디지털 바이오마커 개발을 위한 보행분석 및 스마트 인솔을 활용한 근육감소증 환자의 신체능력 평가

Scientific Reports 13권, 기사 번호: 10602(2023) 이 기사 인용

485 액세스

1 알트메트릭

측정항목 세부정보

본 연구의 목적은 다양한 측정 도구 간의 변수 중요도를 비교하고, 스마트 깔창과 인공지능(AI) 보행 분석을 활용하여 근육감소증 환자의 신체 능력을 평가할 수 있는 변수를 만드는 것입니다. 본 연구는 근육감소증 환자와 비 근육감소증 환자를 분석하고 비교함으로써 근육감소증에 대한 예측 및 분류 모델을 개발하고 디지털 바이오마커를 발굴하는 것을 목표로 합니다. 연구진은 스마트 깔창 장비를 사용하여 83명의 환자로부터 발바닥 압력 데이터를 수집하고 스마트폰을 사용하여 자세 추정을 위한 비디오 데이터를 수집했습니다. Mann-Whitney U는 23명의 환자로 구성된 근육감소증 그룹과 60명의 환자로 구성된 대조군을 비교하기 위해 수행되었습니다. 근육 감소증 환자의 신체 능력을 대조군과 비교하기 위해 스마트 깔창과 자세 추정을 사용했습니다. 관절점 변수를 분석한 결과 15개 변수 중 12개 변수에서 유의미한 차이가 나타났으나 무릎 평균, 발목 범위, 엉덩이 범위에서는 차이가 없었다. 이러한 발견은 디지털 바이오마커를 사용하여 근육감소증 환자를 정상 인구와 향상된 정확도로 구별할 수 있음을 시사합니다. 본 연구에서는 스마트 인솔과 자세 추정을 이용하여 근골격계 질환 환자와 근육감소증 환자를 비교했습니다. 정확한 근육감소증 진단을 위해서는 다양한 측정 방법이 중요하며 디지털 기술은 진단 및 치료를 개선할 수 있는 잠재력을 가지고 있습니다.

근육감소증은 연령과 관련된 근육량, 근력, 기능의 감소입니다. 이는 노인들에게 흔한 문제이며 이동성 감소, 낙상 위험 증가, 골절 및 삶의 질 저하로 이어질 수 있습니다1. 근육감소증의 원인은 호르몬 변화, 신체 활동 감소, 산화 스트레스 및 염증, 근육 단백질 합성 및 분해 변화 등 복잡합니다2,3. 근육감소증을 진단하기 위해 여러 가지 가이드라인이 개발되었으며, EWGSOP, AWGS4,5,6 등의 기관에서 제시하는 대표적인 가이드라인이 있습니다. 이러한 진단지침에는 현재 다양한 방법으로 측정되고 있는 근육감소증 환자에 대한 신체기능 평가 항목이 포함되어 있습니다1,7,8.

근육감소증 진단에는 다양한 방법을 통해 근육량, 근력, 신체 활동, 신체 구성을 평가하는 것이 포함됩니다. 최근에는 보행 속도 테스트, 의자 서기 테스트, TUG(Timed Up and Go) 테스트, 손잡이 강도 테스트와 같은 도구가 일반적으로 사용되는 등 신체적 성능을 평가하는 데 초점이 맞춰졌습니다9,10. 그러나 이러한 방법은 측정자나 환경으로 인한 주관적인 편견에 취약합니다. 이를 해결하기 위해 인공지능(AI)을 활용하여 물리적 성능 데이터를 수집하는 방향으로 추진되고 있습니다11. 특히 자세 추정을 활용하여 관절 각도와 범위를 계산하는 등의 연구가 활발히 논의되고 있다12,13.

신체 자세 추정과 같은 AI 기술과 함께 스마트 장비를 사용하여 환자의 신체 성능 측정 정확도를 향상시키는 연구가 진행 중입니다. 자세 추정(Pose Estimation)은 딥러닝 모델을 활용해 인체 핵심 포인트를 실시간으로 추정하는 컴퓨터 비전 기술이다. 인체 관절과 부품을 추적하고 감지하여 2D 또는 3D 자세 추정이 가능합니다17,18,19. 현재 여러 대의 카메라를 사용하여 매우 정확한 3D 모션 캡처를 수행하는 VICON 모션 시스템(Vicon Nexus, Vicon Motion Systems Ltd., Oxford, England)과의 정확성과 유용성을 비교하기 위한 연구가 활발히 진행되고 있습니다12,20. 이러한 비교 연구를 통해 자세 추정 방법의 정확성과 유용성이 검증되고 있다12,20,21. 또한, 현재 환자의 신체 활동을 측정하기 위해 스마트워치, 스마트 깔창 등 다양한 웨어러블 기기가 사용되고 있습니다. 특히 근이영양증 분야에서는 스마트 인솔(Smart Insole) 등 관성측정장치(IMU) 센서를 활용한 연구가 활발히 진행되고 있으며, 중요한 공간적, 시간적 매개변수가 규명되고 있다. 일례로 골다공증과 근이영양증의 보행을 AI와 웨어러블 센서를 활용해 분석하는 연구가 있다. IMU 센서를 사용하여 근이영양증 환자를 식별하는 연구도 있었습니다22,23.