⚡ electrical engineering

Early Prediction of Imminent Intrinsically Generated Trips During Gait in People Post-Stroke

본 연구는 뇌졸중 후 보행 시작 약 191ms 전에 발생할 내재적 생성 보행의 88%를 성공적으로 식별하는 이중 특징 선형 모델을 사용한 조기 표적 예측 모델을 개발 및 검증하였으며, 이를 통해 낙상을 예방하기 위한 적시적이고 필수적인 실시간 개입을 가능하게 하였다.

원저자: Austin Louis Mituniewicz, He (Helen) Huang, John M. Baratta, Michael D. Lewek

게시일 2026-08-18

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Austin Louis Mituniewicz, He (Helen) Huang, John M. Baratta, Michael D. Lewek

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

뇌졸중의 여파 속에서 살아가는 수백만 명의 사람들에게, 걷는다는 단순한 행위는 숨겨진 위험을 동반합니다. 많은 이들이 낙상이 균형을 잃거나 물체에 걸려 넘어지는 결과라고 생각하지만, 상당수의 사고는 신체 자체의 움직임 내부에 발생한 오류 때문에 일어납니다. 사람이 걸을 때 다리는 매끄러운 호를 그리며 앞으로 흔들립니다. 때때로 외부의 장애물이 없음에도 불구하고, 발이 충분히 높게 들리지 않아 바닥에 끌리기도 합니다. '내재적으로 생성된 걸림(intrinsically generated trip)'이라고 알려진 이 내부적인 비틀거림은 다리가 걸리게 만들어 사람의 균형을 무너뜨리고 종종 낙상으로 이어집니다. 뇌졸중 생존자들에게 이러한 낙상은 특히 치명적이며, 빈번하게 골절, 독립성 상실, 그리고 다시 걷는 것에 대한 깊은 두려움을 초래합니다. 물리 치료가 많은 이들에게 도움이 되기는 하지만, 이러한 걸림 현상을 항상 막아주는 것은 아니며, 비틀거림에 대한 신체의 자연스러운 반응은 종종 낙상을 방지하기에는 너무 느립니다. 이는 중요한 공백을 남깁니다. 어떻게 하면 정상적인 보행을 끊임없이 방해하지 않으면서도, 발생하기 전에 충분히 빠르게 개입할 수 있을까요?

노스캐롤라이나 대학교 채플힐 캠퍼스와 노스캐롤라이나 주립 대학교의 연구진은 이러한 내부적인 걸림을 발생하기 전에 예측할 수 있는 시스템을 구축하기 위해 연구를 시작했습니다. 그들의 목표는 필요할 때만 개입하는 스마트 안전망처럼 작동하는 방법을 만드는 것이었습니다. 연구진은 최소 6개월 전에 뇌졸중을 경험했고 지난 6개월 동안 적어도 한 번 이상의 걸림이나 낙상 직전의 상황을 보고한 11명의 개인을 모집했습니다. 이러한 사건들을 통제된 환경에서 연구하기 위해, 참가자들은 러닝머신 위를 걸으면서 연구진으로부터 주의력을 분산시키는 가벼운 자극을 받았습니다. 참가자들은 발을 보지 않거나, 손잡이를 놓거나, 음식 이름 대기와 같은 정신적 과제를 수행하도록 요청받았는데, 이는 실제 세상에서 사고를 유발하는 주의 산만 상황을 시뮬레이션한 것입니다. 참가자들이 걷는 동안, 연구진은 모션 캡처 카메라를 사용하여 다리의 정밀한 움직임을 추적하고 발이 러닝머신 벨트에 가하는 힘을 기록했습니다.

연구진의 과제는 이러한 걸림이 드물게 발생한다는 점이었습니다. 참가자들이 내디딘 수천 번의 걸음 중 아주 적은 부분만이 걸림이나 바닥과의 심한 마찰을 초 been 결과로 나타났습니다. 컴퓨터가 이러한 희귀한 사건을 인식하도록 훈련시키기 위해, 팀은 발이 지면을 떠나기 직전에 나타나는 미세한 경고 징후를 포착하는 법을 가르쳐야 했습니다. 그들은 발이 지면을 떠나기 직전의 단계인 '말기 입각기(late stance)'에 집중했습니다. 하퇴(lower leg)의 각도와 스윙 속도를 분석함으로써, 그들은 정상적이고 매끄러운 걸음과 다른 패턴을 찾아냈습니다. 그들은 데이터를 '정상적인 걸음'과 '비정상적인 걸음'(완전한 걸림과 발이 땅에 부딪혔지만 사람은 회복한 심한 마찰을 모두 포함)의 두 가지 범주로 분류했습니다.

연구진은 정상적인 걸음이 위험한 걸음을 압도적으로 많이 차지하는 이 불균형한 데이터로부터 컴퓨터가 학습할 수 있도록 하는 두 가지 방법을 테스트했습니다. 한 가지 방법은 그룹 간의 균형을 맞추기 위해 정상적인 걸음을 일부 제거하는 것이었고, 다른 한 가지 방법은 단순히 위험한 걸음에서의 실수를 정상적인 걸음에서의 실수보다 훨씬 더 큰 오류로 취급하도록 컴퓨터에게 알려주는 것이었습니다. 두 번째 접근 방식이 더 효과적인 것으로 증명되었습니다. 컴퓨터는 가장 신뢰할 수 있는 경고 징후가 발이 지면에서 떨어지기 직전의 하퇴 각도라는 것을 학습했습니다. 걸림이 발생하기 직전에는 하퇴가 평소보다 더 수평적이거나 평평한 자세를 취하는 경향이 있었습니다. 이 특정 자세를 관찰함으로써, 시스템은 높은 정확도로 잠재적인 걸림을 식별할 수 있었습니다.

가장 중요한 발견은 시스템이 얼마나 빨리 이러한 예측을 할 수 있는지였습니다. 컴퓨터는 걸림이 실제로 시작되기 평균 191밀리초 전에 이를 감지할 수 있었습니다. 이는 매우 중요한 시간대입니다. 이는 전기 자극기와 같은 현재의 장치들이 주로 활성화되는 시점인 발이 지면을 떠나는 순간보다 훨씬 빠릅니다. 근육이 전기 신호에 반응하는 데는 시간이 걸리기 때문에, 발이 이미 지면에서 떨어진 후에 기다리는 것은 낙상을 방지하기에 너무 늦는 경우가 많습니다. 시스템이 약 200밀리초 전에 걸림을 예측함으로써, 장치가 다리 근육을 자극하여 발을 더 높이 들어 올리고, 걸림이 발생하기 전에 지면을 통과할 수 있는 충분한 시간을 제공합니다. 이 시스템은 모델 구축에 사용되지 않은 참가자들을 대상으로도 테스트되었으며, 8명 중 5명의 참가자에게서 걸림을 정확히 식별해 냈고 전체 걸림의 거의 90%를 예측하며 우수한 성능을 보였습니다.

본 연구는 실험실 환경에서 제한된 수의 참가자를 대상으로 수행되었지만, 결과는 유망한 경로를 제시합니다. 연구진은 사람들이 오늘 바로 사용할 수 있는 웨어러블 기기를 제작한 것은 아니지만, 걸림을 예측하는 데 필요한 데이터가 존재하며 다리 움직임을 추적하는 간단한 센서를 통해 찾을 수 있다는 것을 입증했습니다. 이 연구는 낙지를 예방하는 핵심이 지속적인 도움(이는 피로를 유발하고 불필요할 수 있음)이 아니라, 정밀하고 시의적절한 개입에 있다는 점을 강조합니다. 걸림이 발생하기 전의 구체적인 운동학적 징후를 이해함으로써, 엔지니어들은 신체가 필요로 할 때만 작동하는 미래의 보조 기술을 설계하여 뇌졸중 회복기 환자들에게 더 안전하고 독립적인 보행 방식을 제공할 수 있습니다.

기술 요약: 뇌졸중 환자의 보행 중 임박한 내인성 생성 발걸림(IGT)의 조기 예측

문제 정의
뇌졸중 환자의 낙상은 흔히 내인성 생성 발걸림(Intrinsically Generated Trips, IGTs)—외부 장애물 없이 스윙 단계(swing phase) 동안 발과 지면 사이의 예기치 않은 접촉—로 인해 발생한다. 물리적 훈련이 일반적인 중재 방법이지만, 이는 지연된 신경근 반응 및 자발적 활성화 결함으로 인해 이 환자군의 낙상률을 줄이는 데 실패하는 경우가 많다. 발목-발 보조기(AFO)나 기능적 전기 자극(FES) 족하수 자극기와 같은 기존의 공학적 솔루션은 "항시 작동(always-on)" 방식으로 작동한다. 이러한 접근 방식은 제한적이고, 근피로를 유발하며, 결정적으로 근육 흥분과 힘 생성 사이의 전기기계적 지연(EMD) 때문에 발걸림을 방지하기에는 너무 늦게 개입할 수 있다. 현재의 예측 방법은 개인별 모델을 위해 사전 발걸림 데이터 수집이 필요하거나, 개입 가능한 시간을 제한하는 불연속적인 보행 이벤트(예: foot-off)에 의존하는 경우가 많다. 과제는 제한된 운동학적 센서를 사용하여 실시간으로 작동하며, 발걸림이 발생하기 전 중재가 작용할 수 있는 충분한 리드 타임을 제공하는 일반화된 조기 예측 시스템을 개발하는 것이다.

연구 방법론
본 연구는 11명의 만성 뇌졸중(편마비) 환자를 대상으로 분할 벨트 계측 트레드밀 위에서 걷게 하여 진행되었다. IGT를 유도하기 위해 연구진은 비환경적 방해 요소(예: 인지 과제, 머리 돌리기)를 사용하였고 보행 속도를 변화시켰다. 데이터는 120Hz 및 ≥960Hz의 10개 카메라 모션 캡처 시스템과 계측 트레드밀을 통해 수집되었다.

데이터 레이블링 및 클래스 정의: 연구진은 11명 중 8명의 참가자로부터 58개의 IGT를 시각적으로 식별하였다. 심각한 클래스 불균형(정상 스트라이드와 IGT의 비율 112:1)을 해결하기 위해, "비정상(abnormal)" 클래스를 IGT와 "큰 끌림(large scuffs)"(스윙 중 피크 수직 지면 반력[vGRF]이 20N 이상이지만 가시적인 운동학적 편차는 없는 스트라이드)을 모두 포함하도록 확장하였다. 이를 통해 불균형을 22:1로 줄였다.
특징 추출(Feature Extraction): 특징은 오직 마비측 대퇴부 및 하퇴부의 시상면 운동학(각도 위치, 속도, 가속도)과 선형 위상 추정기( $\Phi$ )로부터 도출되었다. 데이터는 후기 입각기(late stance) 및 전스윙(pre-swing) 단계( $\Phi \in (25\%, 50\%]$ )의 연속적 보행 단계 추정기에 의해 정의된 9개의 중첩된 윈도우로 분할되었다.
모델 개발: 선형 커널 서포트 벡터 머신(SVM)을 위한 특징을 선택하기 위해 순차 전방 선택(Sequential Forward Selection, SFS) 알고리즘을 사용하였다. 클래스 불균형을 처리하기 위해 두 가지 방법인 NearMiss3(데이터 수준의 언더샘플링 방법)와 비용 민감형 "balanced-cost" 접근 방식을 테스트하였다.
조기 예측 전략: 분석 윈도우가 끝나기 전에 예측을 가능하게 하기 위해 카운터 기반 접근 방식이 구현되었다. 모델은 마지막 윈도우( $\Phi \in (45\%, 50\%]$ ) 내에서 "비정상"으로 레이블링된 샘플의 수를 계산한다. 특정 수의 비정상 샘플이 감지되면 예측을 트리거하는 임계값이 설정되어, 윈도우가 종료되기 전에 중재가 가능하도록 하였다.
검증: 시스템은 Leave-One-Participant-Out(LOPO) 교차 검증을 통해 평가되었다. 성능은 일반화된 특징을 사용한 Zhang 등의 개인별 이상치 탐지 방법의 재현 모델과 비교되었다.

주요 결과

예측 정확도: balanced-cost 방법을 사용하고 $\Phi \in (45\%, 50\%]$ 윈도우의 특징(특히 하퇴 각도 및 순간 케이던스)을 활용한 최종 모델은 IGT 데이터가 있는 8명의 참가자에 대해 평균 민감도 88% (SD 0.17) 및 특이도 68% (SD 0.17)를 달성하였다. 이는 32%의 오경보율에 해당한다.
타이밍: 시스템은 이전 방법들보다 IGT를 유의미하게 일찍 예측하였다. 평균 예측은 IGT 발생 전 191 ± 77 ms 전에 발생하였다. 반면, 비교 대상인 Zhang 등의 방법은 foot-off 시점에 예측을 수행하였는데, 이는 IGT 발생 전 단 86 ± 39 ms 전이었다. 이 차이는 통계적으로 유의미하였다 ( $p=0.008$ ).
특징 유의성: 후기 입각기( $\Phi \in (45\%, 50\%]$ )의 하퇴 각도가 가장 강력한 단일 예측 변수였다. 비정규화 데이터 분석 결과, IGT 직전의 하퇴는 정상 스트라이드에 비해 더 수평적으로 배치되어 있었다 ( $-31.8^\circ$ vs $-27.8^\circ$ ).
일반화: 모델은 8명의 참가자 중 5명에 대해 IGT를 100% 예측하였다. I는 IGT가 없지만 다양한 수준의 "큰 끌림" 또는 정상 보행을 보이는 3명의 참가자를 제외한 예비 검증에서, 모델은 한 참가자에 대해 큰 끌림의 96%를, 다른 참가자에 대해 스트라이드의 100%를 정확히 예측하며 높은 정확도를 유지하였다.
최신 기술과의 비교: 새 방법의 AUC(0.81 ± 0.15)는 Zhang 등의 방법을 재현한 모델(0.77 ± 0.16)과 통계적으로 차이가 없었으나, 새 방법은 유의미하게 더 긴 예측 지평(prediction horizon)을 제공하였다.

의의 및 주장
저자들은 본 연구가 뇌졸중 환자의 발걸림 관련 낙상을 표적화하여 예방하는 데 있어 중요한 진전이라고 주장한다. 주요 기여는 특정 사용자의 데이터를 사전에 수집하지 않고도 효과적으로 작동하는 일반화된 조기 예측 알고리즘이다. IGT 발생 약 190ms 전(foot-off 약 100ms 전)에 예측함으로써, 이 시스템은 근육 자극의 전기기계적 지연을 초과할 수 있는 시간 창을 제공한다. 이는 본 방법이 지속적인 자극(피로, 피부 자극) 및 제한적인 보조기의 단점을 피하면서, 발걸림이 임박했을 때만 선택적으로 개입할 수 있도록 FES와 같은 보조 기술과 통합될 수 있음을 시사한다. 본 연구는 오프라인 결과가 고무적이지만, 관성 측정 장치(IMU)를 통해 획득할 수 있는 데이터 소스(대퇴부 및 하퇴부 운동학)를 활용하여 향후 실시간 구현을 염두에 두고 설계되었음을 강조한다.

유사한 논문