뇌 자극 효과는 나이가 아닌 학습 능력과 연관있다

나이가 들면서 인지 및 운동 기능이 저하되고, 이는 독립성과 전반적인 삶의 질에 영향을 미칩니다. 이를 개선하거나 완전히 없애려는 연구 노력으로 많은 가능성을 보여주는 기술이 생겨났습니다.

이러한 것들 중 하나는 비침습적 뇌 자극입니다. 이는 수술이나 임플란트가 필요 없이 외부적으로 비침습적으로 뇌 기능에 영향을 미칠 수 있는 일련의 기술을 포괄하는 용어입니다. 특히 그러한 유망한 기술 중 하나는 양극 경두개 직류 자극(atDCS)으로, 두피의 전극을 통해 전달되는 일정하고 낮은 전류를 사용하여 신경 활동을 조절합니다.

그러나 atDCS를 탐구하는 연구에서는 일관되지 않은 결과가 나왔고, 이로 인해 연구자들은 어떤 사람들은 atDCS에서 혜택을 보는 반면 다른 사람들은 혜택을 보지 못하는 이유를 탐구하게 되었습니다. 문제는 뇌 자극에 대한 반응성에 영향을 줄 수 있는 요인에 대한 이해에 있는 듯하며, 반응자와 비반응자로 이어집니다. 이 중 나이가 중요한 요인 중 하나로 제시되었습니다.

일부 연구에서는 기본적인 행동 능력과 이전 훈련과 같은 추가적인 요소가 중요한 고려 사항이 될 수 있다고 제안하지만, 이러한 요소와 행동의 상호작용은 자세히 결정되지 않았으며, 이는 atDCS의 효과에 대한 정교한 예측 모델이 필요하다는 점을 지적합니다.

이제 EPFL의 Friedhelm Hummel이 이끄는 과학자들은 개인의 atDCS 반응성에 영향을 미치는 중요한 요인을 확인했습니다. 이 팀은 기본 학습 능력이 운동 과제를 배우는 동안 적용된 뇌 자극의 효과를 어떻게 결정하는지 살펴보았습니다. 그들의 연구 결과에 따르면 학습 메커니즘이 덜 효율적인 개인은 자극에서 더 많은 혜택을 얻는 반면 최적의 학습 전략을 가진 개인은 부정적인 영향을 경험할 수 있습니다.

연구자들은 40명의 참가자를 모집했습니다. 20명의 중년 성인(50~65세)과 20명의 노년 성인(65세 이상)입니다. 각 그룹은 활동적인 atDCS를 받는 그룹과 위약 자극을 받는 그룹으로 더 세분화되었습니다.

10일 동안 참가자들은 atDCS를 받는 동안 집에서 운동 순서 학습을 연구하도록 설계된 손가락 두드리기 과제를 연습했습니다. 이 과제에는 키패드를 사용하여 숫자 순서를 복제하는 것이 포함되었으며, 가능한 한 빠르고 정확하게 하려고 노력했습니다.

그런 다음 팀은 공개 데이터 세트에서 훈련된 머신 러닝 모델을 사용하여 참가자를 초기 성과에 따라 "최적" 또는 "최적이 아닌" 학습자로 분류했습니다. 이 모델은 훈련 초기에 작업에 대한 정보를 효율적으로 통합하는 능력에 따라 누가 atDCS에서 혜택을 볼지 예측하는 것을 목표로 했습니다.

이 연구에서는 학습 초기 단계에서 과제를 내면화하는 데 덜 효율적인 것으로 보이는 최적이 아닌 학습자가 atDCS를 받을 때 과제를 수행하는 동안 가속된 정확도 향상을 경험했다는 것을 발견했습니다. 이 효과는 특정 연령대(예: 노인)에 국한되지 않았으며, 최적이 아닌 학습자는 젊은 개인에게서도 발견되었습니다.

반면, 연령에 관계없이 최적의 학습 전략을 가진 참여자는 atDCS를 받을 때 성과에 부정적인 경향을 보였습니다. 이러한 차이는 뇌 자극이 처음에 운동 과제에 어려움을 겪는 개인에게 더 유익하다는 것을 시사합니다. 따라서 atDCS는 재활에 중요한 의미를 갖는 향상보다는 회복적 특성을 지닌 것으로 보입니다.

"기계 학습의 다양한 방법을 활용함으로써, 우리는 뇌 자극의 개별적 효과에 대한 다양한 요인의 영향을 풀 수 있었습니다." 연구의 첫 번째 저자인 파블로 마세이라가 말했습니다. "이것은 개별 피험자와 환자에게 뇌 자극의 효과를 극대화하는 길을 열 것입니다."

이 연구는 장기적으로 개인화된 뇌 자극 프로토콜이 나이와 같은 공통적인 특성보다는 개인의 특정 요구 사항에 따라 이점을 극대화하도록 개발될 것임을 시사합니다. 이 접근 방식은 학습을 지원하는 특정 메커니즘을 타겟팅하는 보다 효과적인 뇌 자극 기반 개입으로 이어질 수 있으며, 특히 뇌 손상(예: 뇌졸중 또는 외상성 뇌 손상)으로 인해 상실된 기술을 다시 배우는 것이 주된 기반인 신경 재활의 관점에서 더욱 그렇습니다.

Hummel은 "미래에는 임상의가 우리 알고리즘의 더욱 발전된 버전을 적용하여 환자가 뇌 자극 기반 치료로부터 이익을 얻을지 여부를 판단하고, 신경 재활의 효과를 높이고 치료를 개인화할 수 있을 것"이라고 말했습니다.

출처: https://www.sciencedaily.com/releases/2024/11/241127140025.htm