Gaussian Process–Based Bayesian Optimization of Lower-Limb PNS–TMS Interstimulus Intervals in Adults and Children: A Proof-of-Concept Toward a Personalized Framework

인간의 뇌는 타이밍의 명수입니다. 뇌는 단순히 세상에 반응하는 것이 아니라, 몸에서 오는 감각 신호와 마음의 명령을 정교하고 찰나적인 춤처럼 하나로 엮어 세상을 예측합니다. 다리의 신경이 위로 신호를 보내고, 바로 그 적절한 순간에 자기 펄스가 뇌를 때리면, 이 두 가지는 결합하여 근육의 반응을 증폭시키거나 억제할 수 있습니다. 이러한 상호작용은 연구자들이 신경계가 어떻게 학습하고 적응하는지 이해하려고 시도하는 '쌍을 이룬 자극(paired stimulation)'이라는 기법의 기초가 됩니다. 수년 동안 과학자들은 이 방법을 팔과 손을 연구하는 데 사용해 왔지만, 다리는 여전히 미지의 영역으로 남아 있습니다. 다리의 신경은 더 길고, 경로가 다르며, 이들을 함께 작동하게 만드는 데 필요한 타이밍은 사람마다 고유할 가능성이 높기 때문입니다. 만약 의사들이 부상 회복을 돕거나 만성 통증을 관리하기 위해 이러한 기술을 사용하고자 한다면, 두 번째 펄스를 정확히 언제 전달해야 하는지를 먼저 알아내야 합니다. 너무 빠르면 신호가 유실되고, 너무 늦으면 기회의 창이 닫혀 버립니다. 문제는 모두에게 적용되는 단 하나의 완벽한 순간이 존재하는지, 아니면 뇌의 시계가 개인마다 다르게 설정되어 있는지 여부입니다.

몬트리올 대학교의 한 연구팀은 건강한 성인과 아동을 대상으로 테스트함으로써 이 수수께식을 풀기 위해 나섰습니다. 그들은 다리 신경을 자극했을 때 발 근육에 대한 뇌의 명령을 가장 효과적으로 증폭시키는 정확한 순간을 찾고자 했습니다. 이를 위해 그들은 장치를 사용하여 비골 신경(다리 옆을 타고 내려와 발을 들어 올리는 근육을 조절하는 신경)에 가벼운 전기 펄스를 보냈습니다. 몇 밀리초 후, 그들은 동일한 근육을 제어하는 뇌 부위를 자기 코일로 가볍게 쳤습니다. 전기 펄스와 자기 자극 사이의 시간 간격을 변화시킴으로써, 그들은 다리 근육이 어떻게 반응하는지 지도로 그려낼 수 있었습니다. 그들은 각 개인에 대해 매우 짧은 지연부터 긴 지연까지 26가지의 서로 다른 시간 간격을 테스트하여, 어떤 타이밍이 가장 강한 반응을 만들어내는지 확인했습니다. 이 과정은 10명의 성인과 8명의 아동을 대상으로 진행되었으며, 결합된 자극이 근육을 평소보다 더 활발하게 만드는지 혹은 덜 활발하게 만드는지 확인하기 위해 근육의 전기적 활동을 정밀하게 측정했습니다.

결과는 타이밍이 전부라는 것을 보여주었습니다. 성인의 경우, 지연 시간에 따라 반응이 극적으로 변했습니다. 전기 펄스가 자기 자극 직전에 오면, 마치 뇌가 신호를 잠시 억제하는 것처럼 근육 반응이 종종 떨어졌습니다. 하지만 지연 시간이 길어지면 반응이 더 강해졌는데, 이는 뇌가 이제 명령을 증폭하고 있음을 시사했습니다. 이러한 패턴은 모든 사람에게 동일하지 않았습니다. 집단 전체로는 일반적인 경향을 보였지만, 최적의 효과를 내는 구체적인 순간은 사람마다 달랐습니다. 어떤 성인은 최고의 증폭을 얻기 위해 더 짧은 간격이 필요했고, 다른 이들은 더 긴 간격이 필요했습니다. 또한 연구진은 전기 펄스의 강도도 중요하다는 것을 발견했습니다. 실제로 발을 움직이게 할 정도로 강한 펄스를 사용했을 때는 타이밍 효과가 명확하고 강력했습니다. 반면, 단순히 찌릿한 느낌만 주는 약한 펄스를 사용했을 때는 뇌의 반응이 훨씬 조용하고 예측하기 어려웠습니다.

아동을 대상으로 한 연구는 다른 방식으로 접근했습니다. 프로토콜이 길고 까다로웠기 때문에, 아동들에게는 강한 자극 조건만을 적용했으며 각 타이밍 테스트의 반복 횟수도 줄였습니다. 결과는 더 복잡했습니다. 성인과 마찬가지로 아동의 근육도 타이밍에 따라 다르게 반응했지만, 그 패턴은 훨씬 더 흩어져 있고 다양했습니다. 어떤 아이는 특정 지연에서 강한 증폭을 보이는 반면, 다른 아이는 같은 순간에 거의 아무런 변화를 보이지 않기도 했습니다. 이는 발달 중인 아동의 신경계가 단순히 성인 시스템의 축소판이 아니라, 자신만의 독특하고 변화하는 규칙에 따라 작동하고 있음을 시사합니다. 연구진은 몇 번의 테스트만으로 아동의 최적 타이밍을 예측하는 것이 성인의 패턴보다 훨씬 어렵다는 것을 발견했습니다.

이 모든 데이터를 해석하기 위해 연구진은 '가우시안 프로세스 회귀(Gaussian process regression)'라는 정교한 컴퓨터 방법을 사용했습니다. 이것을 지저으로 흩어진 점들 사이를 매끄러운 선으로 긋는 스마트한 방법이라고 생각하면 됩니다. 단순히 각 시간 간격에 대한 평균 결과를 보는 대신, 컴퓨터는 각 개인의 곡선 형태를 학습하여 테스트되지 않은 시간 사이의 빈틈을 메우고 임의의 순간에 어떤 일이 일어날지 추측했습니다. 이를 통해 연구진은 제한된 데이터 속에서도 각 개인의 뇌와 다리가 어떻게 상호작용하는지에 대한 전체 그림을 볼 수 있었습니다. 그런 다음 그들은 '베이지안 최적화(Bayesian optimization)'라는 가상 실험을 실행했습니다. 안개 낀 산맥에서 가장 높은 봉우리를 찾는 과정을 상상해 보십시오. 무작위로 걸어 다니며 모든 곳을 확인한다면 시간이 아주 오래 걸릴 것입니다. 또는 매 걸음마다 똑똑해지는 지도를 사용하여 더 효율적으로 봉우리를 향해 안내받을 수도 있습니다. 연구진은 이 '스마트 지도' 접근법을 사용하여, 원래 수행했던 26번의 테스트보다 훨씬 적은 횟수로 각 개인에게 최적의 타이밍을 찾을 수 있는지 확인했습니다.

결과는 성인들에게 고무적이었습니다. 스마트 지도 방식은 10명 중 9명의 성인에게서 최적의 타이밍을 성공적으로 찾아냈으며, 무작위 탐색이 걸렸을 법한 단계의 약 절반 정도만 사용했습니다. 평균적으로 스마트 방식은 피크를 찾는 데 단 10번의 테스트만 필요했던 반면, 무작위 추측은 보통 20번 이상이 필요했습니다. 이는 성인의 경우, 끝없는 시행착오로 환자를 지치게 하지 않고도 빠르게 개인 맞춤형 치료를 적용하는 것이 가능하다는 것을 시사합니다. 그러나 동일한 방식이 아동에게는 덜 효과적이었습니다. 스마트 방식이 일부 아동에게는 최적의 타이목을 찾아내긴 했지만, 다른 이들에게는 더 많이 헤맸으며, 동일한 확신 수준에 도달하기 위해 훨씬 더 많은 테스트를 요구하기도 했습니다. 아동의 반응은 적은 수의 테스트를 바탕으로 컴퓨터가 예측하기에는 너무 가변적이었습니다.

연구진은 집단 전체의 평균 결과를 아는 것이 새로운 개인을 위한 과정을 가속화할 수 있는지 테스트했습니다. 그들은 새로운 사람이 다른 사람들과 비슷하게 행동할 것이라고 가정하고 '집단 정보 기반(population-informed)' 추측으로 탐색을 시작해 보았습니다. 이는 일관된 이점을 제공하지 못했습니다. 때로는 도움이 되기도 했지만, 종종 그렇지 않았으며, 어떤 경우에는 아무런 차이를 만들지 못했습니다. 이는 모든 사람의 신경계가 고유하며, 일률적인 시작점은 신뢰할 수 없다는 생각을 뒷받나줍니다. 연구진은 또한 절차가 안전하고 편안한지도 확인했습니다. 전기 펄스는 가벼웠고 자기 자극은 통증이 없었습니다. 대부분의 참가자는 통증이나 피로를 거의 느끼지 못했으며, 세션 후 다리 움직임이 약해지지도 않았습니다. 한 아동이 중단하기도 했으나, 이는 신체적 불편함 때문이 아니라 인내심을 잃었기 때문이었습니다.

궁극적으로 이 연구는 신경 자극의 타이밍이 매우 개인적인 변수임을 입증합니다. 모두에게 적용되는 단 하나의 '마법의 순간'은 없습니다. 성인의 경우, 패턴이 충분히 안정적이어서 스마트한 데이터 기반 접근법을 통해 개인에게 맞는 타이밍을 빠르게 찾을 수 있습니다. 아동의 경우, 그림이 여전히 흐릿하며 발달 중인 뇌가 어떻게 반응하는지 이해하기 위해 더 많은 연구가 필요합니다. 이 연구는 신경 질환을 치료하는 방법을 해결했다고 주장하는 것이 아니라, 중요한 개념 증명을 제공하는 것입니다. 모델링을 사용하여 자극 타이밍을 개인화함으로써, 우리가 추측에서 벗어나 더 효율적이고 맞춤화된 접근 방식으로 나아갈 수 있음을 보여줍니다. 이는 언젠가 의사들이 성인이든 아동이든 환자들에게 더 효과적일 뿐만 아니라 더 짧고 부담이 적은 치료를 설계하는 데 도움을 줄 수 있습니다. 앞으로 나아갈 길은 뇌의 시계가 개별적으로 설정되어 있다는 점을 인식하는 데 있으며, 그 시계를 읽을 수 있는 도구들이 마침내 준비되고 있습니다.