KR20230111860A - 운동 장애 관련 정보제공방법 및 이에 사용되는 장치 - Google Patents
운동 장애 관련 정보제공방법 및 이에 사용되는 장치 Download PDFInfo
- Publication number
- KR20230111860A KR20230111860A KR1020220007841A KR20220007841A KR20230111860A KR 20230111860 A KR20230111860 A KR 20230111860A KR 1020220007841 A KR1020220007841 A KR 1020220007841A KR 20220007841 A KR20220007841 A KR 20220007841A KR 20230111860 A KR20230111860 A KR 20230111860A
- Authority
- KR
- South Korea
- Prior art keywords
- network index
- brain
- brain network
- movement disorder
- movement
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000006735 deficit Effects 0.000 title description 19
- 210000004556 brain Anatomy 0.000 claims abstract description 94
- 208000016285 Movement disease Diseases 0.000 claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 238000004393 prognosis Methods 0.000 claims abstract description 7
- 238000003745 diagnosis Methods 0.000 claims abstract description 6
- 238000000537 electroencephalography Methods 0.000 claims description 22
- 230000000638 stimulation Effects 0.000 claims description 15
- 210000001364 upper extremity Anatomy 0.000 claims description 9
- 208000019430 Motor disease Diseases 0.000 claims description 4
- 206010033799 Paralysis Diseases 0.000 claims description 3
- 230000001771 impaired effect Effects 0.000 description 21
- 208000006011 Stroke Diseases 0.000 description 20
- 238000003012 network analysis Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000002570 electrooculography Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000000284 resting effect Effects 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 210000004761 scalp Anatomy 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008309 brain mechanism Effects 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000007427 paired t-test Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002739 subcortical effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 206010051290 Central nervous system lesion Diseases 0.000 description 1
- 208000016988 Hemorrhagic Stroke Diseases 0.000 description 1
- 229910021607 Silver chloride Inorganic materials 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 235000021438 curry Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 1
- 230000003447 ipsilateral effect Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 208000027905 limb weakness Diseases 0.000 description 1
- 231100000861 limb weakness Toxicity 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus ; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus ; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
-
- 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
-
- 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
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
- A61N1/36067—Movement disorders, e.g. tremor or Parkinson disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N2/00—Magnetotherapy
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
본 개시는, 일 측면에서, (a) 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및 (b) (a)단계에서 측정된 뇌 네트워크 지수를 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는, 운동 장애 관련 정보제공방법에 관한 것이다. 또한, 본 개시는, 다른 측면에서, 개체의 운동 수행에 따라 얻어진 뇌 네트워크 지수를 제공하는 운동 장애 관련 정보 제공장치에 관한 것이다. 본 개시에 따른 본 발명의 운동 장애 관련 정보제공방법 또는 장치는 운동 장애에 대한 예후 예측, 운동 장애 관련 진단 또는 운동 장애 관련 재활 치료 등에 관한 정보를 제공하는 효과가 우수하다.
Description
본 명세서에는 운동 장애 관련 정보제공방법 및 이에 사용되는 장치가 개시된다.
상지 장애는 뇌졸중 후 가장 흔한 장애 중 하나이다. 이러한 상지 장애는 뇌파검사(electroencephalography, EEG)기반 연구에 의해 밝혀진 비정상적인 신경 활동과 관련이 있다. 장애가 있는 신체 부위를 움직일 때 알파(8-12 Hz) 및 로우-베타 (12-20 Hz) 주파수 대역의 비정상적인 전력 스펙트럼 밀도(PDS)는 상지 장애가 있는 뇌졸중 환자에서 전형적으로 나타난다.
종래 연구에 따르면 뇌졸중 환자군은 건강한 대조군보다 운동 장애가 있는 상지를 움직일 때 일차 감각 운동 및 보조 운동 영역에서 보다 약한 알파 및 로우-베타 사건 관련 비동기화(ERD) 패턴을 보였다. 또한, 뇌졸중 환자들은 손상된 손상측 반구보다 손상되지 않은 대조 반구에서 운동 장애를 가지는 신체 부위를 움직일 때 보다 강한 ERD 패턴을 보였다. 이러한 변화된 뇌졸중 환자들의 신경 활동은 과제특이적 EEG의 전력 스펙트럼 기반 특징으로 설명되었다. 그러나, 서로 다른 뇌 영역 간의 복잡한 소통으로 인해 개별 뇌 영역에서 얻은 단편적인 PSD는 뇌졸중 환자의 비정상적인 뇌 메커니즘을 완전히 설명하기에 충분하지 않았다.
뇌 영역 사이의 기능적 연결성을 정량화하면 뇌졸중 환자에서 운동 장애가 있는 신체 부위를 움직일 때 뇌 메커니즘을 이해하는 데 보다 심층적인 정보를 제공할 수 있다. 종래의 연구에 따르면, 뇌졸중 환자군은 건강한 대조군보다 베타 주파수 대역에서 전체 뇌에서 약한 상호 작용을 보였다. 또 다른 연구에서는 뇌졸중 환자는 운동 장애가 있는 손을 움직일 때 대조 반구에서 손상측 반구로 방향성 기능적 연결성 흐름의 강도가 더 높았지만 건강한 대조군은 반대 경향을 보였다. 이러한 결과들은 뇌졸중 환자의 대조 반구가 손상측 반구보다 운동 장애가 있는 손 운동의 조직화와 더 관련이 있음을 나타낸다. 그러나 이러한 종래의 EEG 기반 연결성 연구는 뇌 영역 간의 연결 여부에만 초점을 맞추었기 때문에 뇌 네트워크 구조의 정보 처리를 조사하는 것으로는 충분하지 않았다.
일부 종래의 연구에서는 휴식 상태 EEG를 이용한 이진법 네트워크 분석을 사용하여 건강한 대조군과 비교하여 뇌졸중 환자군에서 변경된 뇌 네트워크 특성을 분석하였다. 그러나, 이러한 종래 연구는 운동 장애가 있는 신체 부위를 움직이는 조건보다 휴식 상태에 초점을 맞추었기 때문에 운동 수행 시 손상측 반구와 대조 반구 사이에서 정보가 처리되는 방식을 분석할 수 없는 한계가 있다. 더 중요한 것은 이러한 종래 연구가 0과 1 사이의 연속 값을 갖는 원래 기능 연결 패턴을 0 또는 1의 값으로 변환하는 이진법 네트워크 분석을 사용했다는 것이다. 이 종래 연구는 어떤 상호작용이 다른 상호작용보다 덜 유익한지를 판별하는 표준 방법 없이 임의의 임계값을 사용하여 변환을 수행했기 때문에 중요한 정보가 손실되었다.
이러한 배경을 감안하여 본 발명자들은 가중 네트워크 분석을 이용해 운동 장애를 갖지 않는 손 동작과 비교하여 운동 장애가 있는 손 동작 수행 동안의 비정상적인 뇌 네트워크를 연구하여 본 발명을 완성하였다.
일 측면에서, 본 발명은 운동 장애 관련 정보제공방법을 제공하고자 한다.
다른 측면에서, 본 발명은 운동 관련 정보 제공장치를 제공하고자 한다.
다른 측면에서, 본 발명은 운동 장애 관련 정보제공방법을 수행하게 하는 컴퓨터 판독가능 기록매체를 제공하고자 한다.
일 측면에서, 본 발명은, (a) 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및 (b) (a)단계에서 측정된 뇌 네트워크 지수를 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는, 운동 장애 관련 정보제공방법을 제공한다.
일 측면에서, 본 발명은 (a) 운동 장애를 가지는 개체의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및 (b) (a) 단계에서 측정된 뇌 네트워크 지수를 정상 개체의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는, 운동 장애 관련 정보제공방법을 제공한다.
예시적인 일 구현예에서, 상기 뇌 네트워크 지수는 strength, clustering coefficient, path length 및 smallworldness로 이루어진 군에서 선택되는 하나 이상을 포함할 수 있다.
예시적인 일 구현예에서, 상기 (a) 단계에서 개체는 미리 설정된 테크스 수행 중인 개체일 수 있다.
예시적인 일 구현예에서, 상기 뇌 네트워크 지수는 알파(alpha)파 영역 및 로우-베타(low-beta)파 영역 중 하나 이상에서 측정될 수 있다.
예시적인 일 구현예에서, 상기 (a) 단계는 뇌파검사(electroencephalography, EEG)에 의해 수행될 수 있다.
예시적인 일 구현예에서, 상기 운동 장애는 뇌졸중일 수 있다.
예시적인 일 구현예에서, 상기 (a) 단계의 개체는 뇌졸중 후 상지 마비 상태일 수 있다.
예시적인 일 구현예에서, 상기 운동 장애 관련 정보는 운동 장애에 대한 예후 예측, 운동 장애 관련 진단 및 운동 장애 관련 재활 치료 중 하나 이상에 관한 정보를 포함할 수 있다.
일 측면에서, 본 발명은 개체의 운동 수행에 따라 얻어진 뇌 네트워크 지수를 제공하는 운동 장애 관련 정보 제공장치를 제공한다.
예시적인 일 구현예에서, 뇌 네트워크 지수는 (i) 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수에 대한 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수의 비율, 또는 (ii) 정상 개체의 운동 수행에 따른 뇌 네트워크 지수에 대한 운동 장애를 가지는 개체의 운동 수행에 따른 뇌 네트워크 지수의 비율로 표시될 수 있다.
일 측면에서, 본 발명은 상기 운동 장애 관련 정보제공장치; 및 상기 장치에 연결되어 상기 뇌 네트워크 지수에 기초하여 뇌 자극을 수행하는 뇌자극부 및 운동 장애 재활을 보조하는 재활 보조부 중 하나 이상을 포함하는 장치를 제공한다.
예시적인 일 구현예에서, 상기 뇌자극부는 뇌 전기 자극, 뇌 자기 자극, 뉴로 피드백 중 하나 이상을 수행하는 것일 수 있으며, 상기 재활 보조부는 재활을 보조하는 로봇 팔을 포함할 수 있다.
예시적인 일 구현예에서, 상기 장치는 개체에 운동 테스크를 지시하기 위한 AR 또는 VR 기기를 포함하는 인스트력션 기기를 더 포함할 수 있다.
일 측면에서, 본 발명은 컴퓨터에 의해 판독 가능하고, 상기 컴퓨터에 의해 동작 가능한 프로그램 명령어를 저장하는 컴퓨터 판독가능한 기록매체로서, 상기 프로그램 명령어가 상기 컴퓨터의 프로세서에 의해 실행되는 경우 상기 프로세서가 상기 운동 장애 관련 정보제공방법을 수행하게 하는 컴퓨터 판독가능 기록매체를 제공한다.
일 측면에서, 본 발명의 일 구현예에 따른 운동 장애 관련 정보제공방법 또는 장치는 운동 장애에 대한 예후 예측, 운동 장애 관련 진단 또는 운동 장애 관련 재활 치료 등에 관한 정보를 제공하는 효과가 우수하다.
일 측면에서, 본 발명의 일 실시예에 따른 운동 장애 관련 정보제공방법 또는 장치는 운동 장애에 대한 예후 등을 예측하여 적절한 치료방식을 선택함으로써 운동 장애 관련 재활 치료를 결정하기 위해 임상적으로 사용될 수 있다.
도 1a는 본 발명의 일 실시예에 따른 피험자가 수행한 손 동작 과제의 개략도이다.
도 1b는 본 발명의 일 실시예에서 사용된 전극의 위치를 나타낸 개략도이다. 도 1b에서 파란색 상자는 좌측 ROI를 나타내며 녹색 상자는 우측 ROI를 나타내고, ROI는 관심 영역(regions of interest)를 의미한다.
도 2는 본 발명의 일 실시예에서 운동 장애를 가지는 손 동작과 운동 장애를 갖지 않는 손 동작 과제를 수항할 때 피험자에 대한 평균 지형도 및 정량화된 로우-베타 ERD를 나타낸 것이다(CON은 손상되지 않은 대조 반구를 의미하고 IPSI는 손상된 손상측 반구를 의미한다).
도 3은 본 발명의 일 실시예에서 손상된 손상측 반구와 손상되지 않은 대조 반구사이의 네트워크 지수를 비교한 그래프이다.
도 4는 본 발명의 일 실시예에서 기능적 네트워크 지수와 FMA 점수 간의 상관관계를 나타낸 그래프이다.
도 1b는 본 발명의 일 실시예에서 사용된 전극의 위치를 나타낸 개략도이다. 도 1b에서 파란색 상자는 좌측 ROI를 나타내며 녹색 상자는 우측 ROI를 나타내고, ROI는 관심 영역(regions of interest)를 의미한다.
도 2는 본 발명의 일 실시예에서 운동 장애를 가지는 손 동작과 운동 장애를 갖지 않는 손 동작 과제를 수항할 때 피험자에 대한 평균 지형도 및 정량화된 로우-베타 ERD를 나타낸 것이다(CON은 손상되지 않은 대조 반구를 의미하고 IPSI는 손상된 손상측 반구를 의미한다).
도 3은 본 발명의 일 실시예에서 손상된 손상측 반구와 손상되지 않은 대조 반구사이의 네트워크 지수를 비교한 그래프이다.
도 4는 본 발명의 일 실시예에서 기능적 네트워크 지수와 FMA 점수 간의 상관관계를 나타낸 그래프이다.
이하, 본 발명을 상세하게 설명한다.
본 명세서에서, "운동 장애 관련 정보"는 운동 장애에 대한 예후 예측, 운동 장애 관련 진단 및 운동 장애 관련 재활 치료 중 하나 이상에 관한 정보를 의미한다.
일 측면에서, 본 발명은 (a) 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및 (b) (a)단계에서 측정된 뇌 네트워크 지수를 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는 운동 장애 관련 정보제공방법을 제공한다.
일 측면에서, 본 발명은 (a) 운동 장애를 가지는 개체의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및 (b) (a) 단계에서 측정된 뇌 네트워크 지수를 정상 개체의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는 운동 장애 관련 정보제공방법을 제공한다. 상기 정상 개체는 운동 장애를 갖지 않는 개체를 의미한다.
일 구현예에 있어서, 상기 뇌 네트워크 지수는 강도(strength), 클러스터링 계수(clustering coefficient), 경로 길이(path length) 및 스몰월드니스(smallworldness)로 이루어진 군에서 선택되는 하나 이상을 포함할 수 있다.
본 명세서에서, 강도(strength)는 뇌 영역이 서로 얼마나 강하게 연결되어 있는 지를 의미하는 것이며, 클러스터링 계수(clustering coefficient)는 하나의 뇌 영역이 이웃 영역들과 얼마나 잘 클러스터링 되었는지를 의미하는 것이다. 또한, 경로 길이(path length)는 전체 뇌 네트워크 구조의 전체 연결성을 의미하는 것이고, 스몰월드니스(smallworldness)는 무작위 네트워크와 비교하여 한 지역에서 다른 지역으로 정보를 전송할 때 뇌 네트워크가 효율적으로 작동하는지를 의미하는 것이다.
일 구현예에 있어서, (a) 단계에서 개체는 미리 설정된 테스크를 수행 중인 것일 수 있다.
일 구현예에 있어서, 뇌 네트워크 지수는 알파(alpha)파 영역 및 로우-베타(low-beta)파 영역 중 하나 이상에서 측정되는 것일 수 있다. 알파파 영역은 주파수가 8 내지 12 Hz인 뇌파 영역을 의미할 수 있으며, 로우-베타파 영역은 주파수가 12 내지 20 Hz인 뇌파 영역을 의미할 수 있다.
일 구현예에 있어서, (a) 단계는 뇌파검사(electroencephalography, EEG)에 의해 수행될 수 있다.
일 구현예에 있어서, (a) 단계의 개체는 뇌졸중 후 상지 마비 상태인 개체일 수 있다.
일 측면에서, 본 발명은 개체의 운동 수행에 따라 얻어진 뇌 네트워크 지수를 제공하는 운동 장애 관련 정보제공장치를 제공한다.
일 구현예에 있어서, 상기 뇌 네트워크 지수는 (i) 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수에 대한 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수의 비율, 또는 (ii) 정상 개체의 운동 수행에 따른 뇌 네트워크 지수에 대한 운동 장애를 가지는 개체의 운동 수행에 따른 뇌 네트워크 지수의 비율로 표시될 수 있다.
일 측면에서, 본 발명은 개체의 운동 수행에 따라 얻어진 뇌 네트워크 지수를 제공하는 운동 장애 관련 정보제공장치; 및 상기 장치에 연결되어 상기 뇌 네트워크 지수에 기초하여 뇌 자극을 수행하는 뇌자극부 및 운동 장애 재활을 보조하는 재활 보조부 중 하나 이상을 포함하는 장치를 제공한다.
일 구현예에 있어서, 상기 뇌자극부는 뇌 전기 자극, 뇌 자기 자극, 뉴로 피드백 중 하나 이상을 수행하는 것일 수 있다.
일 구현예에 있어서, 상기 재활 보조부는 재활을 보조하는 로봇 팔을 포함할 수 있다.
일 구현예에 있어서, 상기 장치는 개체에 운동 테스크를 지시하기 위한 AR(Augmented Reality) 또는 VR(Virtual Reality) 기기를 포함하는 인스트력션 기기를 더 포함할 수 있다.
일 측면에서, 본 발명은 컴퓨터에 의해 판독 가능하고, 상기 컴퓨터에 의해 동작 가능한 프로그램 명령어를 저장하는 컴퓨터 판독가능한 기록매체로서, 상기 프로그램 명령어가 상기 컴퓨터의 프로세서에 의해 실행되는 경우 상기 프로세서가 제1항 내지 제9항 중 어느 하나의 항에 따른 운동 장애 관련 정보제공방법을 수행하게 하는 컴퓨터 판독가능 기록매체를 제공한다.
상기 컴퓨터는 데스크탑 컴퓨터, 랩탑 컴퓨터, 노트북, 스마트 폰, 이와 유사한 것과 같은 컴퓨팅 장치일 수도 있고 통합될 수도 있는 임의의 장치일 수 있다. 컴퓨터는 하나 이상의 대체적이고 특별한 목적의 프로세서, 메모리, 저장공간, 및 네트워킹 구성요소(무선 또는 유선 중 어느 하나)를 가지는 장치다. 상기 컴퓨터는 예를 들어, 마이크로소프트의 윈도우와 호환되는 운영 체제, 애플 OS X 또는 iOS, 리눅스 배포판(Linux distribution), 또는 구글의 안드로이드 OS와 같은 운영 체제(operating system)를 실행할 수 있다.
상기 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 신원확인 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장신원확인 장치 등을 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이하, 실시예를 들어 본 발명의 구성 및 효과를 보다 구체적으로 설명한다. 그러나 아래 실시예는 본 발명에 대한 이해를 돕기 위해 예시의 목적으로만 제공된 것일 뿐 본 발명의 범주 및 범위가 그에 의해 제한되는 것은 아니다.
[실시예 1] 피험자 선정
만성 뇌졸중 환자 34명을 본 발명에 따른 연구에 피험자로 등록하였다. 피험자는 다음 기준을 만족한다: (1) 18-85세; (2) 전산화 단층촬영(computed tomography, CT) 또는 자기공명영상(magnetic resonance imaging, MRI)으로 확인된 최초 허혈증 또는 출혈성 뇌졸중; (3) 단독 상지 약화; (4) 뇌졸중 후 6개월 이상 경과; 및 (5) 서면 동의를 제공할 수 있는 능력을 갖춤. 모든 피험자들은 시험에 대한 자세한 정보를 받았으며, 모든 피험자로부터 서면 동의를 얻었다. 본 연구는 분당 서울대학교 병원의 기관 심의위원회의 승인을 받았으며 세계의사협회 윤리강령에 따라 수행되었다.
[실시예 2] 피험자의 뇌 네트워크 지수 진단 및 분석
임상데이터 수집
피험자(뇌졸중 환자)의 운동 기능을 평가하기 위해, 5개의 영역으로 구성된 포괄적인 운동 장애 지수인 FMA 점수를 얻었었으며, 여기서 상지 운동 영역(0-66)이 사용되었다. 피험자의 구조적 이미지(예를 들어, CT 또는 MRI)가 임상의에 의해 검토되었으며 뇌졸중 위치가 피질, 피질하(방사관, 내낭 또는 기저행) 또는 피질/피질하로 분류되었다.
실험 양식
본 연구에서는 손을 뻗는 움직임이 반복적으로 수행되었으며, 그 동안 움직임과 관련된 EEG가 기록되었다. 피험자들은 모니터 앞의 편안한 의지 앉았다. 손 움직인 과제를 수행하기 전 휴식 상태의 EEG가 1분 동안 기록되었다(눈뜬 상태-30초, 눈 감은 상태-30초). 3초의 손을 뻗는 운동과 5초의 이완을 포함하는 단일 시험이 단일 세션에서 10회 반복되었다(도 1a). 총 8 세션이 순차적으로 수행되었는데, 4 세션은 운동 장애가 있는 손의 움직임을 대상으로 하고 나머지 4 세션은 운동 장애가 없는 손의 움직임을 대상으로 하였다. 손을 뻗는 과제 동안, 환자는 EOG(electrooculography) 인공물을 최소화하기 위해 화면에 표시된 고정 표시 십자가를 보도록 요청되었다.
EEG 기록 및 전처리
EEG 데이터는 두피에 고르게 장착된 32Ag/AgCl 두피 전극에서 1000Hz의 샘플링 속도로 기록되었다. 접지전극과 기준전극은 Fpz와 FCz에 부착되었다. 접지 전극의 위치는 기준 전극을 기준으로 측정되기 때문에 EEG 측정 시 EOG와 같은 생리학적 인공물을 발생하지 않는다. 본 연구에 사용된 기준 전극(FCz)의 위치는 두피의 중심 영역(Cz) 주변에 위치하기 때문에 EOG에 상대적으로 덜 민감하다. 그러나 EEG는 기본적으로 참조 위치에 관계없이 EOG 인공물을 포함한다. Curry 7(Compumedics, USA) 소프트웨어에서 구현된 평균 안구 운동의 첫 번째 PCA 구성요소를 사용하여 PCA(주성분 분석)에 기반한 수학적 절차를 사용하여 눈 관련 인공물을 제거했다. EEG 데이터는 0.1 ~ 55Hz에서 대역 통과 필터링되었으며 작업 시작을 기준으로 1초에서 3.5초로 분할되어 기준선 기간을 포함하며, 이는 이벤트 관련 스펙트럼 섭동(ERSP)을 계산할 때 개체 간 및 개체 내 EEG 변동성을 수정하는 데 사용되었다. 에포크가 전극 중 하나에서 총 인공물(±100 uV)을 나타내면 추가 분석에서 거부되었다. 거부된 에포크의 평균과 표준 편차는 영향을 받는 손동작 작업의 경우 3.69 - 7.15, 영향을 받지 않은 손동작 작업의 경우 1.62 - 3.95에 불과했다. PSD 및 기능적 네트워크 분석에는 인공물이 없는 EEG 데이터만 사용되었다.
IAF 기반 개별 최적화된 주파수 대역
뇌 기능 메트릭을 정량화하기 위해 알파 및 로우-베타 대역 각각에 대해 IAF를 기반으로 정의된 개별적으로 최적화된 주파수 대역을 사용했다. 이를 위해 PSD는 움직임 작업 전에 기록된 30초의 눈을 감은 휴식 상태 EEG 데이터를 사용하여 고속 푸리에 변환(Fast Fourier Transform) 방법을 이용해 계산되었다. 최대 PSD 피크를 나타내는 주파수는 Oz 전극에서 7 ~ 12Hz에서 검출되었으며 이를 IAF로 사용하였다. IAF를 기반으로 알파 및 낮은 베타 주파수 대역이 정의되었다(알파 대역의 경우 IAF -2에서 IAF +2Hz, 로우-베타 대역의 경우 IAF +2에서 IAF +11Hz). 평균 알파 및 로우-베타 주파수 대역은 각각 7.12-11.12 및 11.12-20.12Hz였다.
ERSP 분석
알파 및 로우-베타 주파수 대역은 운동 작업과 밀접하게 연관되어 있기 때문에 알파 및 로우-베타 ERD(event-related desynchronization)는 모든 EEG 전극에 대해 ERSP 방법을 사용하여 정량화되었다. 시간에 따른 스펙트럼 전력을 계산하기 위해 각 시험에 대해 250m초의 Hanning 창 크기를 갖는 단시간 푸리에 변환이 수행되었다. 그 다음 각 시험의 전력 스펙트럼을 기준 기간(-1 내지 0초)의 평균 전력과 관련하여 정규화하여 손 뻗음 동작 시작 전후의 스펙트럼 전력 값의 변화를 조사했다. 그 다음 정규화된 전력 스펙트럼을 시험에 걸쳐 평균화하여 각 피험자에 대한 기준선 정규화된 ERSP 맵을 생성했다. 스펙트럼 전력의 음수 값은 알파 및 로우-베타 대역의 두 주파수 대역에 대한 ERD를 정량화하기 위해 추출되었다. 전극은 반구에 따라 두 개의 관심 영역(ROI)으로 그룹화되어 운동 장애가 있는 손과 운동 장애가 없는 손 운동 과제 각각에서 뇌 병변이 ERD 진폭에 미치는 영향을 조사했다(도 1b) (좌반구: Fp1, F3, F7, FT9, FC5, FC1, C3, T7, TP9, CP5, CP1, P3, P7, O1; 우반구: Fp2, F8, F4, FC2, FC6, FT10, T8, C4, CP2, CP6, TP10, P8, P4 및 O2). 정중선 전극은 Fz, Cz, Pz, Oz와 같이 데이터 분석에 사용되지 않았다. 각 반구에 대한 대표적인 ERD 값은 각 피험자에 대한 해당 전극 및 시간을 평균화하여 정량화되었다.
기능적 네트워크 분석
기능적 네트워크 분석은 뇌 네트워크 관점에서 뇌 활동의 변화를 조사하기 위해 수행되었다. 그래프 이론을 기반으로 가중된 전체 뇌 네트워크 지수를 계산하기 위해 기능적 연결성 매트릭스가 전제 조건으로 계산되었다. 본 연구에서는 다양한 기능적 연결성 지수 중 자체 매트랩(Matlab) 기능을 이용하여 알파 및 로우-베타 대역에 대해 Hilbert Transform 기반의 PLV(Phase Locking Value)를 계산하였다. PLV는 작업 기간 동안만(0-3.5초) 각 시점에서 32개의 EEG 전극의 가능한 모든 쌍 사이에서 평가되었으며 PLV 매트릭스는 시간 경과에 따른 평균을 통해 생성되었다. PLV는 0에서 1 사이의 값을 갖는다. PLV가 높을수록 두 전극 사이의 연결 강도가 다른 전극 쌍보다 강한 것이다.
본 연구에서는 그래프 이론을 기반으로 (1) 강도(strength), (2) 클러스터링 계수(clustering coefficient), (3) 경로 길이(path length), 및 (4) 스몰월드니스(smallworldness)의 네 가지 가중 네트워크 지수를 평가했다. PLV 매트릭스는 센서(V)와 엣지(E)로 구성된 그래프(G)와 동일하게 사용되었으며, PLV는 두 센서 사이의 엣지의 가중치(w)를 나타낸다. 강도는 센서에 연결된 엣지의 가중치의 합으로 추정되는 뇌 영역이 서로 얼마나 강하게 연결되어 있는지를 나타낸다. 특정 센서에 대한 강도(로컬 수준)는 다음과 같이 정의됩니다:
상기 i는 특정 센서를 나타내고 j는 다른 센서들을 나타낸다(j=1, ??,n-1, n = 센서의 개수). 글로벌 레벨 강도(S)는 모든 센서의 강도 값을 평균화하여 계산됩니다. 글로벌 수준 강도(S)는 모든 센서의 강도 값을 평균화 하여 계산된다. 클러스터링 계수는 하나의 뇌 영역이 이웃 영역과 얼마나 잘 클러스터링 되었는지를 나타내며, 세 개의 센서 간의 클러스터링 정도에 따라 정량화하여 삼각형을 만든다. 특정 센서에 대한 클러스터링 계수를 계산하려면 센서의 이웃 삼각형 값이 다음보다 먼저 계산되어야 한다:
상기 N은 G에 포함된 모든 센서를 나타내고 j와 h는 특정 센서와 삼각형을 만드는 가능한 모든 인접 센서 쌍이다. 특정 센서에 대한 로컬 수준의 클러스터링 계수는 다음과 같이 정의된다:
상기 n은 센서의 수이고 ki는 특정 센서에 대해 연결된 모든 센서의 수이다. 본 연구에서는 센서의 개수가 32개이고 각 센서가 다른 센서와 완전히 연결되어 있다고 가정하였기 때문에 n과 ki는 각각 32와 31이었다. 글로벌 수준의 클러스터링 계수(C)는 모든 센서의 클러스터링 계수를 평균화하여 정량화되었다. 경로 길이는 전체 네트워크 구조(통합)의 전체 연결성을 나타낸다. 경로 길이(L)는 다음과 같이 정의된다:
상기 dij는 완전히 연결된 가중치 그래프를 사용할 때 가중치의 역수로 정량화되는 두 센서(i 및 j) 사이의 최단 거리를 나타낸다.
스몰월드니스는 무작위 네트워크와 비교하여 한 영역에서 다른 영역으로 정보를 전송할 때 뇌 네트워크가 비용 효율적으로 작동하는 방식을 나타낸다. 스몰월드니스를 평가하기 위해 무작위로 재배선된 널(null) 함수 연결성 매트릭스를 사용하여 평가된 각 인덱스별로 클러스터링 계수와 경로 길이를 모두 정규화한 다음 정규화된 경로 길이(lambda)에 대한 정규화된 클러스터링 계수(gamma)의 비율을 계산하여 작은 세계성을 평가했다(스몰월드니스 = gamma/lambda). 3개의 ROI, (1) 전체 뇌(양쪽 반구), (2) 동측 반구만, (3) 대뇌 반구만 4개의 네트워크 지수를 정량화했다. 또한, 움직임 중 뇌졸중 환자의 특정 지역 네트워크 특성을 조사하기 위해 결절 강도와 결절 클러스터링 계수의 로컬 수준의 네트워크 지수를 계산했다. 모든 네트워크 측정은 MATLAB을 기반으로 한 Brain Connectivity Toolbox(BCT; www.brain-connectivity-toolbox.net)를 사용하여 계산되었다.
통계분석
ERD 및 네트워크 분석 지수에 통계적 접근 방식을 적용했다. 분산의 양방향 반복 측정 분석(rmANOVA)을 수행하여 과제(운동 장애가 있는 손 및 운동 장애가 없는 손 움직임 과제) 및 반구(손상측(ipilesional) 및 대조(contralesional) 반구)의 피험자 내 요인과 ERD 차이를 평가했다. 모든 유의미한 효과를 위해 FDR(False Discover Rate) 방법을 사용하여 조정된 양측 p-값으로 post hoc paired t-검정 분석을 수행했다. 또 다른 양방향 rmANOVA는 과제(운동 장애가 있는 손 및 운동 장애가 없는 손 움직임 과제) 및 반구(손상측 및 대조 반구)의 개체 내 요인과 함께 반구 수준 네트워크 지수의 차이를 조사하기 위해 수행되었으며, 그 다음 FDR 보정을 사용하여 조정된 양측 p-값으로 post hoc paired t-검정 분석을 수행했다. 또한, EEG 기반 기능 지수(ERD 및 네트워크 지수)와 FMA 점수 간의 관계를 평가했다. SPSS version 21.0(IBM Corp., Armonk, NY, USA) 및 Matlab을 통계 분석에 사용했습니다.
ERD 패턴
ERD(F = 6.396, p = 0.016) 측면에서 과제 및 반구 사이에 유의미한 상호 작용이 관찰되었다. 특히 로우-베타 주파수 대역에서 상호 작용이 두드러졌다. 손을 움직이는 동안 반구 사이의 상당한 ERD 차이가 나타났다. 각 손 동작 과제의 지형 로우-베타 ERD 맵을 도 2에 나타내었다. 운동 장애가 있는 손 운동 과제(-1.619 ± 0.744 vs. -1.480 ± 0.591, FDR 조정 p = 0.046)와 운동 장애가 없는 손 운동 과제(-1.374 ± 0.513 vs. -1.249 ± 0.434, FDR 조정 p = 0.045) 모두에 대해 손상측 반구와 비교하여 대조 반구에서 유의하게 더 강한 로우-베타 ERD가 관찰되었다.
글로벌 수준의 네트워크 특성
운동 장애가 없는 손 운동 과제 중에 발견된 것과 비교하여 운동 장애가 있는 손 운동 과제 동안 로우-베타 주파수 대역에서 크게 변경된 전체 뇌 네트워크 지수가 발견되었다. 강도(strength)와 클러스터링 계수(clustering coefficient)는 운동 장애가 없는 손 동작 과제 동안에 비해 운동 장애가 있는 손 동작 작업 동안 유의하게 감소한 반면, 운동 장애가 있는 손 동작 과제 동안 경로 길이(path length)가 상당히 증가된 것으로 나타났다. 그러나 두 과제 간의 스몰월드니스(smallworldness)는 유의한 차이가 없었다. 이 결과를 표 1에 나타내었다.
| 운동 장애가 있는 손 운동 | 운동 장애가 없는 손 운동 | p | |
| 강도(strength) | 11.196 ± 1.690 | 11.625 ± 1.743 | 0.014 |
| 클러스터링 계수 (clustering coefficient) |
0.342 ± 0.056 | 0.356 ± 0.057 | 0.014 |
| 경로 길이 (path length) |
3.249 ± 0.483 | 3.147 ± 0.465 | 0.021 |
| 스몰월드니스 (smallworldness) |
0.897 ± 0.032 | 0.894 ± 0.030 | 0.405 |
반구 수준의 네트워크 특성
알파 및 로우-베타 주파수 대역 모두에서 과제와 반구 사이에서 네트워크 지수의 유의마한 효과가 발견되었다(F-통계, 모든 비교에 대해 p < 0.001). 운동 장애가 있는 손과 그렇지 않은 손 동작 작업 모두에서 대조(contralesional) 뇌 네트워크는 알파 및 로우-베타 주파수 대역 모두에서 세 네트워크 지수(강도, 클러스터링 계수 및 경로 길이)에 대해 손상측(ipsilesional) 뇌 네트워크보다 더 효과적이었다(도 3). 강도와 클러스터링 계수는 손상측 반구와 비교하여 대조 반구에서 유의하게 증가한 반면 경로 길이는 대조 반구에서 유의하게 감소했다. 스몰월드니스의 경우 알파 및 로우-베타 주파수 대역에서 운동 장애가 있는 손 움직임 과제에서 유의미한 차이가 관찰되었다. 스몰월드니스는 손상측 반구에 비해 대조 반구에서 유의하게 증가했다.
FMA 점수와의 관계
손상측 기능적 뇌 네트워크 지수를 적용했을 때 유의한 상관관계 결과가 나타났다. 운동 장애를 가지는 손 움직임 과제동안 추정된 알파 손상측 뇌 네트워크 지수는 FMA 점수와 유의한 상관관계가 있었다. 강도(rho = 0.340, p = 0.049), 클러스터링 계수(rho = 0.342, p = 0.048) 및 스몰월드니스(rho = 0.444, p = 0.008)의 손상측 뇌 네트워크 지수는 FMA 점수와 양의 상관관계를 나타낸 반면 경로 길이(rho = 0.350, p = 0.042)는 도 4A에 나타난 바와 같이 FMA 점수와 음의 상관관계를 나타냈다.
또한, 손상측 및 대조 반구 사이의 알파 뇌 네트워크 지수의 비율을 사용하는 경우 유의한 상관관계가 관찰되었다. 강도(rho = 0.369, p = 0.032), 클러스터링 계수(rho = 0.370, p = 0.031), 스몰월드니스(rho = 0.375, p = 0.029)의 비율은 FMA 점수와 양의 상관관계를 나타냈으며, 경로 길이(rho = 0.376, p = 0.028)의 비율은 도 4B에 나타난 바와 같이 FMA 점수와 음의 상관관계를 나타냈다.
운동 장애가 있는 손 동작 과제 동안 추정된 로우-베타 주파수 대역에서 손상측 네트워크 지수와 FMA 점수 사이의 유의한 상관관계가 나타났다. 강도(rho = 0.328, p = 0.058)와 클러스터링 계수(rho = 0.338, p = 0.051)의 손상측 뇌 네트워크 지수는 FMA 점수와 양의 상관관계를 나타내는 반면 경로 길이(rho = 0.340, p = 0.049)는 FMA 점수와 음의 상관관계를 나타냈다.
종합적으로, 본 발명의 일 실시예에 따르면, 운동 장애가 있는 손의 움직임과 비교하여 운동 장애가 없는 손의 움직임 동안 감소된 ERD, 감소된 강도, 감소된 클러스터링 계수 및 연장된 경로 길이를 확인할 수 있었다. 또한, FMA 점수와 뇌 네트워크 지수 사이에서 유의한 상관관계를 확인하였다. 이를 통해 본 발명의 일 실시예에서 확인된 뇌 네트워크 지수는 운동 장애, 특히 뇌졸중 후 운동 장애에 대한 유요한 뇌 바이오마커가 될 수 있음을 알 수 있었다. 따라서, 본 발명의 일 실시예에 따른 방법을 이용하면 운동 장애에 대한 예후 예측, 운동 장애 관련 재활 치료에 관한 정보를 효과적으로 제공할 수 있음을 확인할 수 있었다.
Claims (15)
- (a) 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및
(b) (a)단계에서 측정된 뇌 네트워크 지수를 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는, 운동 장애 관련 정보제공방법. - (a) 운동 장애를 가지는 개체의 운동 수행에 따른 뇌 네트워크 지수를 측정하는 단계; 및
(b) (a) 단계에서 측정된 뇌 네트워크 지수를 정상 개체의 운동 수행에 따른 뇌 네트워크 지수와 비교하는 단계를 포함하는, 운동 장애 관련 정보제공방법. - 제1항 또는 제2항에 있어서,
상기 뇌 네트워크 지수는 강도(strength), 클러스터링 계수(clustering coefficient), 경로 길이(path length) 및 스몰월드니스(smallworldness)로 이루어진 군에서 선택되는 하나 이상을 포함하는 방법. - 제1항 또는 제2항에 있어서,
(a) 단계에서 개체는 미리 설정된 테스크 수행 중인 개체로부터 측정되는 것인, 방법. - 제1항 또는 제2항에 있어서,
상기 뇌 네트워크 지수는 알파(alpha)파 영역 및 로우-베타(low-beta)파 영역 중 하나 이상에서 측정되는 것인, 방법. - 제1항 또는 제2항에 있어서,
(a) 단계는 뇌파검사(electroencephalography, EEG)에 의해 수행되는 것인, 방법. - 제1항 또는 제2항에 있어서,
상기 운동 장애는 뇌졸중인 것을 특징으로 하는 방법. - 제1항 또는 제2항에 있어서,
(a) 단계의 개체는 뇌졸중 후 상지 마비 상태인 것인, 방법. - 제1항 또는 제2항에 있어서,
상기 운동 장애 관련 정보는 운동 장애에 대한 예후 예측, 운동 장애 관련 진단 및 운동 장애 관련 재활 치료 중 하나 이상에 관한 정보를 포함하는, 방법. - 개체의 운동 수행에 따라 얻어진 뇌 네트워크 지수를 제공하는, 운동 장애 관련 정보 제공장치.
- 제10항에 있어서,
상기 뇌 네트워크 지수는 (i) 개체의 건측 부위의 운동 수행에 따른 뇌 네트워크 지수에 대한 개체의 환측 부위의 운동 수행에 따른 뇌 네트워크 지수의 비율, 또는 (ii) 정상 개체의 운동 수행에 따른 뇌 네트워크 지수에 대한 운동 장애를 가지는 개체의 운동 수행에 따른 뇌 네트워크 지수의 비율로 표시되는, 장치. - 제10항에 따른 운동 장애 관련 정보제공장치; 및
상기 장치에 연결되어 상기 뇌 네트워크 지수에 기초하여 뇌 자극을 수행하는 뇌자극부 및 운동 장애 재활을 보조하는 재활 보조부 중 하나 이상을 포함하는 장치. - 제12항에 있어서,
상기 뇌자극부는 뇌 전기 자극, 뇌 자기 자극, 뉴로 피드백 중 하나 이상을 수행하는 것이고, 상기 재활 보조부는 재활을 보조하는 로봇 팔을 포함하는, 장치. - 제12항에 있어서,
상기 장치는 개체애 운동 테스크를 지시하기 위한 AR 또는 VR 기기를 포함하는 인스트력션 기기를 더 포함하는, 장치. - 컴퓨터에 의해 판독 가능하고, 상기 컴퓨터에 의해 동작 가능한 프로그램 명령어를 저장하는 컴퓨터 판독가능한 기록매체로서,
상기 프로그램 명령어가 상기 컴퓨터의 프로세서에 의해 실행되는 경우 상기 프로세서가 제1항 내지 제9항 중 어느 하나의 항에 따른 운동 장애 관련 정보제공방법을 수행하게 하는 컴퓨터 판독가능 기록매체.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220007841A KR20230111860A (ko) | 2022-01-19 | 2022-01-19 | 운동 장애 관련 정보제공방법 및 이에 사용되는 장치 |
| PCT/KR2022/013629 WO2023140453A1 (ko) | 2022-01-19 | 2022-09-13 | 운동 장애 관련 정보제공방법 및 이에 사용되는 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220007841A KR20230111860A (ko) | 2022-01-19 | 2022-01-19 | 운동 장애 관련 정보제공방법 및 이에 사용되는 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230111860A true KR20230111860A (ko) | 2023-07-26 |
Family
ID=87348854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220007841A KR20230111860A (ko) | 2022-01-19 | 2022-01-19 | 운동 장애 관련 정보제공방법 및 이에 사용되는 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20230111860A (ko) |
| WO (1) | WO2023140453A1 (ko) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015071901A2 (en) * | 2013-11-13 | 2015-05-21 | Elminda Ltd. | Method and system for managing pain |
| WO2016046830A2 (en) * | 2014-09-28 | 2016-03-31 | Elminda Ltd. | Brain stimulation tool configuration |
| JP6755507B2 (ja) * | 2016-01-20 | 2020-09-16 | 国立大学法人大阪大学 | 脳活動訓練システム及び脳活動訓練システムの作動方法 |
| KR102033517B1 (ko) * | 2019-05-17 | 2019-10-18 | 가천대학교 산학협력단 | 뇌파측정과 vr 컨텐츠를 기초로 한 시니어 훈련 시스템 |
-
2022
- 2022-01-19 KR KR1020220007841A patent/KR20230111860A/ko not_active Application Discontinuation
- 2022-09-13 WO PCT/KR2022/013629 patent/WO2023140453A1/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023140453A1 (ko) | 2023-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pinti et al. | A novel GLM-based method for the Automatic IDentification of functional Events (AIDE) in fNIRS data recorded in naturalistic environments | |
| Hao et al. | DeepIED: An epileptic discharge detector for EEG-fMRI based on deep learning | |
| Çınar et al. | A novel system for automatic removal of ocular artefacts in EEG by using outlier detection methods and independent component analysis | |
| Fitzgibbon et al. | Automatic determination of EMG-contaminated components and validation of independent component analysis using EEG during pharmacologic paralysis | |
| US9839392B2 (en) | Method and system for estimating brain concussion | |
| Guarnieri et al. | Online EEG artifact removal for BCI applications by adaptive spatial filtering | |
| AU2006204963B2 (en) | System and method for prediction of adverse events during treatment of psychological and neurological disorders | |
| KR101703547B1 (ko) | 기능적 근적외선 분광법의 뇌활성도 측정에 따른 유효 채널 추출 방법 및 장치 | |
| US9713433B2 (en) | Method and system for managing pain | |
| Nagata et al. | Topographic electroencephalographic study of cerebral infarction using computed mapping of the EEG | |
| JP3581361B1 (ja) | 脳活動測定装置 | |
| Gebel et al. | Balance task difficulty affects postural sway and cortical activity in healthy adolescents | |
| Ye et al. | Individual susceptibility to TMS affirms the precuneal role in meta-memory upon recollection | |
| Pun et al. | Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva | |
| Miguel-Jiménez et al. | Multifocal ERG wavelet packet decomposition applied to glaucoma diagnosis | |
| US20230087736A1 (en) | Brain function mapping with intracranial electroencephalogram (eeg) using event-related spectral modulations | |
| Hosni et al. | An exploration of neural dynamics of motor imagery for people with amyotrophic lateral sclerosis | |
| Cui et al. | Trial-to-trial latency variability of somatosensory evoked potentials as a prognostic indicator for surgical management of cervical spondylotic myelopathy | |
| Mastria et al. | Morphology, Connectivity, and Encoding Features of Tactile and Motor Representations of the Fingers in the Human Precentral and Postcentral Gyrus | |
| Götz et al. | The influence of eye closure on somatosensory discrimination: A trade-off between simple perception and discrimination | |
| US20230123659A1 (en) | Mapping critical brain sites using intracranial electrophysiology and machine learning | |
| KR20230111860A (ko) | 운동 장애 관련 정보제공방법 및 이에 사용되는 장치 | |
| Zhang et al. | Wavelet features of the thickness map of retinal ganglion cell-inner plexiform layer best discriminate prior optic neuritis in patients with multiple sclerosis | |
| Min et al. | Electrophysiological decoding of spatial and color processing in human prefrontal cortex | |
| Guttmann-Flury et al. | A new algorithm for blink correction adaptive to inter-and intra-subject variability |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |