Inferring the internal functional organization of peripheral nerves for selective electrical stimulation
이 논문은 이식 후 보정 데이터를 통해 말초 신경의 내부 기능적 구조를 재구성함으로써, 환자의 구체적인 신경 해부학적 지식 없이도 신경 보철을 위한 선택적 전기 자극 프로토콜을 최적화할 수 있게 해주는 계산 플랫폼인 INFORM을 소개한다.
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
척수나 뇌졸중으로 인해 심각한 부상을 입으면, 뇌에서 근육으로 정상적으로 전달되던 전기 신호가 끊기거나 차단되어 사지가 마비될 수 있습니다. 움직임을 회복하는 것을 돕기 위해, 의사들과 엔지니어들은 부상 부위를 우회하여 팔에 남아 있는 건강한 신경에 미세한 전기 펄스를 직접 전달하는 시스템을 개발해 왔습니다. 이 펄스는 인공 명령 역할을 하여 특정 근육을 수축시키고 손이나 손가락을 움직이도록 지시합니다. 하지만 이것이 잘 작동하려면 자극이 매우 정밀해야 합니다. 신경은 단일 전선이 아니라 수천 개의 미세한 섬유를 포함하는 복잡한 다발이며, 각 섬사는 서로 다른 근육에 명령을 전달합니다. 만약 전기 전류가 너무 넓게 퍼지면, 엉뚱한 근육이 활성화되어 손을 열어야 할 때 닫히거나 통제할 수 없이 경련을 일으키기도 합니다. 성공의 핵심은 이러한 섬사들이 신경 내부에 정확히 어떻게 배열되어 있는지 이해하고, 특정 움직임에 필요한 섬사만을 표적으로 삼는 데 있습니다.
수년 동안 연구자들은 이러한 전기 패턴을 설계하기 위해 컴퓨터 모델에 의존해 왔지만, 그 모델들은 신경의 내부 구조에 대한 완벽한 지도를 필요로 합니다. 살아있는 환자의 경우, 그러한 지도를 얻는 것은 불가능합니다. 표준 의료 영상 기술은 신경 다발의 크기와 모양은 보여줄 수 있지만, 그 내부의 어떤 특정 섬사가 엄지손가락과 검지손가락을 각각 제어하는지는 밝혀낼 수 없습니다. 이러한 지식이 없으면 의사들은 최적의 설정을 추측해야 하며, 이는 느리고 종종 좌절감을 주는 시행착오의 과정이 되어 자연스러운 움직임에 필요한 완벽한 선택성을 달목하는 경우가 드뭅니다. 알고 있는 것과 필요한 것 사이의 이러한 간극은 오랫동안 이 혁신적인 기기들의 효과를 제한해 왔습니다.
연구진은 이제 이 간극을 메울 새로운 방법인 INFORM이라 불리는 방식을 제안했습니다. 카메라나 스캐너로 보이지 않는 섬사의 배치를 보려고 시도하는 대신, 이 방식은 신경이 전기에 어떻게 반응하는지를 '듣는' 접근법을 취합니다. 이 시스템은 신경의 여러 지점에 일련의 작은 전류를 가하고, 어떤 근육이 얼마나 강하게 반응하는지를 기록함으로써 작동합니다. 이러한 반응들은 마치 지문과 같은 고유한 서명을 형성하며, 이는 숨겨진 섬사의 조직을 드러내 줍니다. 연구진은 정교한 컴퓨터 프로그램을 사용하여 이 서명들을 분석함으로써 신경의 기능적 배치 지도를 재구성합니다. 이들은 사전에 정확한 해부학적 구조를 알 필요가 없습니다. 시스템은 관찰된 근육 반응을 시뮬레이션 모델과 매칭함으로써 근육을 제어하는 섬사의 위치를 추론해 냅니다.
이 아이디어가 실제로 작동하는지 테스트하기 위해, 연구팀은 인간에게서 발견되는 복잡한 구조를 모방한 가상 신경을 사용하여 수천 번의 상세한 컴퓨터 시뮬레이션을 수행했습니다. 그들은 내부 섬사 배열을 알고 있는 시나리오를 만들었고, 그다음 시스템이 오직 전기적 반응 데이터만을 사용하여 이를 알아낼 수 있는지 요청했습니다. 결과는 놀라울 정도로 정확했습니다. 시스템은 서로 다른 근육을 담당하는 섬사 군집의 위치를 0.5밀리미터 미만의 정밀도로 성공적으로 찾아냈습니다. 비록 이러한 군집의 정확한 확산 범위나 '흐릿함'을 짚어내는 것은 더 어려웠지만, 중심 위치는 활용하기에 충분할 만큼 명확했습니다. 더 중요한 것은, 연구진이 이 추론된 지도를 사용하여 새로운 전기 자극 패턴을 설계했을 때, 그 결과가 완벽하게 알려진 지도를 사용했을 때와 거의 비슷했다는 점입니다. 추론된 지도로 제어되는 장치들은 높은 선택성으로 특정 근육을 분리해 낼 수 있었으며, 이는 현재의 치료법에서 흔히 발생하는 인접 근육의 원치 않는 활성화를 피할 수 있게 해주었습니다.
또한 연구진은 신경의 물리적 구조가 컴퓨터가 예상한 것과 약간 다를 수 있는 상황, 즉 신경이 체내에서 이동하거나 변형된 상황을 시뮬레이션하여 까다로운 조건 하에서도 시스템을 테스트했습니다. 이러한 불확실성에도 불구하고, 이 방식은 잘 버텨냈습니다. 추론된 지도는 여전히 효과적인 자극 프로토콜을 만드는 데 사용될 수 있었으나, 가장 왜곡된 시나리오에서는 정밀도가 약간 떨어졌습니다. 이는 시스템이 작동하기 위해 완벽한 해부학적 청사진이 필요한 것이 아니라, 전기 전류를 올바른 곳으로 안내할 수 있을 만큼 충분히 가까운 기능적 표현이 필요함을 시사합니다. 이 연구는 전기가 가해지는 위치와 어떤 근육이 움직이는지 사이의 관계가 신경의 내부 구조를 역설계할 수 있는 충분한 정보를 담고 있음을 확인시켜 줍니다.
이 연구는 신경 보철물이 개발되는 방식에 있어 중대한 변화를 의미합니다. 현재 이러한 장치를 조정하는 것은 환자마다 다르며 최적의 결과를 내기 어려운 수동적이고 경험적인 작업입니다. INFORM 프레임워크는 장치가 이식 직후 빠른 일련의 테스트를 실행하고 즉시 개인화된 고선택적 자극 계획을 생성함으로써 스스로 교정할 수 있는 자동화의 길을 제시합니다. 비록 이러한 결과가 현재 컴퓨터 시뮬레이션에 국한되어 있으며 아직 살아있는 인간을 대상으로 테스트되지 않았지만, 이는 새로운 세대의 신경 인터페이스를 위한 강력한 이론적 토대를 제공합니다. 표준 교정 데이터를 상세한 기능적 지도로 전환함으로써, 이 접근법은 이러한 장치를 설정하는 데 걸리는 시간을 획기적으로 줄이고 회복되는 움직임의 질을 높여, 마비된 개인이 손의 미세하고 자연스러운 제어력을 되찾을 수 있는 미래에 한 걸음 더 다가갈 수 있게 해줄 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.