Critical slowing down at the neuromuscular junction: an early-warning framework for amyotrophic lateral sclerosis

당신의 몸을 수백만 개의 미세한 전기 신호가 근육에 움직임을 지시하기 위해 신경이라는 고속도로를 따라 이동하는 북적이는 도시라고 상상해 보세요. 건강한 도시에서는 도로가 막히더라도 교통 통제관들이 흐름을 유지하기 위해 빠르게 우회로를 건설합니다. 이것이 우리 몸이 신경 손상을 처리하는 방식입니다. 즉, 손실을 보충하기 위해 연결을 다시 연결하거나(reinnervate) 재배선하는 것입니다. 하지만 루게릭병(ALS)이라는 질병에서는 이 수리팀이 결국 과부하를 받게 됩니다. 도로는 수리되는 속도보다 더 빠르게 무너지기 시작하고, 도시는 폐쇄되기 시작합니다.

과학자들은 ALS에서 '교통량'이 실제로 도로가 사라지기 전부터 엉망이 된다는 사실을 오래전부터 알고 있었습니다. 그들은 신호가 얼마나 흔들리는지를 감지하는 도구를 사용하여 이 혼란스러움을 측정합니다. 최근 연구자들은 '임계 저속 현상(critical slowing down)'이라는 개념에 주목하기 시작했습니다. 놀이터의 그네를 떠올려 보세요. 건강한 그네를 밀면 중심점으로 빠르게 되돌아옵니다. 하지만 그네가 부서지기 직전이거나 임계점에 도달하기 직전이라면, 밀었을 때 더 많이 흔들리고 다시 안정될 때까지 훨씬 더 오랜 시간이 걸립니다. 이러한 저속 현상은 시스템이 붕괴하기 직전에 나타나는 보편적인 경고 신호입니다. 큰 질문은 이것입니다. 근육이 실제로 위축되기 전에 ALS 환자의 신경 신호에서 이 '흔들림(wobble)'을 볼 수 있을까요? 만약 우리가 이를 볼 수 있다면, 단순히 병이 악화되는 것을 지켜보는 것이 아니라, 우리가 무언가 조치를 취할 수 있는 단계에서 질병을 포착할 수 있을 것입니다.

---

탐정 업무: 흔들림을 추적하다

마이클 놀란-디킨슨(Michael Nolan-Dickinson)이라는 연구자는 이 질문에 답하기 위해 새로운 탐정 프레임워크를 구축했습니다. 그는 단순히 신경 세포가 얼마나 사라졌는지 세는 대신(이는 동네의 빈 집을 세는 것과 같습니다), 그는 '수리팀의 안정성'을 측정하고자 합니다. 그의 가설은 간단하지만 영리합니다. 수리팀이 고군분투하기 시작하는 순간은 집이 실제로 무너지기 훨씬 전부터 데이터상에서 '흔들림'(임계 저속 현상)으로 나타날 수 있다는 것입니다.

이 논문은 실제 데이터와 컴퓨터 시뮬레이션을 혼합하여 이를 테스트하기 위한 2단계 계획을 설정합니다.

1단계: 완벽하지만 얻기 어려운 단서
첫 번째 단계의 조사는 가능한 가장 상세한 데이터를 살펴봅니다. 바로 '지터(jitter, 신호가 얼마나 흔들리는지)'와 '섬유 밀도(fibre density, 문제를 해결하려는 전선의 수)'라는 두 가지 특정 측정값의 조합입니다. 만약 이 두 가지를 함께 관찰한다면, 시스템이 실패하기 직전에 이들이 서로 어긋나는 것을 볼 수 있을 것이라는 아이디어입니다. 그러나 저자는 이것이 마치 유리병 안에 든 수많은 1페니 동전 중에서 특정 종류의 희귀한 동전을 찾는 것과 같다고 인정합니다. 두 가지를 동시에 측정할 수 있는 도구가 더 이상 대부분의 클리닉에서 사용되지 않기 때문입니다. 따라서 이 단계는 미래를 위한 하나의 '만약에' 시나리오이며, 만약 이 특정 데이터를 얻을 수 있다면 그것이 질병을 조기에 포착하는 황금 표준이 될 수 있음을 시사합니다.

2단계: 기존 데이터를 이용한 "Go/No-Go" 테스트
두 번째이자 더 즉각적인 단계는 의사들이 수년간 수백 명의 환자로부터 이미 수집한 데이터를 사용합니다. 이 데이터에는 근육의 전기적 활동(CMAP)과 MUNIX라고 불리는 계산된 수치가 포함됩니다. 목표는 기존 기록에서 '흔들림'이 나타나는지 확인하는 것입니다.

하지만 함정이 있습니다. 연구자들은 자신들을 속일 수 있는 교활한 수학적 트릭을 발견했습니다. 과거에 과학자들은 질병을 추적하기 위해 CMAP을 MUNIX로 나눈 MUSIX라는 비율을 자주 사용했습니다. 논문은 질병의 마지막 단계에서 MUNIX가 매우 작아질 때, 이 나눗셈 연산이 생물학적인 이유가 아니라 순전히 수학 때문에 가짜 '흔들림'을 만들어낸다는 것을 보여줍니다. 이는 마치 아주 작은 거리를 아주 짧은 시간으로 나누어 자동차의 속도를 측정하려는 것과 같습니다. 숫자가 너무 커지고 지저질 되어, 실제로는 자동차가 속도를 내는 것이 아니라 계산 오류로 인해 속도가 빨라지는 것처럼 보이게 만듭니다.

이 논문은 MUSIX 비율의 사용을 명시적으로 배제합니다. 대신, 새로운 계획은 원시 숫자(CMAP과 MUNIX)를 직접 살펴보는 것입니다. 연구자들은 이 원시 숫자들에서 진짜 '흔들림'을 포착할 수 있는지 확인하기 위해 시뮬레이션을 실행했습니다.

결과: 현실 점검
시뮬레이션은 몇 가지 냉혹한 진실을 드러냈습니다:

• 개별 환자는 너무 노이즈가 심하다: 만약 단 한 명의 환자의 데이터만 보려고 한다면, '흔들림'을 포착하기가 너무 어렵습니다. 측정값이 너무 흔들리고 데이터 포인트도 너무 적습니다. 시뮬레이션 결과, 단일 환자에게서 경고 신호를 찾아내려는 시도는 기본적으로 동전 던지기(50/50 확률)와 다름없었습니다.
• 그룹은 가능할 수도 있지만, 데이터가 깨끗해야만 한다: 연구자들은 대규모 환자 그룹(약 80명에서 160명)을 관찰하고 주의 깊게 비교한다면, 패턴을 볼 수도 있다는 것을 발견했습니다. 하지만 이는 측정이 매우 정밀할 때만 가능합니다. 만약 데이터에 '노이즈'가 많다면(실제 생활에서는 흔히 그렇습니다), 패턴을 보기 위해 수백 명의 환자가 더 필요할 것이며, 그조차도 충분하지 않을 수 있습니다.

결론
이 논문은 오늘날 작동하는 치료법이나 마법 같은 테스트를 발견했다고 주장하는 것이 아닙니다. 대신, 어떻게 시도해야 하는지에 대한 매우 정직한 지도를 구축합니다. 이 논문은 MUSIX와 같은 비율을 사용하는 쉬운 수학이 우리를 잘못된 길로 인도할 것이라고 경고합니다. 또한 한 명의 환자 데이터를 보는 것은 사형 선고나 다름없다고 말합니다. 하지만 만약 우리가 매우 높은 품질의 데이터를 대규모 환자 그룹으로부터 얻을 수 있다면, 근육이 기능하기 전에 신경 수리 시스템의 '흔들림'을 포착할 실질적인 기회가 있다는 것도 시사합니다.

저자가 제안하는 가장 가능성 높은 결과는, 실제 데이터에 대한 테스트가 아무것도 찾아내지 못하는 것(무효 결과, null result)입니다. 하지만 '아무것도 발견하지 못했다'는 결과조차도 가치가 있는데, 왜냐하면 그것이 우리에게 무엇을 하지 말아야 할지를 정확히 알려주며, 수학이 우리를 속이지 않는다는 것을 증명하기 때문입니다. 만약 운 좋게도 테스트가 '흔들림'을 찾아낸다면, 그것은 ALS의 임계점을 예측할 수 있음을 입증하는 엄청난 돌파구가 될 것입니다. 현재로서는, 이 논문은 가이드 역할을 합니다. 잘못된 숫자를 보는 것을 멈추고, 단일 환자에게 집중하는 것을 멈추며, 만약 우리가 이 질병을 진행 중에 포착하고 싶다면 대규모 그룹으로부터 더 깨끗한 데이터를 얻는 데 집중하라는 것입니다.