 수 있으며, 특히 심혈관계 관련 자율신경계 이상 소견을 자주 관찰할 수 있다. 따라서, 상술한 심박수 변이 지표를 포함한 다양한 심전도 지표들을 활용하여 파킨슨병 및 파킨슨플러스 증후군에서 자율신경 이상 여부를 평가하고, 파킨슨 운동증상(떨림, 강직, 서동증 등) 정보 및 비운동 증상 설문지 등을 이용하여 파킨슨병 및 다른 유사질환의 감별을 위한 진단 알고리즘에 활용할 수 있다.

본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.

100: 웨어러블 심전도 측정기
200: 사용자 단말
300: 평가 장치
310: 심박수 변이 분석부
320: 학습 모델
330: 기능 평가부

Claims (7)

1. 사용자의 심전도를 측정하는 웨어러블 심전도 측정기;
   상기 사용자로부터 자율신경계 기능 평가를 위해 사용될 기 설정된 정보를 입력받는 사용자 단말; 및
   상기 웨어러블 심전도 측정기에 의해 측정된 심전도 데이터로부터 심전도 지표 및 심박수 변이 지표를 분석하고, 인공지능 알고리즘에 의해 상기 심전도 지표 및 심박수 변이 지표와 입력 정보를 분석하여 자율신경계 기능을 평가하는 평가 장치를 포함하는 자율신경계 기능 평가 시스템.
   
2. 제 1 항에 있어서,
   상기 웨어러블 심전도 측정기는 사용자의 안정시 또는 사용자가 기립, 발살바 수기, 호흡 억제 및 과호흡을 포함하는 태스크 중 어느 하나를 수행하는 동안 심전도의 변화를 실시간으로 측정하는 것을 특징으로 하는 자율신경계 기능 평가 시스템.
   
3. 제 2 항에 있어서,
   상기 평가 장치는 불안장애, 당뇨성 말초신경병증, 수면무호흡, 파킨슨병 및 다계통위축증을 포함하는 자율신경 장애가 동반되는 질환 여부를 판별하며,
   판별 대상 질환에 따라 각 태스크를 수행하는 동안 상기 웨어러블 심전도 측정기에 의해 측정된 심전도의 변화 데이터에 상이한 가중치를 부여하여 분석하는 것을 특징으로 하는 자율신경계 기능 평가 시스템.
   
4. 제 1 항에 있어서, 상기 평가 장치는.
   상기 심전도 데이터로부터 심전도 지표 및 주파수 영역별 심박수 변이 지표를 분석하는 심박수 변이 분석부;
   상기 심박수 변이 분석부에 의해 분석된 적어도 하나의 지표 및 상기 사용자 단말을 통한 입력 정보를 이용하여 학습을 수행하여 자율신경계 기능을 평가하는 학습 모델; 및
   상기 학습 모델에 의한 평가 결과 및 상기 입력 정보를 기초로 자율신경계 기능 장애 유무 및 장애 유형을 판별하는 기능 평가부를 포함하는 것을 특징으로 하는 자율신경계 기능 평가 시스템.
   
5. 제 4 항에 있어서,
   상기 주파수 영역별 심박수 변이 지표는 TP(total power spectrum), VLF(very low-frequency band power), LF(low-frequency band power) 및 HF(high-frequency band power)를 포함하는 것을 특징으로 하는 자율신경계 기능 평가 시스템.
   
6. 제 5 항에 있어서,
   상기 심박수 변이 분석부는 심전도 파형으로부터 QT 간격을 획득하여 상기 심전도 지표를 분석하는 것을 특징으로 하는 자율신경계 기능 평가 시스템.
   
7. 제 6 항에 있어서,
   상기 심박수 변이 분석부는 하기의 수학식
   {(LF/HF 비율) Х (QT 간격)} / {(TP) Х (심박수)}
   에 따라 자율신경계 기능장애 평가를 위한 지수를 산출하는 것을 특징으로 하는 자율신경계 기능 평가 시스템.

Images