KR20240076001A - 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 - Google Patents
근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 Download PDFInfo
- Publication number
- KR20240076001A KR20240076001A KR1020220157997A KR20220157997A KR20240076001A KR 20240076001 A KR20240076001 A KR 20240076001A KR 1020220157997 A KR1020220157997 A KR 1020220157997A KR 20220157997 A KR20220157997 A KR 20220157997A KR 20240076001 A KR20240076001 A KR 20240076001A
- Authority
- KR
- South Korea
- Prior art keywords
- sarcopenia
- muscle
- muscle cells
- disease
- decrease
- Prior art date
Links
- 208000001076 sarcopenia Diseases 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000003745 diagnosis Methods 0.000 title claims description 13
- 210000000107 myocyte Anatomy 0.000 title 1
- 210000000663 muscle cell Anatomy 0.000 claims abstract description 73
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 37
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- UREBDLICKHMUKA-CXSFZGCWSA-N dexamethasone Chemical compound C1CC2=CC(=O)C=C[C@]2(C)[C@]2(F)[C@@H]1[C@@H]1C[C@@H](C)[C@@](C(=O)CO)(O)[C@@]1(C)C[C@@H]2O UREBDLICKHMUKA-CXSFZGCWSA-N 0.000 claims description 12
- 229960003957 dexamethasone Drugs 0.000 claims description 12
- 210000001087 myotubule Anatomy 0.000 claims description 11
- 239000000090 biomarker Substances 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 210000003205 muscle Anatomy 0.000 claims description 5
- 230000001939 inductive effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 201000010099 disease Diseases 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000024245 cell differentiation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011532 immunohistochemical staining Methods 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010001497 Agitation Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 206010028289 Muscle atrophy Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010040047 Sepsis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229960003444 immunosuppressant agent Drugs 0.000 description 1
- 230000001861 immunosuppressant effect Effects 0.000 description 1
- 239000003018 immunosuppressive agent Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000020763 muscle atrophy Effects 0.000 description 1
- 230000004220 muscle function Effects 0.000 description 1
- 201000000585 muscular atrophy Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 210000000518 sarcolemma Anatomy 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000002438 stress hormone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5091—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing the pathological state of an organism
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/10—Musculoskeletal or connective tissue disorders
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Cell Biology (AREA)
- Biochemistry (AREA)
- Biotechnology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Microbiology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Tropical Medicine & Parasitology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법에 관한 것으로, 이는 근감소증 질환 정도가 상이한 환자 각각의 근육세포 기반으로 근감소증 질환 정도에 따라 달라지는 근육세포 증감량을 파악하는 단계; 및 근감소증 질환 정도별로 근육세포 증감량을 분류하여 수집 및 평균내어, 근감소증 질환 정도와 근육세포 증감량간의 상관관계를 파악 및 반영하여 근감소증 진단 기준을 확립 및 제공하는 단계를 포함한다.
Description
본 발명은 근육세포 기반으로 근감소증 진단할 수 있도록 하는 기준을 객관적으로 획득 및 제공할 수 있도록 하는 근세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법에 관한 것이다.
근감소증은 나이가 많아짐에 따라 근육의 양, 근력, 근 기능이 모두 감소하는 질환을 의미한다.
이러한 근감소증은 여러 가지 원인에 의해서 유발된다. 그 중 채내 호르몬의 불균형이 하나의 요인이며, 스트레스 호르몬으로 알려진 글루코르티코이드(gluecocorticoid)의 과다분비가 근감소증을 유발할 수 있다고 알려져 있다. 노화 과정에서 혈중 글루코르티코이드의 농도가 높아지는 현상이 이를 뒷받침 해주고 있다.
일반적으로 글루코르티코이드의 합성 형태인 DEX(dexamethasone)는 이미 면역억제제로써 뿐만 아니라, 인슐린 신호전달을 억제함으로써 암, 화상 손상, 패혈증과 같은 다양한 의학적 상태에서 근 위축의 발달에 중요한 역할을 하는 것으로 알려졌다.
근육세포(Muscle cell)는 길게 늘어난 근섬유로 한 개 이상의 세포핵을 갖고 있으며 근육형질막(근형질막, sarcolemma)이라는 세포막(cell membrane)으로 둘러싸여 있다. 근육세포는 자극에 의한 흥분성(excitability), 세포질을 통해 자극을 전하는 전도성(conductivity), 자극에 반응하는 수축성(contractility), 수축 후 원래의 모양으로 되돌아가는 탄력성(elasticity) 등 4가지 특징이 있다.
특히, 근육세포를 DEX 처리를 하고 근감소증을 진단하기 위한 바이오 마커라고 알려진 다양한 물질의 투입을 통해 근육세포의 증감을 카운팅뿐 만아니라 앞서 언급한 특성에 대해 측정하여 근감소증 질환 정도에 비례여부를 확인한다.
이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 근육세포에 영향을 주는 물질로 인하여 증감량과 근감소증 질환 정도간의 상관관계에 대한 객관적 지표를 마련하고, 이를 기반으로 근감소증 진단 동작을 수행할 수 있도록 하는 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법을 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법에 있어서, 근감소증 질환 정도가 상이한 환자 각각의 근육세포 기반으로 근감소증 질환 정도에 따라 달라지는 바이오마커 물질을 투입한 후 근육세포 증감량을 파악하는 단계; 및 근감소증 질환 정도별로 근육세포 증감량을 분류하여 수집 및 평균내어, 근감소증 질환 정도와 근육세포 증감량간의 상관관계를 파악 및 반영하여 근감소증 진단 기준을 확립 및 제공하는 단계를 포함하는 근감소증 진단 기준 제공 방법을 제공한다.
상기 근육세포 증감량을 파악하는 단계는 환자를 선택한 후, 선택 환자의 근감소증 질환 정도를 파악하는 제1 단계; 선택 환자의 근육 세포주에서 근육세포를 분화한 후, DEX(dexamethasone) 처리를 통해 근 손실을 유도하는 제2 단계; DEX 처리된 근육세포를 실험군과 대조군으로 분리하는 제3 단계; 대조군 근육세포의 발현 영상을 촬영 및 분석하여, 근섬유의 개수와 평균 지름을 측정하는 제4 단계; 실험군 근육세포에 바이오마커 물질을 투여한 후, 대조군 근육세포의 발현 영상을 촬영 및 분석하여 근섬유의 개수, 평균 지름 및 평균 길이를 측정하는 제5 단계; 및 대조군 근육세포의 측정 결과와 실험군 근육세포의 측정 결과를 비교분석하여 근육세포의 증감량을 산출한 후, 근감소증 질환 정도를 매핑하여 저장하는 단계를 포함하는 것을 특징으로 한다.
본 발명은 근육세포 기반으로 근감소증 진단할 수 있도록 하는 기준을 객관적으로 획득 및 제공함으로써, 보다 정확하고 신뢰성있는 근감소증 진단 동작을 수행할 수 있도록
도 1은 본 발명의 일 실시예에 따른 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 근육세포 증감량 파악 단계를 보다 상세히 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 근육세포 발현 영상을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 검사 대상자의 근감소증 질환 진단 장치를 보다 상세히 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 근육세포 증감량 파악 단계를 보다 상세히 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 근육세포 발현 영상을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 검사 대상자의 근감소증 질환 진단 장치를 보다 상세히 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 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법을 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 근감소증 진단 기준 제공 방법은 근감소증 질환 정도가 상이한 환자 각각의 근육세포 기반으로 근감소증 질환 정도에 따라 달라지는 근육세포의 증감량을 파악하는 단계(S10), 및 근감소증 질환 정도별로 근육세포 증감량을 분류하여 수집 및 평균내어, 근감소증 질환 정도와 근육세포 증감량간의 상관관계를 파악 및 반영하여 근감소증 진단 기준을 확립 및 제공하는 단계(S20) 등을 포함한다.
도 2는 본 발명의 일 실시예에 따른 근육세포 증감량 파악 단계를 보다 상세히 설명하기 위한 도면이다.
먼저, 환자 선택 단계(S11)에서는 환자 데이터베이스에 저장된 다수의 환자 중 어느 한명을 선택한 후, 선택 환자의 근감소증 질환 정도를 파악 및 저장한다.
근육세포 분화 및 근 손실 유도 단계(S12)에서는, 단계 S1을 통해 선택된 환자의 근육 세포주에서 근육세포를 분화한 후, DEX(dexamethasone) 처리를 통해 근 손실을 유도하도록 한다.
근육세포 분화는 기 공지된 방법을 따르도록 한다.
실험군 및 대조군 분리 단계(S13)에서는 DEX 처리된 근육세포를 실험군과 대조군으로 분리한다.
대조군 근육세포 측정 단계(S14)에서는 대조군으로 분리된 근육세포에 대해 면역 조직 화학 염색을 진행하여 노화 마커인 특정 물질을 통해 발현시킨다.
그리고 도 3과 같이 광학 현미경으로 근육세포의 발현 영상을 촬영한 후, 기 설정된 규칙에 따라 관심 영역을 설정한다. 그리고 나서 인공지능 알고리즘을 통해 관심 영역에 존재하는 근섬유의 개수와 평균 지름을 측정하도록 한다.
이때, 면역 조직 화학 염색은 기 공지된 방법을 따르도록 한다.
그리고 인공지능 알고리즘은 ANN(Artificial Neural Network), DNN(Deep Neural Network), CNN(Convolution Neural Network), RNN(Recurrent Neural Network) 등으로 구현될 수 있다. 이는 근육세포 발현 영상을 입력 조건으로 가지고, 근육세포의 개수, 평균 지름 및 평균 길이를 출력 조건으로 가지는 대용량의 학습 데이터를 통해 사전 학습되어, 입력 영상에 대응하는 근육세포의 개수, 평균 지름 및 평균 길이와 길이를 즉각 산출 및 출력할 수 있도록 한다.
한편, 실험군 바이오마커에 해당하는 물질의 회복 처리 단계(S15)에서는 실험군으로 분리된 근육세포에 실험을 위한 물질을 투여하여, 시간의 경과에 따라 세포의 증감을 확인한다.
실험군 바이오마커 물질에 대한 측정 단계(S16)에서는, 앞서 설명된 대조군 근육세포 측정 단계(S3)와 동일한 방식으로 특정 물질을 투입한 후 발현 영상을 획득 및 분석하여 근섬유의 개수, 평균 지름 및 평균 길이를 측정하도록 한다. 이때, 평균 길이는 근섬유의 최대 길이 기준으로 측정되는 것이 바람직하나, 이에 한정될 필요는 없다.
근육세포의 증감량 확인 단계(S17)에서는 대조군의 근섬유의 개수, 평균 지름 및 평균 길이와 실험군의 근섬유의 개수, 평균 지름 및 평균 길이를 비교하여, 근육세포의 증감량을 산출한다. 그리고 산출된 근섬유의 개수, 평균 지름 및 평균 길이를 근감소증 질환 정도에 따라 분류하여 수집한 후, 평균치를 산출함으로써, 근감소증 질환 정도와 바이오 마커에 해당하는 물질에 따라 증감량간의 상관관계를 파악하고 저장한다.
상기의 단계 S11 내지 S17은 충분한 측정 결과가 수집되거나 사용자에 의해 종료 요청될 때까지 반복 수행되면서, 근감소증 질환 정도와 근육세포의 증감량간의 상관관계 파악을 위한 데이터가 대용량으로 수집되도록 한다.
이에 본 발명에서는 근감소증 질환 정도와 바이오마커에 해당하는 다양한 물질의 증감량간의 상관관계를 반복적으로 확인한 후, 이에 대한 통계치를 산출 및 반영하여 근감소증 진단 기준에 대한 객관적 지표를 확립 및 제공할 수 있도록 한다.
도 3은 본 발명의 일 실시예에 따른 검사 대상자의 근감소증 질환 진단 장치를 보다 상세히 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 본 발명의 근감소증 질환 진단 장치는 데이터 입력부(110), 진단부(120), 및 데이터 출력부(130) 등을 포함한다.
데이터 입력부(110)는 검사 대상자의 근육세포를 채취 및 분석하여 획득한 근육세포 증감량을 입력받도록 한다.
이때, 검사 대상자의 근육세포 증감량은 앞서 설명된 단계 S2~S7을 통해 획득되는 것이 가장 바람직하나, 이에 한정될 필요는 없다.
진단부(120)는 단계 S10을 통해 획득된 근감소증 진단 기준에 기반하여, 검사 대상자의 근육세포 증감량에 상응하는 근감소증 질환 정도를 확인할 뿐만 위험도와 질환예측 정보를 제공하도록 한다.
데이터 출력부(130)는 모니터, 스피커, 통신 모듈 등을 구비하고, 모니터 및 스피커를 통해 근감소증 질환 정도 및 예측 결과를 시청각적으로 직접 안내하거나, 통신 모듈을 통해 스마트 폰, 의료 기관 서버 등과 같은 외부 장치에 근감소증 질환 정도 및 위험도와 질환예측 결과를 제공할 뿐 만 아니라 예방 목적의 정보를 통보할 수 있도록 한다.
이와 같이, 본 발명은 근감소증 진단 기준을 확립하는 데 더 나아가, 검사 대상자의 근감소증 질환 정도를 확인 및 통보할 수 도 있도록 한다.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
Claims (2)
- 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법에 있어서,
근감소증 질환 정도가 상이한 환자 각각의 근육세포 기반으로 근감소증 질환 정도에 따라 달라지는 바이오마커 물질을 투입한 후 근육세포 증감량을 파악하는 단계; 및
근감소증 질환 정도별로 근육세포 증감량을 분류하여 수집 및 평균내어, 근감소증 질환 정도와 근육세포 증감량간의 상관관계를 파악 및 반영하여 근감소증 진단 기준을 확립 및 제공하는 단계를 포함하는 근감소증 진단 기준 제공 방법. - 제1항에 있어서, 상기 근육세포 증감량을 파악하는 단계는
환자를 선택한 후, 선택 환자의 근감소증 질환 정도를 파악하는 제1 단계;
선택 환자의 근육 세포주에서 근육세포를 분화한 후, DEX(dexamethasone) 처리를 통해 근 손실을 유도하는 제2 단계;
DEX 처리된 근육세포를 실험군과 대조군으로 분리하는 제3 단계;
대조군 근육세포의 발현 영상을 촬영 및 분석하여, 근섬유의 개수와 평균 지름을 측정하는 제4 단계;
실험군 근육세포에 바이오마커 물질을 투여한 후, 대조군 근육세포의 발현 영상을 촬영 및 분석하여 근섬유의 개수, 평균 지름 및 평균 길이를 측정하는 제5 단계; 및
대조군 근육세포의 측정 결과와 실험군 근육세포의 측정 결과를 비교분석하여 근육세포의 증감량을 산출한 후, 근감소증 질환 정도를 매핑하여 저장하는 단계를 포함하는 것을 특징으로 하는 근감소증 진단 기준 제공 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220157997A KR20240076001A (ko) | 2022-11-23 | 2022-11-23 | 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 |
| PCT/KR2023/017069 WO2024111921A1 (ko) | 2022-11-23 | 2023-10-31 | 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220157997A KR20240076001A (ko) | 2022-11-23 | 2022-11-23 | 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240076001A true KR20240076001A (ko) | 2024-05-30 |
Family
ID=91196020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220157997A KR20240076001A (ko) | 2022-11-23 | 2022-11-23 | 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20240076001A (ko) |
| WO (1) | WO2024111921A1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102405320B1 (ko) | 2020-09-28 | 2022-06-02 | 연세대학교 원주산학협력단 | 근감소증 진단장치 및 진단방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200120076A (ko) * | 2019-04-11 | 2020-10-21 | 경상대학교산학협력단 | 기계학습을 이용한 근감소증 예측장치 |
| KR102477592B1 (ko) * | 2020-12-30 | 2022-12-15 | 원광대학교산학협력단 | 신체액 샘플을 이용한 근 감소증 인공지능 진단 시스템 및 방법 |
-
2022
- 2022-11-23 KR KR1020220157997A patent/KR20240076001A/ko unknown
-
2023
- 2023-10-31 WO PCT/KR2023/017069 patent/WO2024111921A1/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102405320B1 (ko) | 2020-09-28 | 2022-06-02 | 연세대학교 원주산학협력단 | 근감소증 진단장치 및 진단방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024111921A1 (ko) | 2024-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mangus et al. | Intraepidermal nerve fiber analysis in human patients and animal models of peripheral neuropathy: a comparative review | |
| CN109584229A (zh) | 一种内镜下逆行胰胆管造影术实时辅助诊断系统及方法 | |
| CN111862020B (zh) | 一种眼前节生理年龄预测方法、装置、服务器及存储介质 | |
| US11455498B2 (en) | Model training method and electronic device | |
| CN112102940B (zh) | 一种屈光检测方法、装置、计算机设备及存储介质 | |
| US9943223B2 (en) | Retinal nerve fiber layer volume analysis for detection and progression analysis of glaucoma | |
| CN107811609B (zh) | 一种脑老化评估系统 | |
| Hu et al. | ACCV: automatic classification algorithm of cataract video based on deep learning | |
| Roshdy et al. | Effect of age on pentacam keratoconus indices | |
| CN113553991A (zh) | 一种基于深度学习的舌象识别方法 | |
| KR20240076001A (ko) | 근육세포 기반 근감소증 진단을 위한 근감소증 진단 기준 제공 방법 | |
| TWI742782B (zh) | 視網膜分層厚度檢測模型之建立方法、視網膜分層厚度檢測系統、眼部照護裝置、視網膜分層厚度檢測方法及失智症評估和預測方法 | |
| Wen et al. | On the deep learning-based age prediction of color fundus images and correlation with ophthalmic diseases | |
| Kanakatte et al. | A decision support system for retinal image defect detection | |
| Yin et al. | A cloud-based system for automatic glaucoma screening | |
| CN108968975A (zh) | 基于人工智能的血糖值的测量方法及设备 | |
| WO2021139446A1 (zh) | 一种抗血管内皮生长因子vegf疗效预测装置及方法 | |
| US11471040B2 (en) | Method for obtaining a visual field map of an observer | |
| Kumar et al. | Comparison of structural, functional, tonometric, and visual acuity testing for glaucoma: a prospective diagnostic accuracy study | |
| JP5955349B2 (ja) | 分析方法 | |
| Weinreb | Diagnosing and monitoring glaucoma with confocal scanning laser ophthalmoscopy | |
| TWI821063B (zh) | 視網膜自動分層模型之建立方法、視網膜分層量化系統、眼部照護裝置、視網膜分層厚度及視網膜分層面積的檢測方法及神經退化性疾病評估和預測方法 | |
| KR102248251B1 (ko) | 체열정보를 이용한 의료진단 보조장치 | |
| US20220151482A1 (en) | Biometric ocular measurements using deep learning | |
| KR102247712B1 (ko) | 빅데이터를 이용한 피부 진단 방법 및 피부 진단 장치 |