RnDCircle Logo
권도영 연구실
고려대학교 의학과 권도영 교수
Parkinson's disease
낙상 위험 예측
posturography
홈
연구 영역
기본 정보
논문·특허
과제
구성원
홈

권도영 연구실

고려대학교 의학과 권도영 교수

권도영 연구실은 파킨슨병과 관련 신경학적 증상을 정량화하는 의료데이터 기반 연구를 수행합니다. 자세 흔들림과 낙상 위험을 중심으로 force platform과 gyro sensor 기반 측정 신호를 시간·주파수 변수 및 COP 지표로 변환해 임상 평가와 연계합니다. 또한 transcranial direct-current stimulation(tDCS)을 적용해 우울, 운동 파라미터, 수면 및 일상 활동 변화를 관찰합니다. 초기 질환 단계에서는 MRI 기반 미주신경 단면적 변화를 영상 바이오마커로 평가하며, 파킨슨병 코호트 구축을 통해 질환관리 기술개발을 위한 데이터 축적을 병행합니다.

Parkinson's disease낙상 위험 예측posturographygait analysistremor quantification
대표 연구 분야
연구 영역 전체보기
웨어러블·포스플랫폼 기반 자세/보행 정량화와 낙상 위험 예측 연구 thumbnail
웨어러블·포스플랫폼 기반 자세/보행 정량화와 낙상 위험 예측 연구
Sensor- and force-plate based quantitative assessment of posture and gait for fall risk prediction
연구 분야 상세보기
파킨슨병에서 tDCS 기반 우울·운동 및 수면/일상 활동 개선 연구 thumbnail
파킨슨병에서 tDCS 기반 우울·운동 및 수면/일상 활동 개선 연구
tDCS-based improvement of depression, motor function, and sleep/daily activity in Parkinson’s diseas
연구 분야 상세보기
초기 파킨슨병에서 미주신경 영상 바이오마커 규명 연구 thumbnail
초기 파킨슨병에서 미주신경 영상 바이오마커 규명 연구
Identification of early Parkinson’s disease imaging biomarkers using vagus nerve metrics
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 1
·
2025
Improvement of depression and motor parameters after application of transcranial direct current stimulation in Parkinson’s disease
Do‐Young Kwon, Juhyun Song, Ho-Kyoung Yoon
IF 4.3 (2025)
Parkinsonism & Related Disorders
https://doi.org/10.1016/j.parkreldis.2025.107596
Transcranial direct-current stimulation
Parkinson's disease
Depression (economics)
Physical medicine and rehabilitation
Neuroscience
Medicine
Stimulation
Current (fluid)
Psychology
Disease
2
Editorial
|
인용수 1
·
2024
Predicting the Future Fall Risk Using Challenging Tasks: Importance of Sensor-Based Quantitative Measurements of Gait in Parkinson’s Disease
Do‐Young Kwon
IF 3.1 (2024)
Journal of Clinical Neurology
정상 보행은 말초의 기능과 근골격계 및 심리적 신체 시스템의 적절한 작동뿐 아니라, 뇌의 신경망 기능에 의존한다. 보행 기능은 임상 환경에서 건강 상태를 평가하는 데 결정적인 요인으로 활용될 수 있다. 파킨슨병(Parkinson's disease, PD)은 중추신경계에 영향을 미치는 진행성 신경퇴행성 질환이며, 보행 장애는 그 특징적 증상 중 하나이다. 낙상은 주로 PD의 진행된 단계에서 발생하지만, 초기 단계에서도 나타날 수 있다. 초기 단계의 PD에서 낙상을 예측하는 방법에 대한 광범위한 연구가 진행되고 있는데, 이는 낙상의 발생이 삶의 질, 사회경제적 부담 및 사망률에 상당한 영향을 미치기 때문이다. 그러나 질병 특이적 요인과 일반적 요인이 복합적으로 얽혀 있기 때문에 낙상 위험 평가는 어렵다. 또한 PD에서 낙상과 보행동결(freezing of gait)은 심리적 요인의 영향을 받아 이러한 사건들이 일시적(episodic)이며 매우 다양하게 나타날 수 있다. 과거 낙상 위험 예측을 위한 연구는 단순 보행 분석을 넘어, 보행 중 여러 과제를 활용하여 민감도를 높이고 더 나은 산출을 얻고자 하는 전략을 사용해 왔다. 그러나 이러한 복잡한 과제를 사용할 때의 결과는 보행 그 자체 이외의 요인들에 의해 영향을 받기 때문에 정확하게 해석하기가 어렵고, 이는 이러한 접근의 효과를 제한한다. 실제로, 최근 PD에서 낙상 점수와 시각 환각(visual hallucinations) 간의 직접적인 연관성을 규명한 연구는 낙상 예측에서 다양한 요인들이 복잡하게 상호작용함을 강조하였다. 3. 기술 기반 객관적 측정치(technology-based objective measurements, TOMs)는 신체 움직임의 미세한 변화를 시각화하고 정량화하며 시간적으로 기록하기 위해 최근 도입되었다. TOMs는 특히 운동장애를 포함하는 운동계 질환(movement disorders) 분야에서, 보행 분석을 비롯한 신경과 영역에서 점점 더 많이 활용되고 있다. 이러한 기술은 보행 분석을 보다 객관적이고 정밀하게 만들어, 시간적 분석과 진단 과정의 광범위한 도입을 가능하게 했다. 이 접근은 기저 임상 변수의 분석을 촉진하며, 결과적으로 이를 다양한 위험 예측 응용에 활용할 수 있게 한다. 이러한 맥락에서, 현재 이슈에 게재된 Kwon 등(4)의 연구는 정량적 분석을 통해 얻은 기저 보행 파라미터와 약물 비복용자(drug-nave) 초기 PD 환자에서의 낙상 간의 관련성을 입증했으며, 낙상을 예측하는 데 핵심이 되는 보행 파라미터도 확인하였다. 해당 연구의 주요 강점은 일상적인 보행 평가에서는 흔히 수행되지 않는 역보행(backward walking) 동안의 보행 패턴을 분석한 점으로, 이는 미세한 이상을 드러내는 데 도움이 될 수 있고 보다 민감한 위험 예측을 가능하게 할 수 있다. 76명의 참가자 중 21.1%는 1년 추적관찰 시 낙상자(fallers)로 분류되었다. 결과는 낙상자에서 전방 및 역보행 모두에서 더 느린 보행과 더 짧은 보폭이 나타났으며, 역보행에서만 보폭 시간(stride-time) 변동성이 증가했음을 보여주었다. 다변량 로지스틱 회귀분석(multivariable logistic regression)은 느린 역보행(slow backward gait)을 초기 단계 PD 환자에서의 낙상에 대한 독립적 위험 요인으로 확인하였다. 이 연구는 보행의 손상이
https://doi.org/10.3988/jcn.2024.0051
Gait
Physical medicine and rehabilitation
Parkinson's disease
Disease
Computer science
Medicine
Internal medicine
3
Article
|
·
인용수 0
·
2024
Changes of vagus nerve cross-sectional area as a disease-specific imaging biomarker in early Parkinson’s disease patients
Jin‐Hyoung Kang, Hamin Lee, Hyeo‐Il Ma, Do‐Young Kwon
IF 3.4 (2024)
Parkinsonism & Related Disorders
http://dx.doi.org/10.1016/j.parkreldis.2024.106715
Biomarker
Medicine
Vagus nerve
Disease
Parkinson's disease
Imaging biomarker
Radiology
Pathology
Internal medicine
Magnetic resonance imaging
최신 정부 과제
5
과제 전체보기
1
2024년 4월-2026년 12월
|2,700,000,000원
파킨슨병 코호트 구축을 통한 질환관리기술개발 연구(2차)
▷ 국내 다기관 임상네트워크 중심의 파킨슨병 코호트 구축▷ 한국형 코호트 기반 파킨슨병 특성을 활용 질환관리기술개발 연구 근거 마련▷ (파킨슨병 질환관리기술 검증연구) 파킨슨병 코호트를 활용한 기초 및 응용연구
파킨슨병
코호트
인체자원
파킨슨병 치매
파킨슨병 보행장애
2
협동|
2023년 4월-2027년 12월
|60,000,000원
한국인 파킨슨질환 레지스트리 구축을 통한 질환 관리 기술개발 연구
본 과제는 국내 다기관 참여 파킨슨 질환 공통표준 레지스트리를 구축해, 환자 생애 전 주기에 맞춘 맞춤형 관리 가이드라인을 제시하는 연구임. 연구 목표는 국내 파킨슨병 진단 가이드라인 개발, 약물 복용 관리 시스템 개발, 내외과적 공존 질병 치료 가이드라인 개발, 증상별 개인 맞춤형 치료 방안 도출, 운동 상태 및 치료 효과 정량 평가도구 개발, 후기 파킨슨병 비대면 관리 시스템 개발, 파킨슨질환 뇌병변장애 진단 가이드라인 개발임. 20개 이상 2,3차 의료기관 후향적/전향적 혼합 코호트와 공통데이터모델(CDM), CDW(Clinical Data Warehouse) 기반 통합연구플랫폼을 통해 진료 가이드라인 제시 및 임상 연구 기반 확충 기대됨. 진단·관리 효율화로 국가사회적 비용 경감, 비대면 관리로 중증 환자·보호자 부담 완화 기대됨.
파킨슨병
코호트
진단
치료
장애
3
주관|
2020년 6월-2023년 2월
|137,500,000원
머신러닝 기술 접목을 통한 파킨슨병 위험도 산출 기술 개발 및 비침습적 자극을 통한 증상 개선 연구
(1) 평정자간 신뢰도 문제를 해결할 수 있는 객관적이고 정확한 파킨슨병 위험도 산출 및 증상평가 알고리즘 (가칭:UPDRS-X) 개발. (2) 파킨슨병과 유사 증상을 나타내는 파킨슨병증, 약물 등으로 인한 가성 파킨슨 증후군의 감별진단을 위한 감별진단 도구 개발. -DeepLapCut알고리즘을 이용해 기존 UPDRS-III에서 측정하던 증상을 자동적으로 정량화함. -OpenFace알고리즘을 이용해 67개 특징점을 추적하여 파킨슨병의 특징적 증상인 '가면 표정'을 정량화함. -머신비전 기술과 센서를 활용하여 걸음걸이와 떨림 증상을 정량화 함. -T1영상으로부터 피질하 구조물의 형태적 변화를 정량적으로 추정할 수 있는 알고리즘을 개발함. -상기 정량 지표들을 통합함으로써 위험도 예측 및 감별진단 시스템을 개발하고 실제 임상에서 그 민감도와 특이도를 검증함. (3)비침습적 뇌자극을 통한 파킨슨병의 운동 증상 개선 기술 개발 -우울 증상 감소를 위해 흔히 사용하는 DLPFC자극 프로토콜 외에, 파킨슨병의 운동증상과 관련된 기저핵 및 전운동영역을 자극할 수 있는 자극 프로토콜 개발. -2개의 커다란 스폰지 전극을 이용해 자극을 가하던 기존 방식에서, 고해상도 HD-tES로 이행하면서 자극을 가하는 위치의 중요성이 강조되고 있음. 본 연구에서는 1)선행연구 결과 및 2)파일럿 실험 수행을 통해 파킨슨병 운동 증상 개선을 위한 최적 자극 위치를 산출함. -파킨슨병의 운동증상에 초점을 맞춘 비침습적 뇌 자극 프로토콜을 실제 임상군을 대상으로 이중맹검시험을 통해 검증함.
파킨슨병
비침습적 뇌자극
정밀의료
자세분석
표정분석
머신러닝
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
등록2020낙상 위험 평가 체중계 및 낙상 위험 평가 방법1020200125113
거절2020운동 기능 평가 장치 및 방법1020200069358
등록2019진전 감소를 위한 웨어러블 시스템 및 그 방법1020190073112
전체 특허

낙상 위험 평가 체중계 및 낙상 위험 평가 방법

상태
등록
출원연도
2020
출원번호
1020200125113

운동 기능 평가 장치 및 방법

상태
거절
출원연도
2020
출원번호
1020200069358

진전 감소를 위한 웨어러블 시스템 및 그 방법

상태
등록
출원연도
2019
출원번호
1020190073112