파킨슨병은 신경계의 퇴행성 질환으로, 조기 진단과 중증도 평가가 환자의 예후와 삶의 질에 큰 영향을 미칩니다. 본 연구실에서는 딥러닝 및 기계학습 기반의 분석 기법을 활용하여 파킨슨병 환자의 임상 데이터, 보행 분석, 음성 및 영상 데이터를 통합적으로 분석하고 있습니다. 이를 통해 질병의 조기 진단과 중증도 분류, 그리고 예후 예측의 정확도를 높이고자 합니다. 특히, 시간-연속 영상 데이터와 보행 테스트(예: 6분 보행 검사, 360도 회전 분석 등)를 활용하여 파킨슨병 환자의 운동 기능 저하와 '동결 보행' 현상을 정량적으로 평가하는 연구를 진행하고 있습니다. 컨볼루션 신경망(CNN) 등 최신 딥러닝 모델을 적용하여, 환자의 미세한 운동 변화까지 감지할 수 있는 시스템을 개발하고 있습니다. 이러한 기술은 임상 현장에서의 신속한 진단과 맞춤형 치료 전략 수립에 기여할 수 있습니다. 더불어, 기계학습 기반의 조기 진단 시스템은 기존의 임상 평가 도구와 결합하여, 의료진의 진단 정확도를 높이고 환자 개개인에 맞는 치료 계획을 수립하는 데 중요한 역할을 할 것으로 기대됩니다. 향후에는 웨어러블 기기와 모바일 헬스케어 플랫폼과의 연계를 통해, 환자 모니터링 및 원격 진료에도 적용할 수 있는 기술로 확장할 계획입니다.

파킨슨병은 운동 증상뿐만 아니라 수면장애, 인지기능 저하, 우울, 자율신경계 이상 등 다양한 비운동 증상을 동반합니다. 본 연구실은 파킨슨병 환자의 비운동 증상 평가 및 관리에 중점을 두고, 다학제적 접근을 통한 통합적 중재 프로그램을 개발하고 있습니다. 이를 위해 국내외 다기관 협력 연구와 대규모 코호트 데이터를 활용하여, 비운동 증상의 유병률, 임상 양상, 삶의 질에 미치는 영향을 체계적으로 분석하고 있습니다. 특히, 수면장애, 충동조절장애, 인지장애, 자율신경계 이상 등 각 비운동 증상에 특화된 한국어 평가 도구의 개발 및 신뢰도·타당도 검증 연구를 수행하였으며, 이를 바탕으로 맞춤형 심리중재, 운동치료, 교육 프로그램을 설계하고 있습니다. 또한, 환자와 보호자를 대상으로 한 질병 교육 및 심리적 지원 프로그램의 효과를 검증하여, 환자와 가족의 부양 부담을 경감시키고 삶의 질을 향상시키는 데 기여하고 있습니다. 이러한 연구는 파킨슨병 환자의 전인적 건강관리와 사회적 지원 체계 구축에 중요한 근거를 제공하며, 향후 비운동 증상에 대한 조기 개입 및 예방 전략 수립, 그리고 환자 맞춤형 치료법 개발로 이어질 것으로 기대됩니다.