파킨슨병 뇌심부자극기 이식수술 중 인공지능으로 미세전극 측정신호를 분석하면 결과를 예측할 수 있다. 향후 더 많은 데이터와 경험이 쌓이면 치료에 큰 도움이 될 것으로 예상된다.  

서울대병원 백선하·김희찬·선석규, 세종충남대병원 박광현 교수 연구팀은 전신마취 하에서 뇌심부자극술을 시행받은 파킨슨병 환자 34명의 미세전극 측정 기록을 인공지능 딥러닝 기법으로 분석해 수술 후 임상적 결과를 예측한 연구를 00일 발표했다.  

파킨슨병은 중뇌에 위치한 도파민 신경세포가 원인 모르게 정상인에 비해 약 70% 이상 소실돼 발생한다. 알츠하이머병 다음으로 흔한 대표적인 노인성 퇴행성 뇌질환으로 65세 이상은 100명 중 약 2명 비율로 관찰된다.

떨림, 강직, 자세불안, 보행장애 등이 파킨슨병의 증상이다. 증상 발현을 억제하기 위해 시행하는 대표적인 치료가 뇌심부자극술이다. 뇌 이상 부분에 전극을 넣고 자극을 줘 신경회로를 조절하는 것이다. 정확하고 적절한 표적을 찾는 것이 가장 중요하다. 수술실에서 환자의 두개골을 천공하고, MRI로 위치를 정한 뇌 부위에 미세전극을 위치시킨 뒤 조금씩 위치를 움직여가며 뇌에서 발생하는 전기신호를 측정한다. 이때 기록된 전기신호를 분석해 가장 효과가 좋을 것으로 예상되는 위치에 실제 자극용 전극을 삽입한다.

연구팀은 미세전극을 통해 얻은 신호를 인공지능 딥러닝으로 분석해 결과 예측을 하게 했다. 이후 실제 수술 후 환자 상태를 호전 정도에 따라 나누고 인공지능 예측과 비교했다. 양측에 뇌심부자극술을 시행하지만, 각각의 전극이 신체의 좌우에 미치는 영향이 다를 것이라는 점에 착안해 인공지능 알고리즘 내에서 다중구조를 사용해 좌우의 비율을 다르게 적용했다. 5:1과 6:1의 비율에서 가장 높은 예측정확도를 보였으며 최대 80.21%에 달했다. 실제 뇌신경 기저핵의 기능적 구조와 유사성을 보인 것이라고 연구팀은 전했다.  

백선하 교수(신경외과)는 “파킨슨병 환자에서 뇌심부자극술을 시행할 때 최적의 표적을 찾는 새로운 패러다임이 될 것”이라고 기대했다.

이어 김희찬 교수(의공학과)는 “뇌심부자극기 이식술의 예후 예측에 딥러닝 기법을 적용한 새로운 시도”라고 연구 의의를 밝히고, “앞으로 인공지능 기법을 활용한 더 많은 임상 의사결정 지원 시스템들이 개발될 것”이라고 전망했다.

미세전극 측정 신호에 인공지능을 활용해 수술 결과 예측을 처음 시도한 이번 연구는 국제 학술지 ‘플로스원(PLOS ONE)’ 최근호에 발표됐다.