Transcranial magnetic stimulation-based brain-computer interface with neurofeedback facilitates motor imagery of different daily life hand actions
이 개념 증명 연구는 운동 상상 및 신경 피드백이 결합된 새로운 개인 맞춤형 경두개 자기 자극(TMS) 기반 뇌-컴퓨터 인터페이스가 건강한 성인이 뇌 활동을 성공적으로 조절하고 복잡하고 구별되는 손 동작을 해독할 수 있게 함을 입증하며, 이는 심각한 운동 장애가 있는 개인을 위한 신경 재활의 잠재력을 강조한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
몸이 움직일 수 없을 때도 마음이 몸을 훈련할 수 있는 세상을 상상해 보십시오. 이것은 과학자들이 뇌의 전기적 속삭임을 읽어내어 이를 명령어로 번역하는 법을 배우는 분야인 뇌-컴퓨터 인터페이스(BCI)가 약속하는 미래입니다. 수십 년 동안 연구자들은 손을 쥐거나 펴는 것을 상상하는 것과 같은 단순한 움직임에 집중해 왔습니다. 하지만 일상생활은 열쇠를 돌리거나, 병을 잡거나, 컵을 쥐는 것과 같이 더 복잡한 기술을 요구합니다. 이러한 동작들은 많은 근육의 섬세하고 조화로운 춤을 필요로 하는데, 이는 기존의 뇌 신호 판독 도구들이 포착하기 어려워했던 수준의 제어력입니다. 문제는 움직임을 생각하는 것이 실제로 움직이는 것과 같지 않다는 점에 있습니다. 즉, 사람이 실제로 손을 움직이지 않고서는 뇌의 신호가 너무 미약하거나 불분명하여 특정 동작을 다른 동작과 구별해 내기가 어렵습니다.
이를 해결하기 위해 싱가포르와 스위스의 연구팀은 경두개 자기 자극(TMS)이라는 기술에 주목했습니다. 단순히 뇌의 소리를 듣는 대신, 그들은 두피에 놓인 강력한 자기 코일을 사용하여 뇌의 운동 중추인 운동 피질을 부드럽게 두드렸습니다. 이 자극은 척도를 따라 손 근육으로 아주 작은 전기적 파동을 보내어, '운동 유발 전위'라고 불리는 작고 측정 가능한 경련을 일으킵니다. 연구진은 이 경련을 측정함으로써 뇌가 움직임을 어떻게 준비하고 있는지를 정확히 볼 수 있었습니다. 그들은 여기에 뉴로피드백, 즉 사용자가 자신의 뇌가 무엇을 하고 있는지 실시간으로 보여주는 시스템을 결합하여, 사용자가 그 신호를 제어하는 법을 배울 수 있도록 했습니다. 목표는 건강한 사람들이 세 가지의 뚜렷하고 복잡한 손 동작을 정신적으로 시뮬레이션할 수 있는지, 그리고 미래의 재활에 유용할 만큼 충분한 정밀도로 이를 수행할 수 있는지 확인하는 것이었습니다.
연구에는 12명의 건강한 성인이 참여하였으며, 이들은 2주에 걸쳐 일련의 훈련 세션을 거쳤습니다. 첫 번째 세션에서 참가자들은 병 잡기, 열쇠 돌리기, 손 펴기라는 세 가지 특정 손 동작을 실제로 수행했습니다. 연구진은 각 동작에 대한 고유한 '지문'을 만들기 위해 실제 움직임에 대한 뇌의 전기적 반응을 기록했습니다. 이어지는 세 번의 세션 동안 참가자들은 실제로 손을 움직이지 않고 동일한 동작을 수행한다고 상상했습니다. 이 상상 훈련 중에 자기 코일은 그들의 뇌를 두드렸고, 그 결과로 나타나는 근육의 경련이 측정되었습니다. 컴퓨터 프로그램은 이 신호들을 분석하여 참가자가 올바른 동작을 상상하고 있는지 즉각적으로 알려주었습니다. 성공했을 경우 긍ical한 시각적 신호를 받았고, 그렇지 않을 경우 자신의 뇌 활동이 목표와 어떻게 다른지 보여주는 디스플레이를 통해 자신의 정신적 전략을 조정할 수 있었습니다.
결과는 이 접근 방식이 효과가 있음을 보여주었습니다. 단 세 번의 훈련 세션 만에 참가자들은 세 가지 손 동작에 대해 서로 다른 패턴을 생성하도록 뇌 활동을 조절할 수 있었습니다. 컴퓨터는 참가자가 병을 잡는 것을 상상하는지, 열쇠를 돌리는지, 혹은 손을 펴는지를 무작위 추측보다 훨씬 높은 정확도로 구별해 낼 수 있었습니다. 참가자들은 시간이 지남에 따라 개선되었으며, 이는 피드백이 그들의 정신적 집중을 정교하게 만드는 데 도움이 되었음을 시사합니다. 그러나 연구는 한 가지 한계점도 드러냈습니다. 이러한 향상된 제어 능력은 피드백의 존재 여부에 의존하는 것으로 보였습니다. 참가자들이 시각적 가이드 없이 상상만 했을 때는 성능이 제대로 유지되지 않았는데, 이는 학습이 아직 완전히 자동화되거나 시스템으로부터 독립되지 않았음을 나타냅니다.
이 연구의 핵심적인 부분은 실제 움직임에 대한 뇌 신호를 사용하여 동일한 움직임을 상상하도록 뇌를 훈련할 수 있는지 테스트하는 것이었습니다. 이는 움직임의 기준 신호를 제공할 수 없는 뇌졸중 생존자들을 돕는 데 매우 중요한 질문입니다. 연구진은 건강한 쪽 손의 뇌 신호를 사용하여 시스템을 훈련할 수 있으며, 이를 통해 반대쪽 손의 상상된 움직임을 성공적으로 해독할 수 있다는 것을 발견했습니다. 나아가, 특정 피험자의 데이터로 컴퓨터 모델을 학습시키는 것이 다른 사람의 데이터를 사용하는 것보다 훨씬 더 효과적이라는 사실도 알아냈습니다. 이는 시스템이 여러 개인에게서 작동할 수는 있지만, 사용자의 고유한 뇌 특징에 맞춤화될 때 가장 잘 작동한다는 것을 의미합니다.
연구는 자기 피드백 방식을 사용하여 뇌가 복잡하고 기능적인 손 동작을 구별하도록 훈련하는 것이 가능하다는 결론을 내립니다. 비록 참가자들이 건강한 상태였고 훈련 기간이 짧았지만, 이 결과는 신경 재활을 위한 유망한 경로를 제시합니다. 만약 이 기술이 심각한 운동 장애가 있는 사람들에게 적용될 수 있다면, 그들은 상대적으로 덜 영향을 받은 손의 신호를 사용하여 뇌를 재훈련할 수 있게 될 것이며, 잠재적으로 일상생활에 필요한 정교한 손 동작 능력을 회복할 수 있을 것입니다. 이 연구는 마비 문제를 해결했다고 주장하는 것이 아니라, 마음이 손의 회복을 이끌 수 있는 미래를 향한 명확하고 실행 가능한 단계를 보여준 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.