sim4Life.web V9.2의 모델링 인텔리전스
예시 사례 연구: 척수 자극을 위한 최적화된 펄스 파형 설계
요약
Sim4Life.web V9.2는 사용자가 여러 경쟁 목표에 대해 솔루션을 신속하게 시뮬레이션, 시각화 및 평가할 수 있는 대리 모델 기반 최적화 도구 모음인 모델링 인텔리전스를 도입했습니다. 이 척수 자극(SCS) 사례 연구는 Sim4Life의 모델링 인텔리전스 툴이 매개변수화된 생물의학 워크플로 전반에서 설계 결정을 가속화하는 방법을 보여줍니다. 유니티는 EPFL의 .NeuroRestore 및 IT'IS 재단과 협력하여 환자별 척추 모델, 검증된 전자기(EM)-신경 시뮬레이션, 새로운 다중 목표 유전자 알고리즘(MOGA) 하이퍼툴(모델링 인텔리전스 제품군의 일부)을 결합했습니다. Sim4Life는 고충실도 모델(SuMo)의 대리자를 학습하고 전체 파레토 전선을 탐색하여 목표 광섬유 모집을 유지하면서 예측 전력 소비를 최대 5배까지 줄이는 펄스 모양을 식별했으며, 임의의 객관적 가중치를 미리 선택하지 않고도 이를 달성할 수 있었습니다. 클라우드 네이티브 스케일링, 신속한 신경 모집 예측을 위한 일반화된 활성화 함수(GAF)[1,2], 대화형 트레이드오프 시각화는 몇 주에 걸친 시행착오를 몇 분으로 단축합니다.
이것이 중요한 이유
만성 이식 자극기의 경우 밀리암페어 단위가 중요합니다. 전류가 높을수록 조직 전하 축적이 증가하고(안전 문제)[3], 배터리가 소모되며, 기기 수명이 단축되고, 조기에 수술로 교체해야 할 수도 있습니다. 기술적 과제는 에너지 소비를 최소화하면서 치료 효과를 극대화하는 것인데, 이는 전형적인 다중 목표 문제입니다. 아래 예는 SCS 펄스 파형 설계에 초점을 맞추고 있지만 워크플로는 파라미터화 가능한 모든 Sim4Life 파이프라인에 광범위하게 적용됩니다.
협업 및 컨텍스트
이 연구는 척추 신경 재활 분야의 획기적인 발전에 기여한 EPFL의 .NeuroRestore, IT'IS 재단, ZMT Zurich MedTech AG 간의 오랜 파트너십을 기반으로 합니다[4,5]. Sim4Life의 검증된 프레임워크는 메커니즘 설명, 임플란트 설계 및 치료 개인화의 중심이 되어 몇 주에 걸친 수동 튜닝에서 몇 분 만에 데이터 기반 자극 계획으로 전환할 수 있도록 지원합니다.
Sim4Life.web V9.2의 모델링 인텔리전스는 고충실도 EM 신경생리학 시뮬레이션과 고충실도 서로게이트를 결합하여 대규모 설계 공간을 빠르고 투명하게 탐색할 수 있습니다:
- MOGA HyperTool(신규): 전략적으로 샘플링된 고정밀 시뮬레이션에서 수모를 학습한 다음 몇 분 안에 수천 개의 후보를 탐색하는 MOGA입니다;
- 대화형 파레토 전선: 달성 가능한 트레이드오프(예: 효율성 대 에너지)의 전체 환경을 확인하고,미리 고정된 가중치 없이 탐색 후 최적의 타협점을 선택할 수 있습니다;
- GAF 기반 채용 견적: GAF는 신경 활성화 임계값을 초고속으로 예측하여 생물물리학적 해석 가능성을 유지하면서 검색을 가속화합니다[1,2];
- 클라우드 네이티브 규모: 모든 디바이스에서 고성능 컴퓨팅 규모로 전체 파이프라인을 실행하고, Sim4Life.web V9.2가 자동으로 리소스를 병렬화하여 관리합니다.

sCS 펄스 파형 설계를 위한 파이프라인 개요
1. 개인화된 해부학 및 신경 기능화
Sim4Life는 척추근 조영에 최적화된 자기공명영상(MRI) 시퀀스에서 인공지능(AI) 지원 세분화와 전문가 품질 보증을 사용하여 환자별 척추 모델을 생성했습니다. 약 1,000개의 축삭 궤적(생리적 분포에서 샘플링한 유형 및 직경)을 사용하여 등근을 신경 기능화하여 현실적인 채용 예측을 가능하게 했습니다[6].
2. 충실도 높은 노출 및 빠른 모집 예측
다중 접촉 전극의 전자기장을 계산하여 축삭에 매핑했습니다. 관련 주파수 영역에서 중첩을 통해 전극 구성 전반에 걸쳐 미리 계산된 필드를 빠르게 재조합할 수 있습니다. GAF는 축삭 전체에 걸쳐 임계값 미만 분극 및 활성화 임계값을 빠르고 정확하게 추정했습니다[1,2].
3. 대규모의 대리 지원 탐색
MOGA 하이퍼툴은 여러 축삭과 전극 조합에 걸쳐 파라미터화된 펄스 모양(시간 비닝 진폭 시퀀스)의 실험 설계 샘플링을 수행하고, SuMo를 학습시킨 다음, 매번 전체 시뮬레이션을 다시 실행하지 않고 파레토 표면에서 수천 개의 펄스 후보를 탐색했습니다.
4. 다중 목표 최적화
목표에는 타겟 파이버의 모집을 극대화하고 에너지/전력을 최소화하는 것과 함께 전하 중립성을 안전 제약 조건으로 적용하는 것이 포함되었습니다. 의사 결정자는 객관적 가중치를 미리 고정하는 대신 파레토 프론트와 상호 작용하여 각 임상 또는 장치 시나리오에 가장 적합한 타협점을 선택합니다.

결과
파레토 분석을 통해 생물물리학적으로 그럴듯하지만 표준 2상 사각형과는 다른 펄스 모양을 발견했습니다. 파악된 솔루션은 목표 모집을 유지하면서 예상 전력 소비를 최대 5배까지 줄였습니다. 대표적인 기능은 다음과 같습니다:
- 멤브레인 시간 상수를 준수하도록 형성된 비대칭 음극/양극 세그먼트[3];
- 누설 손실을 제한하기 위해 전류 소비 지연;
- 최소한의 에너지 발자국으로 전하 균형을 위한 장기간의 저진폭 복구 단계.


SCS를 뛰어넘어 매력적인 이유
- 트레이드오프에 대한 완전한 투명성: 숨겨진 페널티나 임의의 가중치 없이 전면을 모두 살펴보세요;
- 충실도 높은 속도: 신뢰할 수 있는 물리학을 사용하여 SuMo를 훈련한 다음 설계 공간을 훨씬 빠르게 스캔합니다;
- 개인화 지원: 피사체별 해부학 및 신경 기능화에 대한 엔드투엔드 작업;
- 운영 효율성: 클라우드 네이티브 확장은 더 큰 탐색, 더 짧은 주기, 더 적은 수동 반복을 의미합니다.
심박조율기 캡처 대 배터리 수명, 심부 뇌 자극 온타겟 효능 대 오프타겟 효과, MRI 고주파 코일 균질성 대 안전 제약, 무선 임플란트 전력 전송 대 발열 한계 등 다양한분야에서 일반화할 수 있습니다.
시작하기
- 실제로 확인해 보세요: 짧은 데모 동영상(파레토 탐색 + 펄스 파형 진화);
- 전문가와 상담하기: Sim4Life.web V9.2에서 파이프라인을 실행하는 방법을 알아보세요;
- 자세히 보기: 요청 시 검증 보고서 및 일부 출판물 제공.
개인 맞춤형 건강 및 관련 기술(PHRT) 이니셔티브와 EPFL NeuroRestore, IT'IS 재단, ZMT Zurich MedTech AG의 전략적 협력으로 지원되었습니다.
동영상 데모
참고 문헌
[1] T. H. Newton, J. G, Ordonez, E. Neufeld 및 N. Kuster, "새로운 그린의 기능 기반 일반화 활성화 기능을 사용하여 척수 자극 최적화", 신경조절, 26, vol. 4, p. S44, 2023.
[2] J. G. 오르도네즈, T. H. 뉴턴, A. 알라쉬카르, A. 로월드, E. 노이펠드, N. 커스터, "척수 자극에서 신속하고 정확한 신경 반응 예측을 위한 일반화된 활성화 기능", 준비 중, 준비 중
[3] J. P. Reilly, 및 A. M. Diamant, "전기 자극: 이론, 응용 및 계산 모델", Artech House, 2011.
[4] F. B. Wagner 외, "표적 신경 기술로 척수 손상 환자의 보행 회복", Nature, 563권, 7729호, 65-71쪽, 2018.
[5] A. Rowald 외, "활동 의존적 척수 신경조절은 완전한 마비 후 몸통과 다리 운동 기능을 빠르게 회복시킵니다." Nat Med, 28권 2호, 260-271쪽. 2022.
[6] E. Neufeld 외, "EM 유도 신경 역학 및 기능화된 해부학 모델의 결합 모델링을 위한 시뮬레이션 플랫폼," Neural Engineering (NER), 2015 제7차 국제 IEEE/EMBS 컨퍼런스. IEEE, 2015.
지원팀에 요청 시 관련 검증 보고서 제공
- P-EM-FDTD 모듈 검증
- P-EM-QS 모듈 검증
- T-NEURO 모듈 검증