전 세계적으로 약 5천만 명의 사람들에게 영향을 미치는 간질은 인류의 가장 흔한 신경 장애 중 하나이며 가장 오래 지속되는 만성 발작 중 하나이다.

그러한 오래된 적에 적합하게 뇌 심부 자극에서 식이요법 및 항경련제에 이르기까지 간질을 치료하는 수많은 방법이 있다. 약물이 효과가 없는 간질 환자의 약 1/3에게 수술은 실행 가능한 대안이 될 수 있다. 유니버시티 칼리지 런던의 신경외과의 Aswin Chari는 네이처의 Miryam Naddaf에 말했다.

이러한 수술에서 외과의는 발작을 일으키는 뇌 영역(간질 발생 영역으로 알려진)을 제거하려고 한다. 꽤 명백한 이유로, 간질 발생 영역이 정확하다고 믿는 것이 작업의 중요하고도 어려운 부분임을 확인하는 것이다.

외과의가 영역을 정확하게 찾을 수 있도록 연구자들은 잠재적인 환자를 모델링하고 수술 결과를 시뮬레이션할 수 있는 두뇌의 "디지털 트윈"을 개발하고 있다.

잘라내기: 두개골 아래로 가기 전에 간질 발생 영역이 어디에 있는지 확인하기 위해 연구자들은 MRI, EEG 및 이식된 전극을 사용하여 뇌 활동을 측정하는 SEEG(입체뇌파검사)와 같은 뇌 이미징 방법을 사용한다고 Naddaf는 보고했다.

그러나 SEEG는 고주파수에서 발생하는 뇌 전류만 포착하지만 저주파 활동은 발작의 20%에서 발생할 수 있다. "간질이 있는 많은 사람들은 스캔에서 눈에 띄는 문제가 없다."라고 암스테르담 대학 의료 센터의 신경과학자 Linda Douw는 Naddaf에 말했다.

수술의 성공률은 50%에 불과하며, 실제 간질 발생 영역을 식별하지 못하는 문제가 부분적으로 발생한다.

디지털 두뇌: 수술 결과를 개선하기 위해 프랑스 엑스마르세유 대학교의 연구원들은 가상 간질 환자(VEP) 지도책을 개발했다.

VEP는 "개인화된 뇌 모델과 머신러닝 방법을 사용하여 [간질 유발 영역]을 추정하고 수술 전략을 지원한다"라고 저자는 Science Translational Medicine에 대한 논문에서 썼다.

VEP는 실물에서 추출한 정보를 사용하여 만든 고급 모델인 "디지털 트윈"이다. 이들은 제조 프로세스, 공급망 또는 전체 행성을 디지털화하는 데 사용할 수 있으며, 그런 다음 시스템을 분석하고 시뮬레이션을 실행하며 다양한 결과를 계획하고 예측하는 데 사용할 수 있다.

일리노이대학교 시카고 캠퍼스의 외과 혁신 교육 연구실의 한 연구팀은 외과 의사가 실명 상태에 빠질 필요가 없도록 수술 부위의 디지털 모델을 만들어 비슷한 것을 만들려고 시도하고 있다.

렙토제닉 존: 그들은 또한 뇌의 특정 부위에서 수술 효과를 시뮬레이션하여 제거할 뇌의 적절한 부분에 전화를 걸 수 있다.

VEP는 현재 1제곱밀리미터까지 시뮬레이션할 수 있지만 연구원들은 1,000배 더 선명하게 만들려고 노력하고 있다.

VEP 테스트: VEP는 현재 간질 수술의 결과를 개선하는 데 도움이 되는지 확인하기 위해 임상 시험에서 테스트되고 있다. EPINOV라고 불리는 이 프로젝트는 2019년 6월에 시작된 이후 11개의 다른 프랑스 병원에서 365명의 환자를 등록했다고 Naddaf가 보고했다.

이 연구는 수술 전략 및 이환율에 대한 VEP의 영향뿐만 아니라 VEP 데이터로 수술을 받은 환자의 1년 마크에서 발작 빈도를 통해 수술 결과를 대조군과 비교할 것이다.

수술이 완료된 후 실제 외과 의사의 행동을 VEP 제안과 비교하기 위해 통제 그룹에 대해서도 VEP 시뮬레이션이 실행된다.

"1년 후의 결과는 상황이 장기적으로 어떻게 될 것인지에 대한 꽤 좋은 지표이다."라고 UCL 신경학자 John Duncan은 Naddaf에 말했다. 1년 동안 5년 동안 여전히 발작이 없을 것이다.”

과제 및 다음 단계: 연구자들은 SEEG로 캡처할 수 없는 위치에 있을 수 있는 간질 영역과 발작의 변화 패턴을 포함하여 모델에 한계가 있음을 알고 있다.

VEP는 또한 외과 의사가 편안하게 할 수 있는 것보다 더 큰 뇌 부분에서 수술을 제안할 수 있다고 Duncan은 Naddaf에 말했다. 모델이 임상적으로 유익하다는 것을 증명하는 것이 팀의 큰 도전이 될 것이다.

VEP가 성공적으로 입증되면 연구자들은 유사한 기술이 다른 신경 장애를 모델링하는 데 사용될 수 있기를 희망한다.