컨텐츠 바로가기

서울대-스탠포드대 공동 연구팀, 신경손상 난제 해결…네이쳐 등재

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
뉴시스

(좌측부터) 서울대 이태우 교수, 스탠포드 대학 제난 바오 교수, 서울대 이영준 박사, 스탠포드대학 유신 리우 박사, 서울대 서대교 박사과정. 사진 서울대학교 *재판매 및 DB 금지

<이미지를 클릭하시면 크게 보실 수 있습니다>



[서울=뉴시스]김수연 인턴 기자 = 서울대 공과대학(학장 홍유석)은 재료공학부 이태우 교수와 스탠포드대학교 제난 바오 교수 국제 공동 연구팀이 신경을 모방하는 뉴로모픽 유기 인공 신경을 통해 신경이 마비된 쥐 모델의 근육 운동을 회복하는 데 성공했다고 16일 밝혔다.

이번 연구 결과는 세계적인 국제 학술지 '네이쳐 바이오메디컬 엔지니어링(Nature Biomedical Engineering)'에 8월 16일 자로 게재됐다.

신경은 물리적 충격, 유전적 원인, 2차 합병증, 노화 등의 원인으로 쉽게 손상된다. 한번 손상된 신경은 재건이 어려우며, 생체 신호를 제대로 전달하지 못해 신체 기능의 일부 또는 전부를 영구적으로 상실하게 된다. 손상된 신경을 치료하기 위해 외과적 수술과 약물치료 등 다양한 시도가 진행되었으나, 한번 손상이 되거나 퇴화한 신경의 기능을 다시 회복하는 것은 거의 불가능에 가까운 난제로 남아있다.

현재 임상에서 활발히 활용되고 있는 기능적 전기자극 치료(Functional Electrical Stimulation;FES)는 컴퓨터 등을 통해 제어되는 신호를 이용한다. 신경마비 환자의 근육에 전기 자극을 가해 근육수축을 유발함으로써 기능적으로 유용한 동작을 제한된 공간 및 모니터링 환경에서 만들어내는 것이다. 하지만 근육을 자극하기 위한 신호 처리를 위해 복잡한 디지털 회로 및 컴퓨터를 수반하며, 그 과정에서 많은 에너지를 소모하고 생체적합성이 떨어지기 때문에 환자가 일상생활에서 오랜 시간 사용하기 부적합하다는 한계가 있었다.

공동 연구팀은 생체 신경섬유의 구조와 기능을 모사하는 '신축성 저전력 유기 나노선 인공 신경'을 이용해 외부 컴퓨터 없이 인공 신경만으로 쥐의 다리 움직임을 조절하는 데 성공했다. 신축성 인공 신경은 근육의 움직임을 감지하는 고유수용기를 모사한 인장 센서, 생체 시냅스를 모사하는 유기 인공 시냅스, 다리 근육에 신호를 전달하기 위한 하이드로젤 전극으로 구성된다.

공동 연구팀은 생체 신경과 유사한 원리로 인공 시냅스에 전달되는 활동 전위의 발화 주파수에 따라 쥐 다리의 움직임과 근육의 수축 힘을 조절했고, 생체 신경의 가소성을 모사하는 인공 시냅스는 컴퓨터 등 외부 시스템 없이 일반적인 FES보다 더 부드럽고 자연스러운 다리의 움직임을 구현했다.

또 인공 고유수용기는 제어를 위한 외부 컴퓨터 없이도 쥐의 다리 움직임을 감지해 인공 시냅스에 실시간으로 피드백을 줘 다리의 과도한 움직임으로 인해 근육이 손상되는 것을 방지했다. 이어 신경이 마비된 쥐가 공을 차거나 런닝머신 위에서 걷고 뛰는 움직임을 구현했고, 움직이는 동물의 운동 피질에서 사전 기록된 신호를 샘플링한 인공 시냅스를 통해 쥐의 다리를 움직였다.

서울대 이태우 교수는 "공학적 방식으로 신경 손상 극복을 위한 새로운 돌파구를 열 수 있다는 실마리를 제공했다"고 의의를 밝혔다. 또 "신경 손상 극복을 위한 공학적 접근 방식은 관련 질병 및 장애로 고통받고 있는 사람들에게 삶의 질을 향상시켜 줄 수 있는 새로운 길을 열 수 있을 것"이라고 덧붙였다.

해당 논문의 제1 저자인 이영준 박사는 "생체 신경망의 거동을 모사해 차세대 컴퓨팅 소자로 주목받는 뉴로모픽(Neuromorphic) 분야의 새로운 가능성을 발견했다"며 "뉴로모픽 (Neuromorphic) 분야가 컴퓨팅에 그치지 않고 의공학과 생명공학 등 다양한 분야에 사용될 수 있을 것"이라고 기대감을 나타냈다.

☞공감언론 뉴시스 ksy0527@newsis.com

▶ 네이버에서 뉴시스 구독하기
▶ K-Artprice, 유명 미술작품 가격 공개
▶ 뉴시스 빅데이터 MSI 주가시세표 바로가기

<저작권자ⓒ 공감언론 뉴시스통신사. 무단전재-재배포 금지.>
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.