A hierarchical face-scalp-cortex mapping for non-invasive neuromodulation targeting without magnetic resonance images guidance

기술 요약: MRI 가이드 없는 비침습적 신경조절 타겟팅을 위한 계층적 안면-두피-피질 매핑

문제 정의
경두개 자기 자극술(TMS), 경두개 초음파 자극술(TUS), 경두개 광생체 조절술(tPBM)과 같은 비침습적 신경조절 기술은 정신 및 신경 질환에 효과적인 비약물적 치료를 제공한다. 그러나 정밀한 타겟팅은 일반적으로 개별 MRI(자기공명영상)에 의존하는 신경 항법 시스템을 필요로 한다. 이러한 의존성은 상당한 장벽을 만든다: MRI 스캔은 비용이 많이 들고 시간이 오래 걸리며, 많은 의료 기관에서 접근하기 어렵고, 일부 환자에게는 불편함을 준다. 또한, 현재의 MRI 미사용 대안들은 노동 집약적인 수동 절차, 운영자의 숙련도에 대한 의존, 또는 안면 랜드마크를 내부 뇌 타겟으로 매핑하기 위한 원칙적인 이론적 근거의 부재라는 문제를 안고 있다. 따라서 MRI 가이드 없이도 정밀한 타겟팅을 가능하게 하는 통합적이고 자동화되었으며 설명 가능한 프레임워크에 대한 절실한 필요성이 존재한다.

방법론
저자들은 마커리스 로봇 신경 항법 시스템에 통합된 계층적 안면-두피-피질 매핑에 기반한 통합 프레임워크를 제안한다. 워크플로우는 세 가지 주요 단계로 구성된다:

1. 안면-두피 매핑 (두개골 표면 재구성):

   • 입력: 핸드헬드 3D 스캐너로 획득한 안면 포인트 클라우드(facial point cloud).
   • 모델: 변이형 오토인코더(VAE)와 확산 모델(Diffusion Model)을 결합한 3D 생성 모델링 아키텍처. VAE는 안면 및 두개골 구조의 위상적 잠재 표현을 추출하며, 확산 모델은 안면 잠재 공간에서 두개골 잠재 공간으로의 매핑을 학습한다.
   • 과정: 시스템은 조건부 입력으로서 안면 포인트 클라우드를 사용하여 완전한 3D 두개골 표면 모델을 생성하며, 이는 학습된 상관관계를 바탕으로 누락된 두피 및 후두부 영역을 효과적으로 "채우는" 과정이다. 이 과정에는 8,195개의 쌍을 이룬 안면 및 MRI 유도 두개골 표면 데이터셋이 사용되었다.
   • 개인정보 보호: 생성 모델링은 클라우드 서버에서 학습되며, 재구성된 두개골 표면만이 로컬 시스템으로 전송되어 환자의 안면 개인정보를 보호한다.

2. 피질-두피 매핑 (타겟 국소화):

   • 좌표계: 저자들은 비전(nasion, Nz)과 좌/우 귀 앞점(LPA/RPA)이라는 세 가지 해부학적 랜드마크로 정의되는 두피 각도 좌표(Scalp Angle Coordinate, SAC) 시스템을 도입한다. 이 시스템은 측지 거리(geodesic distance) 대신 각도 좌표($S_\theta, S_\phi$)를 사용하여 두피 지점을 표현한다.
   • 매핑 전략: SLIM 데이터셋(건강한 참가자 292명)을 사용하여, 시스템은 피질 타겟(MNI 공간 내)의 좌표를 통계적으로 분석하여 인구 수준의 피질-두피 매핑을 구축한다. 이 매핑은 원하는 MNI 타겟을 개별 생성된 두개골 표면의 특정 위치로 변환한다.
   • 장점: 이 접근 방식은 전체 두피 공간 데이터 없이도 세 가지 핵심 랜드마크만을 활용함으로써 매핑 구축을 단순화하며, 이는 안면 스캔을 통해 쉽게 식별할 수 있는 것들이다.

3. 마커리스 로봇 신경 항법:

   • 하드웨어: 스테레오 비전 카메라에 의해 가이드되는 6축 힘/토크 센서와 TMS 어플리케이터가 장착된 6-자유도(6-DOF) 로봇 팔(UR5e).
   • 등록(Registration): 시스템은 AI로 탐지된 안면 랜드마크(예: 눈 중간 지점, 코끝)를 사용하여 가상 3D 머리 모델과 실제 환자의 머리 사이의 동적 등록을 수행한다.
   • 최적화: AI 기반 랜드마크 탐지의 내재적 불확실성을 해결하기 위해, 시스템은 카메라 공간과 렌더링 공간 사이의 등록 오차를 최소화하도록 가상 모델의 랜드마크를 정교화하는 동적 최적화 알고리즘을 채택한다.
   • 실행: 로봇은 계산된 타겟에 어플리케이터를 배치하며, 머리 움직임 중에도 안전과 안정성을 보장하기 위해 어드미턴스 제어(admittance control)를 통해 일정한 접촉력(약 4 N)을 유지한다.

주요 기여

• 통합 프레임워크: 본 논문은 기하학적 표면 재구성과 표면-뇌 매핑 사이의 간극을 메우며, 안면 데이터만으로 두개 내 타겟을 추정하기 위한 원칙적이고 설명 가능한 근거를 제공한다.
• 생성 모델링: 확산 기반 생성 모델을 사용하여 부분적인 안면 스캔으로부터 완전한 두개골 표면을 재구성하는 것의 타당성을 입증하였으며, 이를 통해 수동 두피 측정의 필요성을 제거하였다.
  의
• 두피 각도 좌표(SAC) 시스템: 세 가지 해부학적 랜드마크만을 사용하여 피질-두피 매핑을 용이하게 하는 새로운 좌표계를 제안하였으며, 이는 측지 기반 방식에 비해 오차 누적을 줄여준다.
• 마커리스 자동화: 이 프레임워크를 마커리스 로봇 시스템에 통합함으로써 물리적 표식(fiducial marker)의 필요성을 없애고 설정 시간과 운영자 의존도를 낮추었다.

결과

• 표면 재구성 정확도: 503개의 MRI 케이스 테스트 세트에서 생성 모델은 대부분의 두피 영역에서 1.05 mm 미만의 평균 재구성 오차를 달in 성과를 보였으나, 후두부 및 귀 주변에서는 더 높은 오차가 관찰되었다. 세 명의 운영자를 대상으로 한 일관성 테스트 결과 높은 급내 상관계수(ICC > 0.89)를 보였다.
• 타겟팅 정확도 (In Silico): 292명의 건강한 참가자를 대상으로 한 SAC 기반 매핑에서, 평균 두피 타겟팅 오차는 2.36 mm에서 5.70 mm 사이였고, 피질 타겟팅 오차는 2.50 mm에서 8.81 mm 사이였다. 18명의 불면증 환자를 대상으로 한 검증 결과, 스캐너 기반 입력이 MRI 기반 입력보다 오차가 약간 증가했으나, 주요 영역(M1 및 DLPFC)에 대한 피질 타겟팅 오차는 다른 데이터셋과 유사한 수준을 유지했다.
• 팬텀 검증: 3D 프린팅된 머리 팬텀을 대상으로 최적화된 마커리스 항법 시스템은 5 mm 미만의 평균 위치 오차와 3° 미만의 각도 오차를 달성하여, 최적화되지 않은 랜드마크 방식보다 우수한 성능을 보였다.
• 임상 검증 (In Vivo): 2주 동안 우측 DLPFC를 타겟으로 1 Hz rTMS 치료를 받은 18명의 불면증 환자를 대상으로 한 연구에서, 수면의 질(PSQI 점수가 13.39에서 8.39로 감소; ISI 점수가 18.56에서 12.17로 감소)이 유의미하게 개선되었다. 결정적으로, 본 연구는 타겟팅 추정 오차의 크기와 치료 결과 사이에 유의미한 상관관계가 없음을 발견하였으며, 이는 본 프레임워크의 정확도가 임상적 효능을 내기에 충분함을 시사한다.

의의 및 주장
저자들은 이 프레임워크가 MRI가 없는 환경에서의 신경조절 타겟팅을 위한 원칙적이고 설명 가능하며 자동화된 솔루션을 제공한다고 주장한다. 파편화된 해부학적 상관관계를 하나의 통합된 워크플로우로 통합함으로써, 본 시스템은 기존의 수동 방식(낮은 정확도, 높은 변동성)과 MRI 의존적 시스템(높은 비용, 낮은 접근성)의 한계를 해결한다.

본 논문은 이 접근 방식이 다음과 같은 효과를 가진다고 상정한다:

• 임상 장벽 완화: MRI를 사용할 수 없는 지역 병원, 정신과 클리닉 및 재활 센터에서도 정밀한 신경조절을 가능하게 한다.
• 환자 부담 감소: 치료 전 MRI 스캔 및 수동 마커 배치를 제거하여 치료 워크플로우를 약 10~15분으로 단축한다.
• 자동화 실현: 마커리스 로봇 시스템은 향후 자동화 또는 무인 신경조절 서비스의 길을 연다.
• 타당성 입증: 불면증 환자 치료를 통한 성공적인 결과는 MRI 가이드 없는 본 프레임워크의 임상적 유용성을 입증하며, 추정 오차가 효과적인 자극 확산 범위 내에 있음을 보여준다.

저자들은 현재 쌍을 이룬 훈련 데이터가 제한적이고, 선형 매핑 가정이 복잡한 물리적 장 분포를 완벽하게 포착하지 못할 수 있으며, 인비보(in vivo) 샘플 크기가 작다는 점을 인정하며 겸허하게 한계를 언급하였다. 향-후 연구는 데이터셋 확장, 스캐너 변화에 대한 도메인 적응 개선, 그리고 잠재적인 웨어러블 로봇 장치 개발에 집중할 것을 제안한다.