Bayesian Joint Longitudinal-Survival Modeling of Functional Recovery Trajectories and Time to Independent Community Ambulation Following Robotic Exoskeleton-Assisted Stroke Rehabilitation: A Multi-Centre Cohort Study in Canada

본 연구는 캐나다 4 개 병원에서의 후향적 코호트 연구를 통해 베이지안 공동 모델링 기법을 적용, 뇌졸중 환자의 로봇 외골격 보조 보행 훈련 중 하체 운동 기능의 비선형 회복 궤적과 독립적인 지역사회 보행 달성 시간 간의 상호 의존성을 규명하여, 현재 기능 수준과 회복 속도가 모두 보행 달성 예측에 중요한 독립적 요인임을 입증했습니다.

핵심

🏥 연구의 핵심: "두 가지 길을 동시에 보는 지도"

기존의 연구들은 보통 두 가지를 따로따로 분석했습니다.

1. 시간이 지남에 따라 다리 힘이 얼마나 좋아지는가? (장기 추적)
2. 언제쯤 혼자서 동네를 돌아다닐 수 있게 될까? (목표 달성 시간)

하지만 이 연구는 **"이 두 가지는 서로 떼려야 뗄 수 없다"**고 말합니다. 다리의 힘이 좋아지는 속도가 빠르면, 동네를 돌아다닐 수 있는 목표에 더 빨리 도달할 확률이 높아지기 때문입니다.

연구진은 이를 해결하기 위해 **'베이지안 공동 모델 (Bayesian Joint Model)'**이라는 아주 정교한 예측 지도를 만들었습니다. 이 지도는 환자의 다리 힘 변화 궤적과 목표 달성 시간을 동시에 연결하여, "지금 이 환자는 앞으로 어떻게 될까?"를 더 정확하게 예측합니다.

---

🚀 주요 발견 3 가지

1. 회복은 '초고속'으로 시작해서 '서서히' 멈춥니다 (비유: 스포츠카와 기어)

로봇 보행기를 시작한 지 첫 3 개월 (12 주) 동안은 회복 속도가 매우 빠릅니다. 마치 스포츠카가 출발하자마자 최고 속도로 질주하는 것과 같습니다.

• 12 주까지: 다리 기능 점수 (FMA-LE) 가 평균 8.7 점이나 급격히 올랐습니다.
• 12 주 이후: 회복 속도가 점차 느려지며, 1 년이 지나면 거의 평탄한 상태 (플랫폼) 에 도달합니다.
• 교훈: 재활의 '황금기'는 시작 직후이며, 이때 집중적인 치료가 가장 효과적입니다.

2. '현재의 힘'보다 '회복하는 속도'도 중요합니다 (비유: 산을 오르는 두 사람)

두 사람이 같은 높이 (현재 다리 힘) 에 있다고 가정해 봅시다.

• A 씨: 지금 위치는 같지만, 오르는 속도가 매우 빠릅니다.
• B 씨: 같은 위치지만, 오르는 속도가 거의 멈췄습니다.

이 연구는 A 씨가 B 씨보다 훨씬 빨리 '독립적인 보행 (혼자 동네를 걷는 것)'이라는 정상에 도달할 확률이 높다는 것을 발견했습니다. 단순히 지금 힘이 얼마나 좋은지보다, **"얼마나 빠르게 좋아지고 있는가?"**가 미래를 예측하는 더 중요한 열쇠였습니다.

3. 로봇 보행기는 '초기'에 시작할수록 좋습니다 (비유: 씨앗 심기)

뇌졸중이 발생한 지 얼마나 빨리 로봇 보행기를 시작하느냐가 중요했습니다.

• 빨리 시작할수록 (발병 후 30 일 지연될 때마다) 독립 보행에 도달할 확률이 떨어졌습니다.
• 뇌졸중 유형 중 출혈성 뇌졸중이나 나이가 많을수록, 그리고 초기 뇌 손상 정도가 심할수록 회복이 더뎌졌습니다.

---

🎯 이 연구가 우리에게 주는 메시지

이 연구는 단순히 "로봇 보행기가 좋다"는 것을 넘어서, 더 똑똑한 재활 계획을 세우는 방법을 제시합니다.

• 맞춤형 치료: 환자가 회복 속도가 빠르면 치료 강도를 유지하거나 높이고, 속도가 느려지면 다른 방법을 모색해야 합니다.
• 실시간 예측: 환자의 다리 힘 데이터를 입력하면, "이 환자는 앞으로 3 개월 안에 혼자 걷게 될 확률이 80% 입니다"라고 실시간으로 예측할 수 있는 도구가 될 수 있습니다.
• 자원 배분: 로봇 보행기 같은 고가의 장비는 회복 가능성이 높은 환자에게 먼저 집중하는 것이 경제적으로도 효율적입니다.

📝 한 줄 요약

"뇌졸중 환자의 다리 회복은 초반에 가장 빠르게 일어나며, 지금의 힘뿐만 아니라 회복하는 속도를 함께 보면, 언제쯤 혼자 걸을 수 있을지 훨씬 정확하게 알 수 있다!"

이 연구는 로봇 기술과 정교한 통계 분석을 결합하여, 뇌졸중 환자들이 더 빠르고 효율적으로 일상생활로 돌아갈 수 있는 길을 찾아주었습니다.

기술 요약

논문 요약: 로봇 외골격 보조 보행 훈련 후 뇌졸중 환자의 기능 회복 궤적과 지역사회 보행 독립 달성 시간의 베이지안 공동 모델링

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 로봇 외골격 보조 보행 훈련 (RAGT) 은 뇌졸중 환자의 보행 기능 회복에 유망한 치료법으로 부상하고 있습니다.
• 문제점:
  • 기존 연구들은 주로 전후 비교나 고정된 시점의 그룹 간 평균 차이를 분석하여, 기능 회복의 동적이고 비선형적인 특성을 충분히 포착하지 못했습니다.
  • 표준 분석 방법 (종단 데이터와 생존 데이터를 분리하여 분석) 은 **정보적 탈락 (informative dropout)**과 시간 가변적 기능 측정치의 **내생성 (endogenous nature)**으로 인해 편향된 추정치를 초래할 수 있습니다. 즉, 회복이 빠른 환자는 더 일찍 기능적 마일스톤을 달성하고 이로 인해 치료 강도나 모니터링 주기가 변하는 등 두 과정이 상호 의존적이기 때문입니다.
• 목표: RAGT 를 받은 뇌졸중 생존자의 하체 운동 기능 (FMA-LE) 의 종단 회복 궤적과 '지역사회 보행 독립 달성 (Functional Ambulation Category 점수 4 이상)'까지의 시간 (Time-to-event) 을 동시에 모델링하고, 두 과정 간의 상호 의존성을 고려한 **베이지안 공동 모델 (Bayesian Joint Model)**을 적용하는 것입니다.

2. 연구 방법론 (Methodology)

• 연구 설계: 2019 년부터 2024 년까지 캐나다 4 개 재활 병원 (토론토, 밴쿠버, 몬트리올, 에드먼턴) 에서 수행된 다기관 후향적 코호트 연구.
• 대상: 총 327 명의 성인 (최초 뇌졸중, 이환/출혈성), EksoNR 또는 Indego 로봇 외골격 플랫폼을 사용하여 최소 12 회 이상의 RAGT 를 받은 환자.
• 데이터:
  • 종단 결과 (Longitudinal Outcome): FMA-LE (하체 피어 - 메이어 평가) 점수 (기초, 4 주, 8 주, 12 주, 24 주, 52 주).
  • 생존 결과 (Survival Outcome): 독립적인 지역사회 보행 달성 시간 (FAC 점수 4 이상을 최소 2 회 연속 달성).
  • 공변량: 나이, 성별, 뇌졸중 원인, NIHSS 점수, 베르그 균형 척도 (BBS), RAGT 시작 시점, 세션 수 등.
• 통계 모델 (Bayesian Joint Model):
  • 종단 하모델 (Longitudinal Submodel): 비선형 혼합 효과 모델. 시간의 유연한 비선형 패턴을 포착하기 위해 **3 개의 내부 마디 (knots) 를 가진 제한적 입방 스플라인 (Restricted Cubic Spline)**을 사용.
  • 생존 하모델 (Survival Submodel): Weibull 비례 위험 모델.
  • 연결 메커니즘 (Linkage): 공유 모수 (Shared-parameter) 접근법. 개별 환자의 **현재 FMA-LE 값 (Current Value, $\alpha_1$)**과 **회복 기울기 (Slope, $\alpha_2$)**를 생존 위험 함수에 연결.
  • 추정 방법: 해밀토니안 몬테 카를로 (HMC) 샘플링을 사용한 베이지안 추정 (Stan, rstanarm 패키지). 4 개의 체인, 각 5,000 회 반복 (2,500 번 워밍업) 수행.
  • 검증: LOOIC(Leave-One-Out Information Criterion) 을 통한 모델 비교, 교차 검증, 동적 예측 (Dynamic Prediction) 성능 평가 (AUC, Brier Score).

3. 주요 결과 (Key Results)

• 회복 궤적 (Longitudinal Trajectory):
  • 회복 패턴은 선형이 아닌 비선형으로, 특히 초기 12 주에 급격한 개선이 관찰됨 (평균 8.7 점 증가). 12 주 이후에는 개선 속도가 둔화되어 24 주 이후에는 거의 평탄화 (Plateau) 됨.
  • 고령, 높은 기초 NIHSS 점수, 출혈성 뇌졸중은 낮은 회복 궤적과 연관됨.
• 연관성 분석 (Association Parameters):
  • 현재 기능 수준 ($\alpha_1$): FMA-LE 점수가 1 점 증가할 때마다 지역사회 보행 달성 위험 (Hazard) 이 8.8% 증가 (HR = 1.088, 95% CrI 1.063~1.115).
  • 회복 기울기 ($\alpha_2$): 회복 속도가 빠를수록 추가적인 위험 증가 효과 발생 (HR = 1.044). 즉, 현재 점수가 같더라도 회복 속도가 빠른 환자가 마일스톤 달성에 유리함.
• 예측 인자 (Covariates):
  • 부정적 요인: 출혈성 뇌졸중 (HR=0.68), 고령 (HR=0.81/10 년), 높은 기초 NIHSS 점수, RAGT 시작 지연.
  • 긍정적 요인: 높은 기초 BBS 점수, 더 많은 RAGT 세션 수.
  • 장비 차이: EksoNR 과 Indego 간 유의한 차이는 없음.
• 동적 예측 성능:
  • 시간이 지남에 따라 종단 데이터가 축적될수록 예측 정확도가 향상됨.
  • 24 주 시점에서 52 주 결과를 예측할 때 AUC 가 0.87에 달하여 우수한 판별력을 보임.

4. 주요 기여 및 의의 (Key Contributions & Significance)

• 방법론적 혁신: 뇌졸중 재활 분야에서 베이지안 공동 모델링을 적용하여 종단 회복 궤적과 생존 시간의 상호 의존성을 동시에 해결함. 이는 기존 분리 분석의 편향을 줄이고 더 정확한 추정을 가능하게 함.
• 임상적 통찰:
  • 단순히 현재 기능 점수뿐만 아니라 **회복의 속도 (기울기)**가 예후에 독립적으로 영향을 미친다는 것을 입증.
  • 두 환자가 동일한 FMA-LE 점수를 가지고 있더라도, 회복 속도가 빠른 환자는 더 일찍 지역사회 보행에 도달할 확률이 높으므로, 이를 기반으로 **개인화된 재활 계획 (치료 강도 조절, 중단 시기 결정 등)**을 수립할 수 있음.
• 실용적 적용:
  • 동적 예측 프레임워크는 새로운 평가 데이터가 들어올 때마다 환자의 마일스톤 달성 확률을 실시간으로 업데이트하여, 임상 의사결정 지원 도구 (Clinical Decision Support Tool) 로 활용 가능.
  • 제한된 로봇 재활 자원을 환자가 가장 혜택을 볼 수 있는 대상에게 우선 배분하는 데 근거를 제공.
• 정책적 함의: 뇌졸중 발생 후 RAGT 의 조기 시작이 중요함을 재확인하며, 로봇 외골격 치료의 임상적, 경제적 가치에 대한 추가적인 증거를 제시함.

5. 결론

본 연구는 베이지안 공동 모델을 통해 로봇 외골격 보조 보행 훈련 후 뇌졸중 환자의 기능 회복 궤적과 지역사회 보행 독립 달성 간의 복잡한 관계를 규명했습니다. 현재의 기능 수준과 회복 속도가 모두 중요한 예후 인자임을 확인하였으며, 이를 기반으로 한 동적 예측 모델은 개인 맞춤형 재활 전략 수립과 실시간 예후 판정에 유용한 도구가 될 수 있습니다.