섬망 중 환자는 증상의 일중 변화를 보입니다.  수면각성 주기의 장애, 낮 시간 중의 졸림, 밤 시간에 잠 들기 어려움 등의 증상은 모두 일중 변화와 관련되어 있다고 할 수 있습니다. 이러한 증상의 일중 변화는 우리 몸(정확하게는 뇌) 안에 있는 생체시계(Circadian Clock)가 섬망 중에 오작동 했을 가능성과 관련 있을 것입니다. 여러 생체시계 중에서 마스터 시계라고 불리는 Suprachiasmatic Nucleus (SCN)은 다른 모든 Peripheral Organs의 생체리듬을 조절하는데 핵심적인 역할을 수행한다고 알려져 있습니다. 따라서 본 연구에서는 섬망 증상의 일중변화가 SCN이 오작동에서 기인했다는 가설을 세우게 되었고, SCN과 다른 뇌의 영역간의 기능적 연결성이 섬망 환자와 비섬망 환자군 간의 신경학적 차이를 연구하게 되었습니다. 

이번 연구에서 발견한 핵심 결과는 섬망 환자의 경우 SCN과 dorsal anterior cingulate 영역간의 기능적 연결성이 증가되어 있다는 것입니다. 반면에, SCN과 기본신경망 영역(left posterior cingulate cortex), parahippocampal gyrus, thalamus, 소뇌의 기능적 연결성은 섬망 환자에서 감소되어 있다는 것입니다. 특히 SCN과 소뇌와의 연결성은 섬망 증상이 심각한 환자에게서 더욱 감소되어 있음을 발견했습니다. 소뇌가 정신활동의 조절과 운영(mental coordination)에 관여하는 중요한 뇌의 영역임을 고려하면, 섬망 중에 SCN과 소뇌와의 연결성 감소는 섬망 환자의 수면각성장애와 증상의 일중변화와 연관되여 있을 것이다.

본 연구 논문의 원문은 다음 링크에서 확인 가능합니다.
(링크: 
http://www.sciencedirect.com/science/article/pii/S0925492716303389)

<Fig. 1 in Psychiatry Research: Neuroimaging 264 (2017) 10-22>



신고

처음 강의에 임할 때는 이번 기회에 게임을 만들어봐야지!’ 라는 마음가짐 보다는 유니티의 다양한 기능들을 잘 활용할 수 있는 수준으로 열심히 배워야지!’ 라는 마음가짐이었습니다. 그런데 강의 둘째주였나? 강사님이 각자 게임 기획을 만들어 공유해 보자고 하셔서, 게임을 만들지 않을 수 없게 되었습니다. (사실 저는 게임을 즐기는 편이 아니어서대체 어떤 게임을 만들어야 하나고민이 컸습니다.) 저도 종종 후배들에게 MATLAB 강의를 해 주곤 하는데, 그럴 때마다 제가 강조하는 것이 숙제였어요. 숙제는 해야하는 사람의 입장에서는 어렵고 하기 싫은 것? 인 경우가 많지만, 내주는 사람의 입장에서는 숙제를 통해서 실력이 늘 수 있음을 확신하기 때문에 숙제를 내주는 거예요. 그래서 유니티를 제대로 배우려면 강사님이 제안해 주시는 개임 제안서 작성부터 개임 개발 개인 프로젝트도 열심히 하기로 결심했답니다.

<나홀로 완성하는 유니티 3D액션 게임> 교재를 통해서 유니티 엔진의 여러가지 특징들을 배울 수가 있었습니다. 캔버스에 UI 게임 오브젝트를 만들어 놓고 닻을 내려서 다양한 종류의 모바일 화면에서도 개발자가 지정한 위치에 UI 오브젝트가 보여지게 설정할 수 있는 것도 신기했습니다. 특히, 유니티의 가장 큰 장점이 질랑이 있는 강체(rigid body)를 쉽게 다룰 수 있도록 물리엔진이 내장되어 있다는 거예요. 게임 오브젝트를 하나 만들어 놓고, ‘gravity’ 옵션만 체크해주면, 중력에 따라 자동으로 땅으로 떨어지니 얼마나 훌륭해요? 다른 개발 툴이었다면, 이런 부분들까지 모두 직접 구현해야 했을 텐데 말이죠.  

패스트캠퍼트 유니티1기 수업에서 제가 만든 게임은 체노바 라는 게임입니다. 게임의 규칙이 체스와 닮았지만 체스와 동일하지는 않고, 게임에서 공격 기능이 있지만, 보통 액션 게임에서의 공격과도 조금 다른 측면이 있습니다. 그래서 게임 이름을 Chess nor battle (Chenoba, 체노바) 라고 지었어요.

(Google Play Store Link: https://play.google.com/store/apps/details?id=com.milkywaymind.chenoba)


체노바는 패이스북 로그인을 통해서 게임 로비화면으로 이동할 수 있습니다. 로비화면에서는 적군의 인공지능 레벨을 선택하고, 게임 보드의 크기를 결정하게 됩니다. 지난 10주동안에는 시간이 부족해서 추가하지 못했지만, 이후에 업데이트에서는 게임 보드 중간 중간에 장애물도 넣고, 아이템 전?에 대한 내용도 추가할 계획입니다. 현재는 적군의 인공지능 레벨과 게임 보드의 크기를 선택하면 게임을 시작할 수 있습니다. 나의 게임 말은 흰색 이고, 적군의 말은 검정색 입니다. 게임이 시작되면, 이동 게이지와 공격 게이지가 시간이 지남에 따라서 채워지게 됩니다. 이동 게이지 및 공격 게이지가 채워지면, 이동 또는 공격을 할 수 있습니다. 게임 말은 체스 규칙에 따라서 이동할 수 있고, 이동할 수 있는 위치에 적군이 있다면 적군을 선택하여 포탄 공격을 할 수도 있습니다.

실제 체스에서는 King’이 죽으면 게임이 종료되지만, 체노바에서는 모든 플레이어가 포탄 공격을 받아 죽으면 게임이 종료됩니다. 체스와 비슷하지만 다른 점이 있다는 것이 체노바의 재미 요소가 아닐까? 생각해 봅니다.

수업 내용이 대부분 좋았지만, 특히나 좋았던 부분은 서버와 연동되는 게임을 만들 수 있다는 거예요. 사실 10주동안 유니티 하나만 배우는 것도 벅차긴 하지만, 서버와 연동이 되지 않는 게임은 그 자체로 완성되었다고 하기 힘들다고 생각합니다. 체노바의 경우에는 게임이 종료 될 때마다 각 게임 결과가 서버에 전송이 되고, 게임에 로그인하게 되면 내가 이긴 횟수와 진 횟수에 대한 정보를 서버에서 받아오게 됩니다.

수동적으로 수업에서 강사님이 가르쳐주는 것만 따라할 요량으로 강의를 들었다면, 지금처럼 성취감이 크지는 않았을 꺼예요. 개인 프로젝트를 통해서 형편없는 게임이지만 직접 만들어 있게 가르쳐 주신 강사님께 감사드립니다. 무에서 유를 창조하여 직접 Google Play Store 올려 놓고, 친구들에게 내가 만든 게임이야. 한번 해봐.” 라고 말할 때의 뿌듯 함이란물론 돌아오는 피드백은 차마 글로 적을 수가 없네요. 

허기져서 코딩할 없을 만큼 당이 떨어졌을 간식을 준비해 주신 김용성 선생님께도 감사드리고, 사비를 털어서 종종 커피와  간식을 제공해 주신 송호연 강사님께도 다시 한번 감사 말씀을 드립니다. 함께 수강했던 여러 수강생 분들과 소셜 활동을 많이 하지 못한 것이 끝내 아쉽습니다. 2 수업 종종 찾아가서 이런 저런 질문 드리고 싶은데괜찮을까요?

신고

'공부하기' 카테고리의 다른 글

패스트캠퍼스 - 유니티5 수강후기  (0) 2017.04.04

최근 미국 식품의약청(FDA)는 Personalized Medicine의 중요성을 강조하고 있는 추세다. 같은 병명의 질병을 가졌다고 할지라도 사람마다 유전적인 특징이 다를 수가 있고, 생물학적으로 약물에 반응하는 정도가 모두 다르기 때문에다. 이에 따라 함께 강조되고 있는 것이 환자들을 아형에 따라 하위그룹으로 나누는 "Phenotypic Subgrouping"이다. 

Subgrouping을 위해 사용할 수 있는 비지도 기계 학습(Unsupervised Machine Learning) 방법은 여러가지가 있을 수 있지만, 질환을 범주화 하기에는 어려움이 있다. 이제 새롭게 등장한 것이 토폴로지 데이터 분석(Topological Data Analysis, TDA)이다. TDA는 일종에 Partial Clustering 방법으로 질병이 Spectrum 형태로 분포하는 경우에, 매우 유용하게 적용할 수 있는 클러스터링 방법이다.

토폴로지 데이터 분석에서 Input Features를 선택하는 방법은 많이 있지만, 이번 연구에서는 로지스틱 회귀분석을 이용해서 수술후 섬망 발생에 영향을 미치는 위험인자를 우선적으로 찾아냈다. 이렇게 찾아낸 위험인자는 노인 인지기능 평가 지수(MMSE), 심경증, 성실성, 수술시 마취의 종류이다. 이 4개의 특징 변수의 Principal Component를 찾아내서, 이를 Mapper의 filter metric으로 사용했다. 아래 그래프에서 노드의 색깔은 filter metric이다. Mapper에 input으로 사용된 distance metric으로는 L2-distance를 사용했고, 클러스터링 알고리즘으로는 single-linkage dendrogram을 적용했다. 

분석 결과로 생성된 Topology of patient-patient networks에 여러 임상 변인들을 mapping해보니, 섬망의 하위 그룹이 2개 정도로 나눠지는 것을 발견했다. 하나의 섬망 그룹은 인지기능 평가지수가 낮으면서 수술시에 부분마취를 했던 환자그룹(G1)이고, 또 다른 섬망 그룹은 인지기능 평가점수는 보통이지만, 신경증 지수가 매우 높고, 성실성 점수가 낮으며 수술시에 전신마취를 했던 환자 그룹(G2)임을 밝혔다.

재미있는 것은 로지스틱 회귀 분석에서는 혈액내 단백질 총량이나 알부민 수치가 섬망의 위험인자가 아닌것으로 나타났지만, 이 두 변인을 Patient-patient network에 Mapping 했더니, 섬망이 발생한 그룹에도 단백질과 알부민 수치가 낮은 것으로 나타났다. 이 두 수치가 환자의 영양상태와 관련 있음 고려했을때, 수술 전에 환자의 영양 상태가 섬망 발생에 영향을 미칠 수 있음을 밝힌 셈이다. 이는 같은 데이터에 로지스텍 회귀분석을 적용했을때는 발견할 수 없던 결과로, TDA 연구의 중요성이 강조되는 부분이다.

본 연구는 2016년 11월에 BMC Psychiatry 학술지에 게제되었다.
저널 바로가기: https://bmcpsychiatry.biomedcentral.com/articles/10.1186/s12888-016-1079-z



신고