In silico optimization of deep brain stimulation to enhance cognitive control: Improving performance and practicality with a continuous rolling arena

심각하고 치료가 어려운 정신 질환을 앓는 일부 환자들의 경우, 뇌 자체의 배선이 약물로 끊을 수 없는 고통의 루프에 갇힌 것처럼 보입니다. 이러한 경우, 의사들은 때때로 뇌 심부 자극술(deep brain stimulation)이라는 시술을 시행하는데, 이는 뇌 깊숙한 곳에 아주 작은 전극을 배치하여 특정 영역에 부드러운 전기 펄스를 보내는 방식입니다. 하나의 표적은 사고와 감정을 관리하는 데 역할을 하는 뇌 중심부 근처의 복측 캡슐(ventral capsule) 및 복측 선조체(ventral striatum)라고 알려진 영역입니다. 이 요법은 큰 가능성을 품고 있지만, 장치의 적절한 설정을 찾는 과정은 전통적으로 느리고 좌절감을 주는 과정이었습니다. 의사들은 환자가 조절 후 자신의 기분이 어떤지 설명하는 것에 의존해야 하는데, 이 방법은 주관적이며 적절한 설정을 찾는 데 몇 주 또는 몇 달이 걸릴 수도 있습니다. 핵심적인 과제는 뇌가 복잡하며, 가장 잘 작동하는 설정이 명확하지 않아 세심하고 반복적인 테스트를 통해 발견되어야 한다는 점입니다.

새로운 한 연구는 뇌의 자체적인 행동이 실시간으로 조정을 유도하게 함으로써 이 발견 과정을 가속화하는 방법을 탐구합니다. 연구진은 환자가 상태가 좋아졌다고 말하기를 기다리는 대신, 자극이 가해지는 동안 사람이 정신적 과제를 얼마나 빠르고 정확하게 수행하는지를 관찰하는 시스템을 제안했습니다. 그들은 방해되는 정보를 무시하고 목표에 집중해야 하는 일종의 정신적 훈련인 인지 제어 과제에 초점을 맞추었습니다. 아이디어는 만약 전기 펄스가 뇌에 도움이 된다면, 사람이 과제를 더 빠르게, 그리고 실수를 줄여서 완료할 것이라는 점이었습니다. 반응 시간을 직접 측정함으로써, 이 시스템은 주관적인 보고에 의존하거나 추측하거나 기다릴 필요 없이, 어떤 전극 설정이 가장 잘 작동하고 어떤 것이 그렇지 않은지를 즉각적으로 판단할 수 있었습니다.

이 아이디어를 테스트하기 위해, 연구진은 인간 환자로부터 시작하는 대신, 이 치료를 받는 환자를 모사한 정교한 컴퓨터 시뮬레이션을 구축했습니다. 그들은 서로 다른 컴퓨터 프로그램들이 최적의 설정을 찾는 과정을 어떻게 처리하는지 확인하기 위해 수천 번의 시행착을 수행할 수 있는 가상 환경을 만들었습니다. 이 시뮬레이션에서 그들은 데이터에 기반해 뇌의 내부 상태를 추측하려 했던 기존의 방법들과 새로운 접근 방식을 비교했습니다. '연속 롤링 아레나(continuous rolling arena)'라고 불리는 이 새로운 방식은 추측하는 게임을 완전히 건너뜁니다. 이 방식은 사람의 순수한 반응 속도를 직접 가져와 경험으로부터 학습하도록 설계된 스마트 컴퓨터 프로그램인 적응형 알고리즘에 입력합니다. 이 프로그램은 최적의 전극 접점을 찾는 과정을 마치 올바른 문을 열어야 하는 게임처럼 취급하며, 잘못된 문을 피하고 최적의 문을 최대한 빨리 찾기 위해 매번 클릭할 때마다 학습합니다.

시뮬레이션 결과, 이 직접적인 접근 방식이 데이터를 통해 뇌의 숨겨진 상태를 추측하려던 기존의 더 복잡한 방법들보다 훨씬 더 신뢰할 수 있다는 것을 보여주었습니다. 연구진이 데이터로부터 뇌의 숨겨진 상태를 추정하려고 했을 때, 시스템은 측정값의 자연스러운 노이즈(noise)로 인해 혼란을 겪으며 판단 오류를 일으켰습니다. 중간 단계를 제거하고 오직 순수한 반응 시간만을 바라봄으로써, 시스템은 그 노이즈를 증폭시키는 것을 피할 수 있었습니다. 시뮬레이션에서 이러한 변화는 올바른 전극 설정을 선택하는 실패율을 거의 3분의 1 수준에서 약 10분의 1 수준으로 낮추었습니다. 또한, 매일 테스트를 초기화하는 대신 연속적인 테스트를 유지함으로써, 시스템은 무엇이 효과적이었는지에 대한 더 강력한 이력을 쌓을 수 있었고, 덕분에 세션 도중 환자의 상태가 예기치 않게 변하더라도 빠르게 회복할 수 있었습니다.

또한 이 연구는 실질적인 문제도 다루었습니다. 대부분의 장치는 많은 전극 접점을 가지고 있지만, 이를 하나씩 모두 테스트하는 것은 너무 오래 걸립니다. 연구진은 시스템이 한 번에 더 작은 그룹의 접점에 집중할 수 있게 하는 메커니즘을 도입하여, 정확도를 잃지 않으면서도 탐색 범위를 효과적으로 좁혔습니다. 테스트 결과, 이 접근 방식은 한 번에 4개의 접점만을 활성화하여 8개의 서로 다른 접점 중 최적의 설정을 성공적으로 찾아냈습니다. 이러한 확장은 이 과정이 실제 의료 하드웨어의 한계 내에 들어올 수 있을 만큼 효율적으로 만들었습니다. 이 연구 결과는 이러한 원리에 기반한 시스템이 특수하고 값비싼 장비 대신 표준적인 행동 과제를 사용하여, 현재 걸리는 시간의 아주 짧은 부분 안에 이러한 장치들을 프로그래밍할 수 있게 해줄 것임을 시사합니다. 이 작업은 뇌의 성능 신호에 직접 귀를 기울이고 불필요한 해석의 층을 제거함으로써, 개인 맞춤형 뇌 치료를 위한 더 견고하고 실용적인 경로를 만드는 것이 가능하다는 것을 입증합니다.