파킨슨병 환자의 걸음걸이, 아형마다 다르다?

기본 정보

제목: Wearable Sensor-Based Quantitative Gait Analysis in Parkinson's Disease Motor Subtypes
저자: Zhang 등
저널: npj Digital Medicine
출판연도: 2024
DOI: 10.1038/s41746-024-01163-z
PMID: -
근거 수준: 횡단 연구

이 연구는 초기 파킨슨병 환자를 떨림 우세형과 자세 불안정-보행 장애형으로 나누어 웨어러블 센서 기반 보행 분석을 수행했다. 두 아형 모두 건강 대조군과 구별 가능한 보행 차이를 보였으며, ROC 분석에서 AUC 0.7에서 0.9 수준을 달성했다. 이는 웨어러블 기반 객관적 보행 바이오마커가 파킨슨병 아형 분류와 개인 맞춤 치료에 활용될 수 있음을 시사한다.

1. 이 연구는 왜 필요했을까

파킨슨병은 단일 질환이 아니라 여러 운동 아형을 포함하는 이질적인 질환이다. 크게 떨림 우세형(TD)과 자세 불안정-보행 장애형(PIGD)으로 분류되는데, 두 아형은 질병 경과와 예후, 치료 반응이 다르다. 하지만 초기 단계에서 이 아형을 정확히 구별하는 것은 임상적으로 쉽지 않다.

임상적으로 보행 장애가 명확하기 전에도 떨림 우세형과 자세 불안정-보행 장애형 사이에 미묘하지만 측정 가능한 보행 차이가 존재한다.

기존의 임상 평가는 주관적이고 평가자 간 변동성이 크기 때문에, 웨어러블 센서를 활용한 객관적 보행 분석이 아형 분류의 정확성을 높일 수 있는지 확인할 필요가 있었다.

2. 어떻게 연구했을까

연구팀은 초기 파킨슨병 환자 44명을 떨림 우세형(TD, 24명)과 자세 불안정-보행 장애형(PIGD, 20명)으로 분류하고, 건강한 대조군 39명과 비교했다. 모든 참가자에게 MATRIX 웨어러블 모션 시스템을 착용시켰는데, 이 시스템은 가속도계와 자이로스코프가 내장된 10개의 관성 센서로 구성되어 있다.

센서는 가슴, 허리, 양쪽 손목, 양쪽 허벅지, 양쪽 발목, 양쪽 발에 부착했으며, 참가자들에게 TUG 테스트(일어나서 걷다가 돌아오기 테스트)를 수행하도록 했다. 수집된 데이터에서 보행 속도, 보폭 길이, 팔 흔들림, 회전 속도 등 다양한 보행 파라미터를 추출하여 ROC 분석으로 진단 성능을 평가했다.

3. 무엇을 발견했을까

ROC 분석 결과, 두 파킨슨병 아형 모두 건강 대조군과 구별하는 데 AUC 0.7에서 0.9 수준의 성능을 달성했다(통계적 유의성 p값 0.01 미만). 이는 웨어러블 센서가 초기 파킨슨병의 미세한 보행 변화를 충분히 포착할 수 있음을 보여준다.

두 파킨슨병 아형 모두 건강 대조군과 AUC 0.7에서 0.9 수준으로 구별 가능했다.

특히 흥미로운 점은 임상적으로 보행 장애가 뚜렷하지 않은 떨림 우세형에서도 건강인과 구별 가능한 보행 패턴 변화가 감지되었다는 것이다. 이는 웨어러블 센서가 임상의의 눈으로는 포착하기 어려운 초미세 운동 변화를 객관적으로 측정할 수 있음을 의미한다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

이 연구 결과를 바탕으로 FastingWorks 앱에서 Apple Watch의 모션 센서를 활용한 보행 패턴 트래킹 기능을 고려할 수 있다. 일상적인 걷기 활동 중에 보행 속도, 보폭, 팔 흔들림 대칭성 등을 자동으로 수집하고, 시간에 따른 변화 추이를 시각화하여 사용자에게 제공하는 방식이다.

콘텐츠 활용

같은 파킨슨병이라도 걸음걸이가 다르다: 웨어러블이 밝힌 운동 아형의 비밀
파킨슨병 초기, 의사도 놓치는 걸음걸이 변화를 센서는 잡는다
개인 맞춤 파킨슨 관리의 첫걸음, 보행 분석에서 시작된다

적용 시 주의사항

이 연구는 횡단 연구로서 시간 경과에 따른 변화를 추적하지 않았으므로, "~와 관련이 있는 것으로 보인다" 수준의 표현이 적절하다. 또한 10개 센서를 사용한 연구 환경과 Apple Watch 단일 기기 환경 간의 성능 차이를 감안해야 하며, 단일 손목 센서로는 동일한 수준의 정확도를 기대하기 어려울 수 있다.

5. 한계점

가장 큰 한계는 통제된 환경에서의 TUG 테스트로 데이터를 수집했다는 점이다. 실제 일상생활에서의 자유 보행은 속도 변화, 지형 차이, 다중 작업 등 다양한 변수가 개입하기 때문에, 연구 결과가 그대로 적용되기 어려울 수 있다. 앱에서 보행 분석 기능을 구현할 때는 실생활 데이터의 노이즈를 처리하는 전략이 필요하다.

표본 크기도 상대적으로 작아(전체 83명), 결과의 일반화에는 더 큰 규모의 연구가 필요하다. 또한 이 연구는 10개 센서를 사용했지만, 소비자용 기기에서는 손목 하나의 센서만 사용 가능하므로, 단일 센서 환경에서의 재현성 검증이 추가로 필요하다.

마무리

이 연구는 웨어러블 센서 기반 보행 분석이 파킨슨병의 운동 아형을 초기 단계에서 객관적으로 구별할 수 있음을 보여주었다. 임상의가 감지하기 어려운 미세한 보행 차이를 센서가 포착한다는 점에서, 개인 맞춤 치료 전략 수립에 기여할 수 있는 도구로서의 가능성이 확인되었다.