WO2019231238A1 - 통증의 강도를 측정하는 방법 - Google Patents

통증의 강도를 측정하는 방법 Download PDF

Info

Publication number
WO2019231238A1
WO2019231238A1 PCT/KR2019/006449 KR2019006449W WO2019231238A1 WO 2019231238 A1 WO2019231238 A1 WO 2019231238A1 KR 2019006449 W KR2019006449 W KR 2019006449W WO 2019231238 A1 WO2019231238 A1 WO 2019231238A1
Authority
WO
WIPO (PCT)
Prior art keywords
pain
indicator
availability
brain
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2019/006449
Other languages
English (en)
French (fr)
Inventor
김상정
정지훈
김채영
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SNU R&DB Foundation
Original Assignee
Seoul National University R&DB Foundation
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Seoul National University R&DB Foundation filed Critical Seoul National University R&DB Foundation
Priority to CN201980041354.1A priority Critical patent/CN112384128B/zh
Priority to US17/056,462 priority patent/US20210210167A1/en
Priority to EP19812464.6A priority patent/EP3804610A4/en
Priority to JP2020566645A priority patent/JP7237094B2/ja
Publication of WO2019231238A1 publication Critical patent/WO2019231238A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4824—Touch or pain perception evaluation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/94—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving narcotics or drugs or pharmaceuticals, neurotransmitters or associated receptors
    • G01N33/9406—Neurotransmitters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K51/00—Preparations containing radioactive substances for use in therapy or testing in vivo
    • A61K51/02—Preparations containing radioactive substances for use in therapy or testing in vivo characterised by the carrier, i.e. characterised by the agent or material covalently linked or complexing the radioactive nucleus
    • A61K51/04—Organic compounds
    • A61K51/041—Heterocyclic compounds
    • A61K51/044—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine, rifamycins
    • A61K51/0455—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine, rifamycins having six-membered rings with one nitrogen as the only ring hetero atom
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
    • G01N33/60—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances involving radioactive labelled substances
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6872—Intracellular protein regulatory factors and their receptors, e.g. including ion channels
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G16B5/20—Probabilistic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/28—Neurological disorders
    • G01N2800/2842—Pain, e.g. neuropathic pain, psychogenic pain

Definitions

  • the present invention relates to a method for objectively measuring the intensity of pain, and more particularly, to providing a pain template to provide a method for objectively measuring the intensity of pain.
  • Pathological pain unlike natural physiological pain, does not benefit survival and is mainly caused by abnormalities of the nervous system.
  • Neuropathic pain is a representative pathological pain, and individuals with neuropathic pain generally feel pain by recognizing harmless external sensory stimuli as harmful.
  • research on neuropathic pain has been actively conducted in the last few decades, no standard method for objectively assessing the intensity of pain is currently established. Since the symptoms and the intensity of pain after chronic injury vary from subject to individual, it is difficult to develop standard assessment methods for objectively evaluating them. The degree of pain amplification varies from subject to individual, and objective diagnostic techniques have not been established. Currently, the patient's subjective statements are inevitable in measuring the pain level of the patient.
  • Prior art aimed at diagnosing neuropathic pain has primarily relied on sel f-reports of patients and several physical examination techniques.
  • Conventional tools used to screen for neuropathic pain include Michigan Neuropathy Screening Instrument, Neuropathic Pain Scale, Leeds Assessment of Neuropathic Symptoms and Signs, Neuropathic Pain Quest ionnai re, Neuropathic Pain symptom Inventory, "Douleur Neuropathique en 4 quest ions", pain DETECT, Pain Qualitative Assessment Scale, Short-Form McGill Pain Quest ionnaire.
  • the present inventors have attempted to provide a pain template using an expression pattern of an indicator material and a method for objectively measuring the intensity of pain using the pain template.
  • One embodiment of the present invention is to provide a method for objectively measuring the degree of pain through the brain image, without relying on verbal communication or behavioral response.
  • Another example of the present invention relates to a method of making a pain template using an indicator material expression pattern according to the intensity of pain, and measuring a pain intensity of a subject using the pain template.
  • the present invention generates a pain template by analyzing a correlation between pain indicator and pain intensity in the brain of the reference subject, and applies the indicator expression pattern measured in the test subject to the pain template to test subject pain. It provides a method of measuring the strength of the. More specifically, the present invention provides for the availability of indicators measured at each pain intensity in at least two brain regions of a reference subject, each brain. Generating a pain template indicating a correlation between regions and pain intensity step by step; And
  • the level of pain intensity with the highest similarity is selected by applying the availability of the indicator substance measured in the at least two brain regions of the test subject to the pain template, and analyzing the indicator substance availability and similarity step by step for each pain intensity. Thereby determining a pain intensity with the test subject.
  • the at least two brain regions, in which the solubility of the indicator substance changes due to pain (1) the rostral tail nucleus-shell amen of the striatum, left, (2) ) Caudal tail-shell amen of the striatum, left, (3) Insular cortex, left, (4) Secondary somatosensory cortex (Secondary) somatosensory cortex, left), (5) Hippocampus, right; rostral, (6) Hippocampus, right; caudal, (7) Primary somatosensory cortex, left; trunk region, (8) primary somatosensory cortex, right; trunk region, (9) primary somatosensory cortex, right; hindlimb region) (10) Secondary somatosensory cortex (right), (11) Right hypothalamus Behind the nucleus of (Hypothalamus, right; posterior nucleus), and (12) it may be at least 2 kinds selected from the group consisting of the anterior cortex central target (Anterior midcingulate cortex).
  • the pain template comprises the steps of standardizing the availability of at least two indicators of each brain region divided by the average value of the availability of indicators of each brain region; And subdividing the standardized value into at least 200 pain intensity stages through regression analysis, wherein the mean value of each region is an average value of the indicator substance availability of each brain region obtained from the control group without pain. .
  • Coefficient analysis Euclidean distance analysis, Mahalanobis distance analysis, support vector analysis, cosine May be performed by one or more analytical methods selected from the group consisting of Cosine Distance analysis, Manhattan Distance analysis, Jaccard Coefficient analysis, and Extended Jaccard Coefficient analysis. However, it is not limited thereto.
  • the Pearson correlation coefficient analysis may be performed by the following Equation 2, and the similarity may be evaluated such that an r value calculated by the following Equation 2 is close to one.
  • n Number of brain regions
  • the present invention analyzes the correlation between pain indicator and pain intensity in the brain of a reference subject to generate a pain template, and applies the solubility pattern or expression pattern of the indicator indicated immediately in the test subject to the pain template for testing.
  • a method of measuring the intensity of an individual's pain is provided. Accordingly, the present invention analyzes the availability or expression pattern of the pain indicator in the brain of the reference subject to generate the pain template, and measures the availability or expression pattern of the indicator in the test subject and applies it to the pain template.
  • the term "availability" of the indicator refers to the amount of the indicator in a state capable of binding to the binding agent, and may include the expression amount or functional activity of the indicator in vivo.
  • the solubility of the indicator can be measured to the extent of expression of the indicator.
  • the solubility of the indicator can be measured by the activity of the indicator.
  • the indicator according to the intensity of pain is a substance present in specific brain regions involved in pain information processing, solubility or expression of the indicator
  • the degree may be a material having a specific pattern according to the intensity of pain felt by the subject.
  • Examples of such indicator substances include metabolic glutamate receptor 5 (mGluR5).
  • One example of the present invention is a method that can objectively measure the intensity of pain using the soluble or expression pattern of metabolic glutamate receptors present in the brain.
  • the degree of availability or expression of metabolic glutamate receptors present in specific brain regions involved in pain information processing exhibits a specific pattern depending on the intensity of pain felt by the subject.
  • the indicator material may be a material that shows a change such as increase or decrease in the brain of the individual.
  • the indicator may be, for example, metabolic glutamate receptor 5 (mGluR5), but is not limited thereto.
  • Metabolic glutamate receptor 5 mGluR5
  • mGluR5 is a type of G-protein associated receptor that is highly expressed in the hippocampus and cerebral cortex. It is known to regulate neuroplasticity mainly in the synaptic thick film of nerve cells, and mGluR5 is directly related to neurological diseases such as fragile X syndrome and neuropathic pain.
  • Disorders associated with mGluR5 include pain and drug dependence, degenerative neurological disorders such as amyotrophic lateral sclerosis and multiple sclerosis, Alzheimer's disease, dementia, Parkinson's disease, hunting disorders chorea, schizophrenia and mental disorders such as anxiety and depression.
  • PET Positron Emission Tomography
  • SPECT Single Photon Emission Computed Tomography
  • PET positron emission tomography
  • the technique measures how much the substance is in a certain area of the body.
  • a method of measuring the solubility or expression pattern thereof may be PET, SPECT, or the like.
  • the labeling agent may be bound to ABP688.
  • the tracer is to specifically bind to the indicator material to measure the amount of the indicator material, for example, radioactive It may be an radio tracer.
  • it may be [11C] ABP688, which is a chemical that specifically binds to mGluR5 and is capable of measuring mGluR5 availability by tagging a radioisotope [11C], but is not limited thereto.
  • ABP688 is a chemical that selectively binds to metabotropic glutamate receptor 5 (mGluR5),
  • ABP688 is a substance tagged with ABP688 with a radioisotope [11C].
  • MGluR5 levels can be determined by scanning with Positron Emission Tomography (PET) using [11C] ABP688 as a radioisotope tracer. Specifically, by injecting a radioisotope tracer that specifically binds to metabolic glutamate receptor 5 to the subject, and then measuring the metabolic glutamate receptor 5 in the brain using PET, and analyzing the expression patterns of individual subjects, the presence or absence of pain And pain can be accurately and objectively measured.
  • PET Positron Emission Tomography
  • the brain region in which the solubility of the indicator is changed by pain means a region in the brain in which the solubility of the indicator is increased or decreased as the pain is applied to the individual.
  • the brain region in which the solubility of the indicator is changed by pain may be a brain region in which the solubility of the indicator is changed by neuropathic pain caused by the right hind paw.
  • the brain region in which the solubility of the indicator substance changes due to the pain in the case of causing neuropathic pain in the right hind foot, the brain region in which the solubility of the indicator substance changes due to the pain,
  • Insular cortex, left (abbreviation: Ins_left),
  • H i ppo_c auda 1 _r i ght Pr imary somatosensory cortex, left; trunk region (abbreviation: Sl_trunk_left),
  • Pr imary somatosensory cortex (right; trunk region) (abbreviation: Sl_trunk_right)
  • Anterior midcingulate cortex (abbreviation: aMCC)
  • the brain region in which the solubility of the indicator substance changes due to pain is at least three, at least four, at least five, at least six, at least seven, and at least eight selected from the group consisting of (1) to (12). Or more, 9 or more, 10 or more, 11 or more, or 12 or more.
  • the brain regions in which the availability of indicators changes due to pain may include stri atum (caudate-put amen), primary somatosensory cortex, and secondary somatosensory cortex. (secondary somatosensory cortex), and the subject cortex (Cingulate cortex), but is not limited thereto.
  • the method of measuring the intensity of pain of a test subject in accordance with the present invention comprises analyzing a correlation between pain indicator and pain intensity in the brain of a reference subject to generate a pain template.
  • the present invention provides a method of generating a pain template in which at least two or more brain regions of a reference subject show the availability of indicators measured at each and pain intensity, indicating a step-by-step correlation of each brain region and pain intensity;
  • the highest correlation of pain by applying the availability of the indicators measured in the at least two brain regions of the test subject to the pain template, and analyzing the similarity of the indicators with each step of pain intensity. Selecting a step of intensity and determining a pain intensity of the test subject.
  • the behavioral response was used to find a pattern appearing in the brain image.
  • Behavioral techniques used evasion response thresholds for von Frey f i laments, which are widely used in patient and animal models.
  • the corresponding brain image pattern may be established as a comparison criterion.
  • the brain image is compared with a brain image pattern established as a comparison criterion, so that it is possible to measure the degree of pain of the subject without a checkup such as an evasion response threshold.
  • the subject is a rodent, a mouse, a rat, a hamster, a guinea pig, a reptile, an amphibian, a mammal, a canine, a feline, a hare, a pig, a cow, a sheep, a monkey, a primate, a mammal except a human, a primate except a human It may be one or more selected from the group consisting of.
  • the reference entity refers to an individual who already knows the intensity of pain, and refers to an individual whose intensity of pain is established by a biological or statistical method and can be used as a reference.
  • the subject may measure an avoidance response threshold by a von Frey f laments method, but is not limited thereto.
  • the reference subject may be a neuropathic pain induced in the right hind paw.
  • 15 days after the surgery to surgically induce neuropathic pain by unilaterally injuring the nerve through a surgical method the subject may measure the avoidance response threshold using the bone filament.
  • Surgical methods of neuropathic pain may reduce the tactile threshold and be more sensitive to stimuli, but the extent of the threshold may vary from subject to subject despite the same surgical and experimental settings.
  • reference individuals with pain of varying intensity can be obtained.
  • it may be an individual whose intensity of pain is established through verbal communication, physical examination, behavioral measurement, etc., but is not limited thereto.
  • the pain template may include at least two or more regions of the brain region of a reference subject whose intensity of pain is objectively established. 2019/231238 1 »(: 1 ⁇ 1 ⁇ 2019/006449
  • the solubility of the indicator is measured and the template is used to represent the solubility of the indicator in the brain region at each pain stage.
  • the pain template in the present invention means that the availability of the indicator substance measured according to the intensity of pain in at least two or more brain regions of the reference individual is expressed according to the intensity of pain and each brain region.
  • the pain template measures 1 11 5 availability within a specific region of a reference subject using [11 Jesse 688], and uses it to provide specific brain specific regions of the marker at the pain stage. This may be displayed, but is not limited thereto.
  • Pain template in the present invention at least 10 or more steps, 20 or more steps,
  • 30 or more steps, 40 or more steps, 50 or more steps, 60 or more steps, 70 or more steps, 80 or more steps, 90 or more steps, 100 or more steps, 110 or more steps, 120 or more steps, 130 or more steps, 140 or more steps, 150 steps Or more, 160 or more, 170 or more, 180 or more, 190 or more, or 200 or more may be to distinguish the degree of pain. More preferably, it may be to distinguish the degree of pain of at least 100 steps or more. More preferably, it may be to distinguish the pain degree of at least 200 steps or more.
  • the pain template may be a breakdown of pain stages through regression analysis. For example, regression analysis of the availability of indicators measured according to the intensity of pain in at least two brain regions of ten reference individuals may be divided into 200 pain stages. The regression analysis may be performed using a least square method, but is not limited thereto.
  • the method of measuring the intensity of pain of a test subject according to the present invention may include determining a pain intensity of a test subject having an unknown pain intensity by using a pain template obtained from the reference subject. Specifically, the pain intensity determination of the test subject is performed by applying the availability of the indicator substance measured in the at least two brain regions of the test subject to the pain template, and analyzing the index substance availability and correlation coefficient for each pain intensity.
  • the pain intensity of the test subject can be measured by comparing the marker substance availability per brain region of the test subject with the pain template. Specifically, the solubility of the indicator material measured in at least two brain regions of the test subject is compared with each pain intensity of the pain template to determine the intensity of pain determined as the most correlated as the pain intensity of the test subject. Can be.
  • the indicator material is preferably the same as the indicator material of the reference individual used in generating the pain template.
  • determining the pain intensity of the test subject using the pain template includes (0) measuring the availability of the indicator as measured in the at least two brain regions of the test subject, and (ii) measuring the Applying the solubility to the pain template, performing a step-by-step indicator availability and similarity analysis of each pain intensity, and (iii) selecting the level of pain intensity with the highest similarity in the results of the similarity analysis, the pain intensity of the test subject. Determining to be a step of.
  • the degree of concordance was calculated by the similarity analysis between the availability of the indicators for each brain region measured in the test subjects and the availability of the indicators for each brain region in each of the pain levels 1 to 200 of the pain template.
  • the pain level of the 100 steps and the availability of the indicators for each brain region are shown to be the most consistent, it may mean that the pain intensity of the test subject is determined as 100 out of 1 to 200 steps.
  • the similarity analysis may calculate the similarity through an algorithm that calculates the similarity, for example, a method of calculating the degree of correlation using Pearson's Correlation Coefficient analysis, Spearman correlation coefficient (Spearman 1 s A method of calculating the degree of correlation using Correlation Coefficient analysis, a method of calculating the similarity using each Euclidean distance on a multidimensional coordinate plane, and the similarity using the Mahalanobis distance.
  • an algorithm that calculates the similarity for example, a method of calculating the degree of correlation using Pearson's Correlation Coefficient analysis, Spearman correlation coefficient (Spearman 1 s A method of calculating the degree of correlation using Correlation Coefficient analysis, a method of calculating the similarity using each Euclidean distance on a multidimensional coordinate plane, and the similarity using the Mahalanobis distance.
  • Calculation method how to calculate similarity using support vector, how to calculate similarity using cosine distance, how to calculate similarity using Manhattan distance, Jaccard Coefficient) to calculate the similarity, and extended Zaka Coefficient can be performed in one or more method selected from the group consisting of a method of calculating the similarity degree by using the (Extended Jaccard Coefficient), but is not limited to this. 2019/231238 1 » (: 1 ⁇ 1 ⁇ 2019/006449
  • the coincidence of the indicator substance availability and pain template for each brain region measured in the test subject can be calculated using Pearson's correlation coefficient analysis technique. More specifically, the pain level of the pain template whose value of the correlation coefficient calculated by Equation 2 below is closest to 1 may be determined as the intensity of pain of the test subject.
  • Pearson's correlation analysis is a method used to find the correlation between two variables.
  • the Pearson's correlation coefficient for () and () are divided by the degree of change of X and. Pearson's correlation coefficient may be calculated by Equation 1 below.
  • Equation 1 may be summarized as Equation 2 as follows.
  • Equation 1 and Equation 2 the variable X is standardized by dividing the availability of the indicator substance measured in II areas of interest 0? 01 of the brain of the test subject by the average value of each area.
  • Equations 1 and 2 the variable is the solubility of the indicator in any one of the pain stages of the pain template.
  • variable X is the standardized availability of the indicators measured in the II brain regions of the test subject
  • £ is the average value of the standardized values of the indicators measured in the II brain regions of the test subject.
  • the variable X is the 2019/231238 1 »(: 1 ⁇ 1 ⁇ 2019/006449
  • the data is shown as a red square in the upper figure in FIG. 53 to show an example of a variable.
  • the variable is the availability of indicators measured in II brain regions, at one stage of pain in the pain template.
  • the variable is the solubility of the markers in 11 brain regions of any one pain stage in the pain template.
  • the pain template is subdivided into pain intensities of 1 to 200, it means the availability of the indicators for the brain regions at any one of the pain intensities.
  • the pain template is generated so that the avoidance response threshold in the range of 0 to 4 ⁇ or pain intensity is subdivided into 200 steps and has a range of 0.02 ⁇ per step, then the variable V is equal to 0.02 of the pain template. Indicative values of markers in II brain regions are shown in the range of.
  • the variable is a value extracted from any one of the steps included in the pain template created from the reference entity.
  • the variable is represented by a plurality of black squares in the lower figure in FIG. 53 to show an example of the variable. .
  • the task of calculating whether the data of one test subject (variable X) has a value of one step of the pain template (how much correlation coefficient is included in the variable ⁇ ) is repeatedly calculated for each of the 200 steps. Notice the results displayed.
  • Another example of the invention relates to a pain template, which correlates the solubility of an indicator measured in at least two brain regions of a reference subject and the pain intensity induced in the reference subject.
  • the pain intensity may be distinguished by at least 10 or more, 50 or more, 100 or more, or 200 or more steps.
  • Another example of the invention the step of causing artificial pain in the reference subject; Measuring the degree of solubility of the indicator in at least two brain regions of the pain-induced reference subject; And generating a pain template indicating a correlation between the intensity of pain artificially induced in the reference subject and the degree of availability of the indicator substance for each brain region.
  • the method of generating the pain template is divided by the average degree of the availability of the indicators of each brain region obtained from the control group not induced pain, the degree of availability of the indicators for each of the at least two brain regions. 2019/231238 1 »(: 1 ⁇ 1 ⁇ 2019/006449
  • Another embodiment of the present invention includes the steps of inducing artificial pain in a reference subject and selecting brain regions and indicators that are significant for pain; Measuring the degree of solubility of the indicator in at least two selected brain regions of the pain-induced reference subject; In the control group that does not cause pain, measuring the degree of availability of the indicator in the brain region corresponding to each of the brain regions in which the degree of availability of the indicator is measured in the pain-induced reference individual; Normalizing the degree of availability of the indicator by each brain region of the reference individual by dividing the degree of solubility of the indicator by each brain region of the control group; And dividing the pain intensity into two or more stages using the standardized level of solubility, and obtaining a pain template patterning the degree of solubility of the indicator corresponding to each of the distinguished levels of pain intensity.
  • a method of generating a template is generating a template.
  • the degree of solubility of the indicator in each brain region of the control group may be an average value of the degree of solubility of the indicator in each brain region measured in at least two control groups.
  • Another example of the invention relates to a method for measuring pain intensity of a test subject, comprising comparing the availability of an indicator substance measured in at least two brain regions of the test subject with each stage of pain in the pain template.
  • Another embodiment of the present invention comprising the steps of selecting the brain region and the indicator material that causes artificial pain in the reference subject and has significance for the pain; Measuring the degree of solubility of the indicator in at least two selected brain regions of the pain-induced reference subject; In the control group that does not cause pain, measuring the solubility of the indicator in the brain region corresponding to each of the brain regions in which the degree of solubility of the indicator is measured in the pain-induced reference individual; Normalizing the degree of availability of the indicator by each brain region of the reference individual by dividing the degree of solubility of the indicator by each brain region of the control group; Dividing the pain intensity into two or more stages by using the standardized degree of solubility, and obtaining a pain template patterning the degree of availability of the indicator substance corresponding to each of the divided pain intensity
  • the degree of solubility of the indicator in each brain region of the control group may be an average value of the degree of solubility of the indicator in each brain region measured in at least two control groups.
  • the comparing step may be a comparison through similarity analysis.
  • the method of immediately identifying the pain intensity of the test subject may further comprise determining the step of pain intensity of the pain template with the highest similarity in the comparing step as the step of pain intensity of the test subject.
  • the present invention when generating a pain template as a reference for comparison, it is sufficient to measure only the expression pattern of the indicator substance in the test subject for pain diagnosis of a test subject having an unknown pain intensity. There is no need for verbal communication, physical examination, or behavioral measurements with the test subject, and no need for external stimuli to induce pain on the test subject.
  • FIG. La shows the distribution of avoidance response threshold measured using von Frey f i lament at 15 days after SNL surgery in 103 rats.
  • FIG. Lb shows the distribution of 10 evasion response thresholds selected among rats that successfully induced neuropathic pain.
  • 2A to 2D show regions showing negative correlat ions with respect to the avoidance response threshold among regions showing significance in pain in the brain region.
  • 3A to 3F show regions showing pos it ive corre at ion for the avoidance response threshold among the regions showing significance in pain in the brain region.
  • 4A shows mGluR5 values by brain region of SNL individuals.
  • 4B shows mGluR5 levels by brain region of Sham surgical group individuals.
  • 4C shows normalization of mGluR5 levels by brain region of SNL individuals divided by the mean of each region.
  • Figure 4d shows the normalization of mGluR5 levels by brain region of Sham surgery group individuals divided by the mean of each region.
  • Figure 4e shows a pain template showing the mGluR5 patterns in the brain of the pain group according to the degree of pain.
  • 5A illustrates the task of comparing mGluR5 information in the brain of SNL 1 with a pain template.
  • Figure 1 illustrates the process by which the correlation coefficient of the pattern of each experimental animal in the population is calculated for the pain template.
  • 6A shows the r-value of the pattern of mGluR5 levels and the pattern of pain template in SNL individuals.
  • FIG. 6B shows the p-value of the pattern of mGluR5 levels and the pattern of pain template in SNL individuals.
  • FIG. 6C shows that the original avoidance response threshold of the test animal was inversely estimated through the degree of high correlation coefficient.
  • 6D shows the r-value of the pattern of mGluR5 levels and the pattern of pain template of Sham individuals.
  • FIG. 6E shows the p-value of the pattern of mGluR5 levels and the pattern of pain template of Sham individuals.
  • Figure 6f is a graph showing the sensitivity (sens i t ivi ty) and specificity (speci f i c i ty) according to the r-value.
  • Example 1 Preparation of Reference Subjects by Fabrication of Pain Models
  • SNL n Spinal Nerve Ligation
  • the SNL group isolated the right L5 spinal cord nerve and tightly ligated using 5-0 silk to induce neuropathic pain.
  • the control group the L5 spinal nerve was isolated but not ligated.
  • Paw withdrawal thresholds which were performed immediately before and 1, 5, 9, and 15 days after surgery, were measured using von Frey filaments. Animals with abnormal motor neuropathy after surgery were excluded from the analysis.
  • FIG. La shows the distribution of the avoidance response threshold measured using von Frey filament at 15 days after SNL surgery in 103 rats.
  • Ten of the mice successfully inducing neuropathic pain were selected and the selected mice were marked in red in FIG.
  • Threshold response thresholds of the selected mice are shown in FIG. Lb and these mice were PET scanned.
  • FIG. Lb shows the distribution of 10 evasion response thresholds selected among rats that successfully induced neuropathic pain.
  • mGluR5 metalabotropic glutamate receptor 5
  • ABP688 a chemical that binds specifically to mGluR5 [11C]
  • ABP688, a tracer with radioactive isotope [lie] was used.
  • the Simplified reference tissue model can be used to convert signals from PET images into non-displaceable binding potential information, which indicates the availability of mGluR5 in each coordinate space.
  • the pain model was anesthetized with isofluorane and injected [11C] ABP688 (5.05-16.15 MBq / 100 g) into the tail vein.
  • Brain images were obtained using a micro-PET / CT scanner (eXplore VISTA, GE Healthcare) in list-mode for 60 minutes.
  • the mGluR5 non-displaceable binding potential (BPND) of [11C] ABP688 was calculated using a simplified if ied reference tissue model with the cerebellum as the reference region. All [11C] ABP688 BPND images were averaged to create brain mGluR5 standard images, and then all BPND images were spatially normalized to brain mGluR5 standard images.
  • the 3D pixels were resampled to 0.2 * 0.2 * 0.2 mm and smoothed with a Gaussian filter of ful 1-width at half maximum. Images were processed using the SPM8, MarsBaR tool box and the imgsrtm program from Turku PET Centre.
  • 3D pixel regression was used using data from SNL group animals.
  • clusters of 20 or more voxel clusters with a statistically significant (p-value ⁇ 0.005) correlation with the avoidance response threshold were screened.
  • sphere-shaped spheres with a radius of 0.5 mm were set to regions of interest (Region-0f-Interest, ROD), and BPNDs were extracted from each R0I using the MarsBaR toolbox.
  • ROD regions of interest
  • BPNDs were extracted from each R0I using the MarsBaR toolbox.
  • FIGS. 3a to 3f are regions showing posi tive correlat ions for the avoidance reaction threshold.
  • the mGluR5 levels in the region ROI are plotted on the x-axis and the avoidance response threshold (indicating the degree of pain in the experimental animal subject) on the y-axis.
  • MGluR5 values were extracted by defining regions of the same size at each coordinate, and are shown for each individual in FIG. 4.
  • SNL 1 to SNL 10 is the identification number of each experimental animal, SNL 1 has a high avoidance response threshold, SNL 10 has a low avoidance response threshold. That is, SNL 1 may be regarded as having the least pain because it is relatively insensitive among the 10 pain groups, and SNL 10 may be considered as the most severe pain because it is the most sensitive.
  • the y-axis represents each experimental animal of SNL 1 to SNL 10, and the x-axis represents brain regions that were statistically significantly correlated with the avoidance response threshold in the above analysis.
  • region differed in every brain region (FIG. 4A).
  • the mGluR5 values in each region of the subjects were normalized by dividing by the average value for each region and are shown in FIG. 4C.
  • the mean value for each area was calculated based on the data obtained from the pain-free control group (Sham surgery group). Normalized mGluR5 levels in each brain region were regressed for evasion response thresholds.
  • Equation [3] can represent the mGluR5 value of the region of interest.
  • Equation 5 The mGluR5 value of the region of interest was estimated by the relational expression and displayed in one column.
  • the pain steps in the range of 0 to 4 g of avoidance response threshold were divided into 200 steps through the above regression analysis, and 200 rows in each column of mGluR5 availability in each R () I obtained through the regression analysis were obtained. Marked on.
  • the rows of regressed mGluR5 templates represent the ideal mGluR5 pattern of imaginary SNL individuals with corresponding paw wi thdrawal thresholds. By doing so, it is possible to estimate the mGluR5 pattern in the brain that the hypothetical subject with the corresponding avoidance response threshold (pain level) will have (FIG. 4E).
  • mGluR5 information in the brain when mGluR5 information in the brain is given, it is possible to determine whether pain exists and the degree of pain by comparing which part of the pain template corresponds with the information. For example, the task of comparing mGluR5 information in the brain of 1) to the pain template in the experimental animal No. 1 in the pain group is shown in FIG. 5A.
  • the pattern of SNL 1 will match the pattern of the top row of the pain template well.
  • the correlation between the pattern of SNL 1 and each row of the pain template was compared.
  • SNL 1 had a avoidance response threshold of 3.86 g.
  • Pearson 's corre l at i on coef f i c i ent is calculated, and the procedure of displaying in red as the correlation coefficient is higher is shown in FIG. 5A.
  • the red square row is the mGluR5 pattern of SNL 1, and this row is compared with each row of the pain template shown at the bottom.
  • the correlation coefficient for each row is indicated in color on the bottom left.
  • Example 4-1 Through the same process as in Example 4-1, it is possible to calculate how similar the pattern of the normalized mGluR5 value of each individual is to the pattern (pain template) of the reference individual. There are several techniques for calculating this, where Similarity was calculated by Pearson's correlat ion coef icient analysis.
  • Pearson's correlation analysis is used to find the correlation between two variables. Pearson's correlation coefficient for two variables X and is divided by the degree of change of X and Y, respectively.
  • the sample correlation coefficient is calculated as follows.
  • the variable X is standardized by dividing the availability of the indicator substance measured in II regions of interest (1? 01) of the brain of the test subject by the average value for each region. More specifically, Variable X is a standardized measure of the availability of indicators in each of the II brain regions of the test subjects, divided by the mean value of the indicator availability in each region already obtained from a number of control subjects. That is, the variable is the standardized availability of the indicators measured in the II brain regions of the test subject, and ⁇ is the mean value of the standardized values of the indicators measured in the II brain regions of the test subject. In other words, the variable X is the data of the test subject, for example, shown in red square in FIG. 5 to show an example of the variable.
  • the variable V is the solubility of the indicator in any one of the pain stages of the pain template. More specifically, the variable 2019/231238 1 »(: 1 ⁇ 1 ⁇ 2019/006449
  • the variable V is the solubility of the markers for the II brain regions of any one pain stage in the pain template.
  • the pain template when the pain template is subdivided into pain intensities of 1 to 200, it means the availability of the indicators for the brain regions at any one of the pain intensities. More specifically, if the pain template is generated so that the avoidance response threshold in the range of 0 to ⁇ ie pain intensity is subdivided into 200 steps and has a range of 0.02 ⁇ per step, then the variable is defined as one of the 0.02 ⁇ of the pain template. In the range, 1: indicates the level of the indicator substance in the dog brain region. In other words, the variable is a value extracted from any one of the steps included in the pain template created from the reference entity, and is shown as a black square in FIG. 5, for example.
  • the operation of calculating how much correlation coefficient the data (variable X) of one test subject has to the value (variable) of one step of the pain template is repeatedly calculated for each of the 200 steps. You can see that the results are displayed.
  • the r values that any individual had for each of 200 rows of pain templates were shown in one column, and the avoidance response threshold was estimated within the range of 3 ⁇ 4 by taking the top 25% I ′′ value range in one column.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Immunology (AREA)
  • Hematology (AREA)
  • Biotechnology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Medicinal Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Cell Biology (AREA)
  • Optics & Photonics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Food Science & Technology (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Microbiology (AREA)
  • Epidemiology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Pharmacology & Pharmacy (AREA)
  • High Energy & Nuclear Physics (AREA)

Abstract

본 발명은 통증 강도를 측정하는 방법에 관한 것으로서，더욱 자세하게는 통증 템플릿을 제공하여 통증 강도를 측정할 수 있는 방법을 제공하는 것이다.

Description

2019/231238 1»（：1^1{2019/006449
【명세서】
【발명의 명칭】
통증의 강도를측정하는 방법
【기술분야】
본 발명은 통증의 강도를 객관적으로 측정하는 방법에 관한 것으로서, 더욱 상세하게는 통증 템플릿을 제공하여 통증의 강도를 객관적으로 측정할 수 있는 방법을 제공하는 것이다.
【배경기술】
병리적 통증은 자연스러운 생리적인 통증과는 달리 생존에 이득이 없으며， 주로 신경계의 이상으로 인해 발생한다. 신경병성 통증은 대표적인 병리적 통증으로， 신경병성 통증이 발생한 개체는 일반적으로는 무해한 외부 감각 자극을 유해한 것으로 인식하여 통증을 느낀다. 신경병성 통증에 대한 연구가 지난 수십 년 동안 활발하게 수행되었지만， 현재 통증의 강도를 객관적으로 평가하기 위한 표준 방법이 확립되어 있지 않다. 신경 손상 후 만성 통증의 증상과 통증의 강도는 개체에 따라 다르므로， 이를 객관적으로 평가하기 위한 표준 평가 방법을 개발하기가 어렵다. 통증이 증폭되는 정도는 개체마다 다른데， 객관적 진단 기법이 확립되어 있지 않아 현재로서는 환자의 통증 정도를 측정함에 있어 환자 본인의 주관적 진술에 의존할수 밖에 없다.
【발명의 상세한설명】
【기술적 과제】
신경병성 통증의 진단을 목표로 한 종래 기술은 주로 환자의 자가 보고 (sel f-report ) 및 몇 가지 이학적 검진 기법에 의존하여 왔다. 신경병성 통증을 스크리닝하기 위하여 사용되는 종래 도구로는 Michigan Neuropathy Screening Instrument , Neuropathic Pain Scale , Leeds Assessment of Neuropathic Symptoms and Signs , Neuropathic Pain Quest ionnai re , Neuropathic Pain symptom Inventory, "Douleur Neuropathique en 4 quest ions" , pain DETECT , Pain Qual i ty Assessment Scale , Short -Form McGi l l Pain Quest ionnai re 등이 존재한다. 몇 가지 차이점이 존재하긴 하지만, 위에 언급한 기법들은 모두 피시험자가 감각 자극에 대해 느끼는통증의 자가보고에 의존한다. 임상에서 대부분 사용되는， 신경병성 통증의 양적인 측정을 목표로 한 표준화된 기법은 German Research Network on Neuropathic Pain (Deutscher Forschungsverbund Neuropathischer Schmerz [DFNS] ) 에 의해 2006년에 도입된 방법이다. 피부에 감각 자극을 가하여 피시험자가 느끼는 통증의 강도를 기록하는데, 서로 다른 종류의 외부 자극을 강도를 다르게 하며 사용하여 피시험자의 통증 여부를 기록한다. 그 중에서, 기계적 자극으로는 von Frey filaments 와 등급별 pinprick자극， 압력 자극 등이 사용된다. Von Frey filaments는 서로 다른 굵기의 filament를 사용하여 자극을 가하는데, 이 때 filament의 굵기에 따라 서로 다른 bending force가 발생하여 자극의 세기가 등급별로 나뉘어지게 된다. 이는 가해지는 자극의 양을 정밀하게 조절하는 데에 적합한방법이다.
종래 방법들은 환자의 self-report에 의존하는 특성상 환자의 거짓 보고를 구분하기 어렵다. 또한， 언어적 의사소통을 하기 어려운 환자, 어린아이나， 인지 기능이 약한 대상자에게서 자극에 대한 통증 정도를 기록할 수 없다. 언어적 소통을 하지 않고 일정 등급와 외부 자극에 대한 회피 반응 등의 행동적 변화만 기록하는 방법들을 사용한다 하더라도， 의식이 없는환자나운동 기능 저하를 동반한환자에게는 적용할수 없다.
【기술적 해결방법】
이에， 본 발명자들은지표물질의 발현 패턴을 이용한통증 템플릿과， 이를 이용하여 통증의 강도를 객관적으로 측정할 수 있는 방법을 제공하고자하였다.
본 발명의 일예는 언어적 소통이나 행동 반응에 의존하지 않고， 통증 정도를 뇌영상을통하여 객관적으로측정하는 방법을 제공하는 것이다.
본 발명의 또 다른 일예는통증의 강도에 따른지표물질 발현 패턴을 이용하여 통증 템플릿을 만들고， 상기 통증 템플릿을 이용하여 대상 개체의 통증 강도를 측정하는 방법에 관한 것이다. 자세하게는, 본 발명은 기준 개체의 뇌에서 통증의 지표물질과 통증 강도와의 상관관계를 분석하여 통증 템플릿을 생성하고, 시험 개체에서 측정된 지표물질 발현패턴을 상기 통증 템플릿에 적용하여 시험 개체 통증의 강도를측정하는 방법을 제공한다. 더욱 자세하게는, 본 발명은 기준 개체의 적어도 2이상의 뇌 영역에서， 각각의 통증 강도에서 측정된 지표물질의 가용성을, 각 뇌 영역별 및 통증 강도의 단계별 상관관계를 나타내는 통증 템플릿을 생성하는단계 ; 및
시험 개체의 상기 적어도 2이상의 뇌 영역에서 측정된 상기 지표물질의 가용성을， 상기 통증 템플릿에 적용하여, 각 통증 강도의 단계별 지표물질 가용성과 유사성 분석을 통해, 유사성이 가장 높은 통증 강도의 단계를 선정하여, 상기 시험 개체와 통증 강도를 결정하는 단계를 포함하는, 통증강도를즉정하는 방법에 관한 것이다.
상기 적어도 2이상의 뇌 영역은， 통증에 의해 상기 지표물질의 가용성이 변화하는 것이며， (1) 좌측 선조체 (Striatum, left) 의 입쪽 (rostral ) 꼬리핵-조가비핵 (caudate-put amen) , (2) 좌측 선조체 (Striatum, left) 의 꼬리쪽 (caudal) 꼬리핵-조가비핵 (caudate-put amen) , (3) 좌측 섬 피질 (Insular cortex, left) , (4) 좌측 2차 체성감각피질 (Secondary somatosensory cortex, left) , (5) 우즉 입쪽 해마 (Hippocampus, right； rostral) , (6) 우측 꼬리쪽 해마 (Hippocampus, right； caudal ) , (7) 좌측 1차 체성감각피질의 체간 영역 (Primary somatosensory cortex, left; trunk region) , (8) 우즉 1차 체성감각피질의 체간 영역 (Primary somatosensory cortex, right； trunk region) , (9) 우즉 1차 체성감각피질의 뒷발 영역 (Primary somatosensory cortex, right; hindlimb region) , (10) 우즉 2차 체성감각피질 (Secondary somatosensory cortex, right) , (11) 우측 시상하부의 뒤쪽핵 (Hypothalamus, right; posterior nucleus), 및 (12) 앞쪽 중심부 대상 피질 (Anterior midcingulate cortex)로 이루어지는군에서 선택되는 2종 이상일 수 있다. 상기 통증 템플릿은 적어도 2이상의 뇌 영역별 지표물질의 가용성을 각 뇌 영역별 지표물질의 가용성의 평균값으로 나누어 표준화시키는 단계; 및 상기 표준화된 수치를 회귀분석을 통해 적어도 200단계의 통증 강도 단계로 세분화하는 단계를 통해 생성되며， 상기 각 영역별 평균값은， 통증이 없는 대조군에서 얻어진 각 뇌 영역별 지표물질 가용성의 평균값인 것이다.
상기 유사성 분석은 피어슨 상관관계 계수 (Pear son’s Correlation Coefficient) 분석, 스피어만 상관관계 계수 (Spearman’ s Correlation
Coefficient) 분석, 유클리드 거리 (Euclidean distance) 분석, 마할라노비스 거리 (Mahalanobis Distance) 분석， 서포트 벡터 분석 , 코사인 거리 (Cosine Distance) 분석, 맨하탄 거리 (Manhattan Distance) 분석, 자카드 계수(Jaccard Coefficient) 분석, 및 확장 자카드 계수(Extended Jaccard Coefficient) 분석으로 이루어지는 군에서 선택되는 1종 이상의 분석 방법으로수행되는 것일 수 있으나， 이에 제한되는 것은 아니다.
상기 피어슨 상관계수 분석은， 하기 수학식 2로 수행되며， 상기 유사성은， 하기 수학식 2로 계산되는 r값이 1에 가까운 정도로 평가되는 것일 수 있다.
[수학식 2]
Figure imgf000006_0001
X： 시험 개체의 뇌 영역에서 측정된 지표물질의 표준화된 가용성
Y： 통증 템플릿의 임의의 한통증 단계가가지는지표물질의 가용성 f： X의 표본 평균
5~ : 의 표본 평균
n： 뇌 영역의 개수 이하, 본 발명을 더욱자세히 설명하고자 한다.
본 발명은 기준 개체의 뇌에서 통증의 지표물질과 통증 강도와의 상관관계를 분석하여 통증 템클릿을 생성하고, 시험 개체에서 즉정된 지표물질의 가용성 패턴 또는 발현 패턴을 상기 통증 템플릿에 적용하여 시험 개체 통증의 강도를 측정하는 방법을 제공한다. 이에， 본 발명은 통증 템플릿 생성을 위해 기준 개체의 뇌에서 통증 지표물질의 가용성 또는 발현 패턴을 분석하고， 시험 개체에서 지표물질의 가용성 또는 발현 패턴을 측정하여 통증 템플릿에 적용하게 된다.
본 명세서에서， 용어， 지표물질의 "가용성 (availability) "이란 결합물질과 결합할 수 있는 상태에 있는 지표물질의 양을 의미하며, 생체 내 지표물질의 발현량 또는 기능적 활성도를 포괄할 수 있다. 예를 들어, 지표물질의 가용성은 지표물질의 발현 정도로 측정될 수 있다. 또는， 지표물질의 가용성은지표물질의 활성도로측정될 수 있다.
상기 통증의 강도에 따른 지표물질은， 통증 정보 처리에 관여하는 특정 뇌 영역들에 존재하는 물질로서， 상기 지표물질의 가용성 또는 발현 정도가 대상 개체가 느끼는 통증의 강도에 따라 특이적인 패턴을 보이는 물질일 수 있다. 상기 지표 물질의 예는 대사성 글루타메이트 수용체 5(mGluR5)를 들 수 있다. 본 발명의 일 예는, 뇌 내에 존재하는 대사성 글루타메이트 수용체의 가용성 또는 발현 패턴을 이용하여 통증의 강도를 객관적으로 측정할 수 있는 방법이다. 통증 정보 처리에 관여하는 특정 뇌 영역들에 존재하는 대사성 글루타메이트 수용체의 가용성 또는 발현 정도는 대상자가 느끼는 통증의 강도에 따라 특이적인 패턴을 보인다. 예를 들어， 본 발명에서 지표물질은 개체의 뇌 내에서 증가 또는 감소 등의 변화를 나타내는 물질일 수 있다. 본 발명에서 지표물질은， 예를 들어 대사성 글루타메이트수용체 5 (mGluR5)일 수 있으나， 이에 제한되는 것은 아니다. 대사성 글루타메이트 수용체 5(mGluR5)는 G-단백질 연관수용체의 한 종류로, 해마 및 대뇌피질에 많이 발현된다. 신경세포의 시냅스 후막에 주로 분포하여 신경가소성을 조절하는 것으로 알려져 있으며, mGluR5는 취약 X 증후군 (fragi le X syndrome) , 신경병성통증 등의 신경 질환과 직접적인 관련이 있다. mGluR5과 관련된 질환으로는 통증 및 약물 의존증， 근위축성 측색 경화증 및 다발성 경화증 등의 퇴행성 신경질환， 알츠하이머, 치매， 파킨슨병, 헌팅통 무도병， 정신분열증 및 불안과 같은 정신질환, 우울증등이 있다.
상기 통증의 강도에 따른 지표물질의 가용성을 측정하는 방법은 양전자방줄 단증 촬영 (Posi tron Emi ssion Tomography, PET) , 또는 단일 광자 방출 단층 촬영 (Single Photon Emi ssion Computed Tomography, SPECT) 등이 있다. 본 발명에서 양전자 방출 단층 촬영 (Posi tron Emi ssion Tomography, PET)은， 체내에 존재하는 특정 물질에 선택적으로 결합하는 물질에 방사성 동위 원소 추적자를 붙여 주입한 다음, 탐지기를 통해 측정된 방사능 신호를 이미지로 재구축함으로써， 체내 일정 영역에 해당 물질이 얼마나존재하는지 측정하는 기법이다.
본 발명의 일예에서， 통증 강도에 따른 지표물질로서 mGluR5를 사용하는 경우 이의 가용성 또는 발현 패턴을 측정하는 방법은 PET, 또는 SPECT 등을 이용할 수 있으며， 예를 들면 ABP688에 표지 물질을 결합하여 상기 결합된 표지물질을 추적함으로써 mGluR5의 가용성 또는 발현 패턴을 측정할 수 있다. 본 발명에서 추적물질은， 지표물질에 특이적으로 결합하여 지표물질의 양을 측정할 수 있도록 하는 것으로, 예를 들어 방사성 동위원소 주적자 (radio tracer)일 수 있다. 예를 들면, mGluR5에 특이적으로 결합하는 화학 물질이며 방사성 동위원소 [11C]를 태깅하여 mGluR5 가용성 (availability) 을 측정할 수 있도록 한, [11C]ABP688일 수 있으나， 이에 제한되는 것은 아니다.
ABP688은 대사성 글루타메이트 수용체 5(Metabotropic glutamate receptor 5, mGluR5) 에 선택적으로 결합하는 화학 물질이며,
[11C]ABP688는 ABP688에 방사성 동위원소 [11C]를 태깅한 물질이다.
[11C]ABP688을 방사성 동위원소 추적자로 사용하여 양전자 방출 단층 촬영 (Positron Emission Tomography, PET) 스캔 (scan)함으로써, mGluR5 수준을 측정할 수 있다. 구체적으로， 대사성 글루타메이트 수용체 5에 특이적으로 결합하는 방사성 동위원소 추적자를 대상자에게 주입한 다음, PET기법을 사용하여 뇌내 대사성 글루타메이트 수용체 5를 측정하고, 개별 대상자의 발현 패턴을 분석함으로써, 통증의 유무와 통증 정도를 객관적으로 정밀하게 측정할수 있다.
본 발명에서 통증에 의해 지표물질의 가용성이 변화하는 뇌 영역은， 개체에 통증이 가해짐에 따라 지표물질의 가용성이 증가 또는 감소하는 뇌 내의 영역을 의미한다. 예를 들어, 본 발명에서 통증에 의해 지표물질의 가용성이 변화하는 뇌 영역은， 우측 뒷발에 유발시킨 신경병성 통증에 의해 지표물질의 가용성이 변화하는 뇌 영역일 수 있다.
예를들어, 본 발명에서 우측 뒷발에 신경병성 통증을 유발한 경우에 통증에 의해 지표물질의 가용성이 변화하는 뇌 영역은，
(1) 좌즉 선조체 (Striatum, left ) 의 입쪽 (rostral) 꼬리핵- 조가비핵 (caudate-put amen) (약어 : Cpu_rostral_left) ,
(2) 좌즉 선조체 (Striatum, left) 의 꼬리쪽 (caudal ) 꼬리핵- 조가비핵 (caudate-put amen) (약어 : Cpu_caudal_left ) ,
(3) 좌즉섬 피질 (Insular cortex, left) (약어: Ins_left) ,
(4) 좌즉 2차 체성감각피질 (Secondary somatosensory cortex, left) (약어: S2_left),
(5) 우즉 입쪽 해마 (Hippocampus, right; rostral) (약어: Hippo_rostral_right) ,
(6) 우즉 꼬리쪽 해마 (Hippocampus, right; caudal ) (약어:
H i ppo_c auda 1 _r i ght ) , (7) 좌즉 1차 체성감각피질의 체간 영역 (Pr imary somatosensory cortex, left； trunk region) (약어 : Sl_trunk_left ) ,
(8) 우즉 1차 체성감각피질의 체간 영역 (Pr imary somatosensory cortex, r ight ; trunk region) (약어: Sl_trunk_r ight ) ,
(9) 우측 1차 체성감각피질의 뒷발 영역 (Pr imary somatosensory cortex, right : hindl imb region) (약어 : Sl_hindl imb_r ight ) ,
(10) 우즉 2차 체성감각피질 (Secondary somatosensory cortex, r ight ) , (약어: S2_r ight )
(11) 우즉 시상하부의 뒤쪽핵 (Hypothalamus , r ight； poster ior nucleus) (약어: Hypothal amus_r ight ) , 및
(12) 앞쪽 중심부 대상 피잘 (Anter ior midcingulate cortex) (약어: aMCC)
로 이루어지는 군에서 선택된 1종 또는 2종 이상일 수 있으나， 이에 한정되는 것은 아니다. 또는， 통증에 의해 지표물질의 가용성이 변화하는 뇌 영역은 상기 (1) 내지 (12)로 이루어지는 군에서 선택된 3종 이상， 4종 이상， 5종 이상， 6종 이상, 7종 이상， 8종 이상， 9종 이상， 10종 이상， 11종 이상, 또는 12종 이상일 수 있다. 또는， 통증에 의해 지표물질의 가용성이 변화하는 뇌 영역은 선조체의 꼬리핵-조가비핵 (str i atum; caudate-put amen) , 1차 체성감각피질 (Pr imary somatosensory cortex) , 2차 체성감각피질 (secondary somatosensory cortex) , 및 대상 피질 (Cingulate cortex) 일 수 있으나， 이에 제한되는 것은 아니다.
본 발명에 따른 시험 개체 통증의 강도를 측정하는 방법은， 기준 개체의 뇌에서 통증의 지표물질과 통증 강도와의 상관관계를 분석하여 통증 템플릿을 생성하는 단계를포함한다.
더욱 자세하게는, 본 발명은 기준 개체의 적어도 2이상의 뇌 영역에서, 각각와 통증 강도에서 측정된 지표물질의 가용성을, 각 뇌 영역별 및 통증 강도의 단계별 상관관계를 나타내는 통증 템플릿을 생성하는 단계; 및
시험 개체의 상기 적어도 2이상의 뇌 영역에서 측정된 상기 지표물질의 가용성을， 상기 통증 템플릿에 적용하여, 각 통증 강도의 단계별 지표물질 가용성과 유사성 분석을 통해， 상관도가 가장 높은 통증 강도의 단계를 선정하여， 상기 시험 개체의 통증 강도를 결정하는 단계를 포함하는, 통증강도를측정하는방법에 관한 것이다.
본 발명에서는 병리적 통증으로 인한통각과민의 정도를 객관적으로 측정하기 위하여， 먼저 행동 반응을 이용하여 뇌 영상에서 나타나는 패턴을 찾아내었다. 행동학적 기법은 von Frey f i laments에 대한 회피 반응 역치를 사용하였는데， 이는 환자 및 동물 모델에서 널리 쓰이고 있는 측정 기법이다. 회피 반응 역치에 대한 뇌 영상 패턴을 분석한후에는， 해당되는 뇌 영상 패턴을 비교 기준으로 확립시킬 수 있다. 이후로는 새로운 뇌 영상을 얻었을 때에 이 뇌 영상을 비교 기준으로 확립된 뇌 영상 패턴과 비교함으로써， 회피 반응 역치와 같은 검진을 하지 않아도， 해당 대상자의 통증정도가어느정도인지 측정할수 있게 된다.
본 발명에서 개체는 설치류, 마우스, 래트， 햄스터, 기니피그， 파충류, 양서류, 포유류, 개과, 고양이과， 토끼목, 돼지, 소， 양, 원숭이, 영장류, 인간을 제외한 포유류， 인간을 제외한 영장류， 및 인간으로 이루어지는군에서 선택된 1종 이상일 수 있다.
본 발명에서 기준 개체는， 통증의 강도를 이미 알고 있는 개체를 의미하며， 생물학적 또는 통계학적 방법 등으로 통증의 강도가 확립되어 기준으로 사용될 수 있는 개체를 말한다. 예를 들어, 본 프레이 필라멘트 (von Frey f i laments) 방법으로 회피 반응 역치를 측정한 개체일 수 있으나, 이에 한정되는 것은 아니다. 예를 들어， 본 발명에서 기준 개체는 우측 뒷발에 신경병성 통증이 유발된 것일 수 있다. 또는， 수술적인 방법을 통해 신경을 일방적으로 손상시켜 신경병성 통증을 외과적으로 유발하는 수술을 시행하고 15일이 지난 후, 본 프레이 필라멘트로 회피 반응 역치를 측정한 개체일 수 있다. 외과적 방법으로 신경병성 통증을 유발하면, 촉각 역치가 감소하게 되고， 자극에 보다 민감하게 반응하게 될 수 있으나， 역치의 감소 정도는 동일한 외과 수술 및 실험 환경을 처리했음에도 불구하고 개체마다 다르게 나타난다. 이러한 방법으로, 다양한 강도의 통증을 가지는 기준 개체를 얻을 수 있다. 또는, 언어적 의사소통， 이학적 검진, 행동학적 측정 등으로 통증의 강도가 확립된 개체일 수 있으나， 이에 한정되는 것은 아니다.
본 발명에서 통증 템플릿은， 통증의 강도가 객관적으로 확립된 개체인 기준 개체의 뇌 영역 중 통증과 관련 있는 적어도 2이상의 영역에서 2019/231238 1»（：1^1{2019/006449
지표물질의 가용성을 측정하고， 이를 이용하여 각 통증의 단계마다 지표물질의 뇌 영역별 가용성을나타낸 템플릿을 의미한다.
보다 구체적으로, 본 발명에서 통증 템플릿은， 기준 개체의 적어도 2이상의 뇌 영역에서 통증의 강도에 따라 측정된 지표물질의 가용성을， 통증의 강도 및 각 뇌 영역에 따라 나타낸 것을 의미한다. 예를 들어, 본 발명에서 통증 템플릿은, 기준 개체의 놔의 특정 영역 내의 1 11 5 가용성을 [11이새?688을 이용하여 측정하고, 이를 이용하여 해당 통증 단계에서 지표물질의 뇌 특정 영역별 가용성이 표시되는 것일 수 있으나， 이에 한정되는 것은 아니다.
본 발명에서 통증 템플릿은， 적어도 10단계 이상, 20단계 이상,
30단계 이상, 40단계 이상， 50단계 아상， 60 단계 이상， 70 단계 이상, 80 단계 이상， 90 단계 이상, 100 단계 이상， 110 단계 이상， 120 단계 이상, 130 단계 이상， 140 단계 이상, 150 단계 이상, 160 단계 이상， 170 단계 이상， 180 단계 이상， 190 단계 이상, 또는 200 단계 이상의 통증 정도를 구별하는 것일 수 있다. 보다 바람직하게는， 적어도 100단계 이상의 통증 정도를 구별하는 것일 수 있다. 더욱 바람직하게는, 적어도 200단계 이상의 통증 정도를구별하는 것일 수 있다.
본 발명에서 통증 템플릿은, 회귀분석을 통해 통증의 단계를 세분화한 것일 수 있다. 예를들어, 10개의 기준 개체의 적어도 2이상의 뇌 영역에서 통증의 강도에 따라 측정된 지표물질의 가용성을 회귀분석 수행하여, 200단계의 통증 단계로 세분화한 것일 수 있다. 상기 회귀분석은 최소제곱법 등을 이용하여 수행될 수 있으나, 이에 제한되는 것은 아니다. 본 발명에 따른 시험 개체 통증의 강도를 측정하는 방법은상기 기준 개체에서 얻어진 통증 템플릿을 이용하여， 미지의 통증 강도를 가지고 있는 시험 개체의 통증 강도를 결정하는 단계를 포함할 수 있다. 구체적으로 상기 시험 개체의 통증 강도 결정은 시험 개체의 상기 적어도 2이상의 뇌 영역에서 측정된 상기 지표물질의 가용성을, 상기 통증 템플릿에 적용하여， 각 통증 강도의 단계별 지표물질 가용성과 상관계수 분석을 통해， 상관도가 가장 높은 통증 강도의 단계를 선정하여， 상기 시험 개체의 통증 강도의 단계인 것으로 결정하는 단계를 포함한다. 본 발명에서 시험 개체의 통증 강도는, 시험 개체의 뇌 영역별 지표물질 가용성을 상기 통증 템플릿과 비교하는 단계를통해 측정될 수 있다. 자세하게는， 시험 개체의 적어도 2이상의 뇌 영역에서 측정된 지표물질의 가용성을， 통증 템플릿의 각 통증 강도와 비교하여， 가장 상관도가 높게 판정된 통증의 강도를 시험 개체의 통증 강도로 결정하는 것일 수 있다. 상기 지표물질은 통증 템플릿을 생성하는 단계에서 사용한 기준 개체의 지표물질과동일한 것이 바람직하다.
구체적으로, 통증 템플릿을 이용한 시험 개체의 통증 강도를 결정하는 단계는， (0시험 개체의 상기 적어도 2이상의 뇌 영역에서 측정된 상기 지표물질의 가용성을 측정하고, (ii) 측정된 상기 지표물질의 가용성을 상기 통증 템플릿에 적용하여， 각 통증 강도의 단계별 지표물질 가용성과 유사성 분석을 수행하고， (iii) 상기 유사성 분석 결과에서 유사성이 가장 높은통증 강도의 단계를 선정하여 , 상기 시험 개체의 통증 강도의 단계인 것으로 결정하는 것을포함한다.
예를 들어, 시험 개체에서 측정된 뇌 영역별 지표물질의 가용성과， 통증 템플릿의 통증 정도 1단계 내지 200단계 각각에서의 뇌 영역별 지표물질의 가용성을, 유사성 분석을 통해 일치 정도를 계산한 결과,
100단계의 통증 정도와 뇌 영역별 지표물질의 가용성이 가장 많이 일치하는 것으로 나타난 경우， 해당 시험 개체의 통증의 강도를， 1 내지 200단계 중 100단계로 판정하는 것을 의미할수 있다.
상기 유사성 분석은, 유사도를 산출하는 알고리즘을 통해 유사성을 계산할 수 있으며, 예를 들어 피어슨 상관관계 계수 (Pearson’s Correlation Coefficient) 분석을 이용하여 상관관계 정도를 계산하는 방법， 스피어만 상관관계 계수 (Spearman1 s Correlation Coefficient) 분석을 이용하여 상관관계 정도를 계산하는 방법， 다차원 좌표 평면 상에서 각각의 유클리드 거리 (Euclidean distance)를 이용하여 유사도를 계산하는 방법， 마할라노비스 거리 (Mahalanobis Distance)를 이용하여 유사도를 계산하는 방법, 서포트 벡터를 통해 이용하여 유사도를 계산하는 방법, 코사인 거리 (Cosine Distance)를 이용하여 유사도를 계산하는 방법, 맨하탄 거리 (Manhattan Distance) 를 이용하여 유사도를 계산하는 방법, 자카드 계수 (Jaccard Coefficient) 를 이용하여 유사도를 계산하는 방법， 및 확장 자카드 계수 (Extended Jaccard Coefficient) 를 이용하여 유사도를 계산하는 방법으로 이루어지는 군에서 선택되는 1종 이상의 방법으로 수행될 수 있으나， 이에 제한되는 것은 아니다. 2019/231238 1»（：1^1{2019/006449
예를 들어, 시험 개체에서 측정된 뇌 영역별 지표물질의 가용성 및 통증 템플릿 각 통증 단계의 지표물질의 가용성의 일치 정도는， 피어슨 상관 계수 분석 기법을 이용하여 계산될 수 있다. 보다 구체적으로， 하기 수학식 2로 계산되는 상관 계수의 값이 1과 가장 가까운 통증 템플릿의 통증 단계가， 시험 개체의 통증의 강도로 판정될 수 있다.
피어슨 상관 분석 기법은 두 변수 간의 상관 관계를 구하기 위해 사용되는 분석 기법으로， 두 변수 ）（ 와 에 대한 피어슨 상관 계수는， 와 가 함께 변하는 정도를 X 와 가 각각 변하는 정도로 나눈 값이다. 피어슨 상관 계수는 하기 수학식 1로 계산될 수 있다.
【수학식 1]
|* : 玄 .於，.厂 .. . .句分!— ¾
（當致ᅭ 1）《 多 ） 여기에서 $는 변수 X에 대한 표본 평균을， 는 변수 에 대한 표본 평균을， ··는 변수 에 대한 표준 편차를， 는 변수 에 대한 표준 편차를 나타낸다. 상기 수학식 1은 아래와 같이 수학식 2로 정리될 수 있다.
【수학식 2]
广
Figure imgf000013_0001
玄 於「句（馬- ¾
#¾ 元:1 상기 수학식 1 및 수학식 2에서， 변수 X는 시험 개체의 뇌의 II개의 관심 영역 0?01）에서 측정한 지표물질의 가용성을， 각 영역별 평균값으로 나누어 표준화한 것이다.
상기 수학식 1및 수학식 2에서， 변수 는 통증 템플릿의 통증 단계 중 임의의 한 단계의 지표물질의 가용성이다.
보다 구체적으로, 변수 는 시험 개체의 II개의 뇌 영역에서 지표물질의 가용성을 각각 측정한 뒤， 이를 다수의 대조군 개체로부터 이미 얻어진 각 영역별 지표물질 가용성의 평균값으로 나누어 표준화한 것이다. 즉， 변수 X는 시험 개체의 II개의 뇌 영역에서 측정된 지표물질의 가용성이 표준화된 것이며， £는 시험 개체의 II개 뇌 영역에서 측정된 지표물질의 가용성이 표준화된 값들의 평균값이다. 다시 말해， 변수 X는 시험 개체의 2019/231238 1»（：1^1{2019/006449
데이터이며， 예를 들면 도 53에서 상단 도면에 빨간색 사각형으로 표시되어 변수 의 예시를보여 주고 있다.
보다 구체적으로, 변수 는 통증 템플릿의 통증의 한 단계에서， II개의 뇌 영역에서 측정된 지표물질의 가용성이다. 즉, 변수 는 통증 템플릿에서， 임의의 한 통증 단계의 11개의 뇌 영역별 지표물질의 가용성이다. 예를 들어， 통증 템플릿이 1 내지 200단계의 통증 강도로 세분화되어 있는 경우， 이 중 임의의 한 단계의 통증 강도에서의 뇌 영역별 지표물질의 가용성을 의미한다. 보다 구체적으로， 0~4§ 범위의 회피반응역치, 즉 통증 강도를 200단계로 세분화하여 한 단계 당 0.02§의 범위를 가지도록 통증 템플릿을 생성한 경우， 변수 V는 통증 템플릿의 어느 한 0.02요의 범위에서 II개 뇌 영역의 지표물질 수치를 나타낸다. 다시 말해， 변수 는 기준 개체로부터 작성한 통증 템플릿에 포함되어 있는 단계 중 임의의 한 단계로부터 추출한 값이며, 예를 들면 도 53에서 하단 도면에 다수개의 검은색 사각형으로표시되어 변수 의 예시를보여 주고 있다. 도 5¾를 참고하면， 하나의 시험 개체의 데이터（변수 X） 가 통증 템플릿의 한 단계의 값（변수 幻 에 어느 정도의 상관 계수를 갖는지 계산하는 작업을， 200단계 각각에 대해 되풀이하여 계산하고 결과를 표시한 것을 알수 있다.
본 발명의 또 다른 일예는, 기준 개체의 적어도 2이상의 뇌 영역에서 측정되는 지표물질의 가용성 및 상기 기준 개체에 유발된 통증 강도의 상관관계를 나타낸， 통증 템플릿에 관한 것이다.
상기 통증 강도는 적어도 10단계 이상， 50단계 이상， 100단계 이상, 또는 200단계 이상으로 구별될 수 있다.
본 발명의 또 다른 일예는， 기준 개체에 인위적인 통증을 유발하는 단계; 상기 통증이 유발된 기준 개체의 적어도 2이상의 뇌 영역에서 지표물질의 가용성 정도를 측정하는 단계; 및 상기 기준 개체에 인위적으로 유발된 통증의 강도와 상기 뇌 영역별 지표물질의 가용성 정도의 상관관계를 나타내는 통증 템플릿을 생성하는 단계를 포함하는, 통증 템플릿의 생성방법에 관한 것이다.
상기 통증 템플릿의 생성방법은， 상기 측정된 적어도 2이상의 뇌 영역별 지표물질의 가용성 정도를， 통증이 유발되지 않은 대조군에서 얻어진 각 뇌 영역별 지표물질의 가용성 정도의 평균값으로 나누어 2019/231238 1»（：1^1{2019/006449
표준화하는 단계; 및 상기 표준화된 수치를 이용하여 통증 강도를 세분화하는 단계를추가로포함할수 있다.
본 발명의 또 다른 일예는, 기준 개체에 인위적인 통증을 유발하고， 통증에 대해 유의성을 갖는 뇌 영역과 지표물질을 선정하는 단계; 상기 통증이 유발된 기준 개체의 적어도 2이상의 선정된 뇌 영역에서 지표물질의 가용성 정도를 측정하는 단계; 통증이 유발되지 않은 대조군에서, 상기 통증이 유발된 기준 개체에서 지표물질의 가용성 정도를 측정한 뇌 영역에 각각 상응하는 뇌 영역에서 지표물질의 가용성 정도를 측정하는 단계; 상기 기준 개체의 각 뇌 영역별 지표물질의 가용성 정도를, 이에 상응하는 대조군의 각 뇌 영역별 지표물질의 가용성 정도로 나누어 표준화하는 단계; 및 상기 표준화된 가용성 정도의 수치를 이용하여 통증 강도를 2이상의 단계로 구분하고, 구분된 각 통증 강도의 단계에 상응하는 지표물질의 가용성 정도를 패턴화한 통증 템플릿을 얻는 단계를 포함하는， 통증 템플릿의 생성방법에 관한 것이다.
상기 대조군의 각 뇌 영역별 지표물질의 가용성 정도는， 적어도 2 이상의 대조군에서 측정된 각 뇌 영역별 지표물질의 가용성 정도의 평균값일 수 있다.
본 발명의 또 다른 일예는， 시험 개체의 적어도 2이상의 뇌 영역에서 측정된 지표물질의 가용성을 통증 템플릿의 각 통증의 단계와 비교하는 단계를포함하는， 시험 개체의 통증강도를측정하는 방법에 관한 것이다. 본 발명의 또 다른 일예는， 기준 개체에 인위적인 통증을 유발하고 통증에 대해 유의성을 갖는 뇌영역과 지표물질을 선정하는 단계; 상기 통증이 유발된 기준 개체의 적어도 2이상의 선정된 뇌 영역에서 지표물질의 가용성 정도를 측정하는 단계; 통증이 유발되지 않은 대조군에서， 상기 통증이 유발된 기준 개체에서 지표물질의 가용성 정도를 측정한 뇌 영역에 각각 상응하는 뇌 영역에서 지표물질의 가용성 정도를 측정하는 단계; 상기 기준 개체의 각 뇌 영역별 지표물질의 가용성 정도를, 이에 상응하는 대조군의 각 뇌 영역별 지표물질의 가용성 정도로 나누어 표준화하는 단계; 상기 표준화된 가용성 정도의 수치를 이용하여 통증 강도를 2이상의 단계로 구분하고， 구분된 각 통증 강도의 단계에 상응하는 지표물질의 가용성 정도를 패턴화한 통증 템플릿을 얻는 단계 ; 상기 선정된 뇌영역과 지표물질을 이용하여, 기준 개체에서 지표물질의 가용성 정도를 측정한 뇌 영역에 각각 상응하는 시험 개체의 뇌 영역에서 지표물질의 가용성 정도를 측정하고 표준화하는 단계; 상기 시험 개체의 측정된 지표물질의 가용성 정도를， 상기 통증 템플릿의 통증 강도의 단계 별 지표물질의 가용성 정도와 유사성 분석을 통해 비교하는 단계; 및 상기 비교하는 단계에서 통증 템플릿에서 유사성이 가장 높은 지표물질의 가용성 정도를 갖는 통증 강도의 단계를， 상기 시험 개체의 통증 강도의 단계로 결정하는 단계를 포함하는, 시험 개체의 통증 강도를측정하는 방법에 관한 것이다.
상기 대조군의 각 뇌 영역별 지표물질의 가용성 정도는， 적어도 2 이상의 대조군에서 측정된 각 뇌 영역별 지표물질의 가용성 정도의 평균값일 수 있다.
상기 비교하는 단계는유사성 분석을통해 비교하는 것일 수 있다. 상기 시험 개체의 통증 강도를 즉정하는 방법은, 상기 비교하는 단계에서 유사성이 가장높은 통증 템플릿의 통증 강도의 단계를 상기 시험 개체의 통증강도의 단계로 결정하는 단계를추가로포함할수 있다.
【발명의 효과】
본 발명의 일 예에 따라 비교 기준이 되는 통증 템플릿을 생성하면， 미지의 통증 강도를 갖는 시험 개체의 통증 진단을 위해서는 시험 개체에서 지표물질의 발현 패턴만을 측정하는 것으로 충분하며， 통증 정도를 결정함에 시험 개체와의 언어적 의사소통이나 이학적 검진， 행동학적 측정이 필요하지 않고， 시험 개체에 외부 자극을 가하여 일부러 통증을 유발시킬 필요도 없어진다.
【도면의 간단한설명】
도 la는 쥐 103마리에게 SNL 수술을 시행하고 15일이 지난 시점에서 von Frey f i lament를 사용하여 회피 반응 역치를 측정한 분포를 나타낸 것이다.
도 lb는 신경병성 통증이 성공적으로 유발된 쥐들 중 선별된 10마리의 회피반응 역치의 분포를 나타낸 것이다.
도 2a 내지 도 2d는 뇌 영역 중 통증에 관여하는 유의성을 보이는 영역 중 회피 반응 역치에 대해 negat ive correlat ion을 보이는 영역을 나타낸 것이다. 도 3a 내지 도 3f는 뇌 영역 중 통증에 관여하는 유의성을 보이는 영역 중 회피 반응 역치에 대해 pos i t ive corre l at ion을 보이는 영역을 나타낸 것이다.
도 4a는 SNL 개체들의 뇌 영역별 mGluR5수치를나타낸 것이다.
도 4b는 Sham 수술군 개체들의 뇌 영역별 mGluR5 수치를 나타낸 것이다.
도 4c는 SNL 개체들의 뇌 영역별 mGluR5 수치를 영역별 평균값으로 나눠 표준화한 것을나타낸 것이다.
도 4d는 Sham 수술군 개체들의 뇌 영역별 mGluR5 수치를 영역별 평균값으로나눠 표준화한 것을나타낸 것이다.
도 4e는 통증군의 뇌 내 mGluR5 패턴들을 통증 정도에 따라 나타낸 통증 템플릿을 나타낸 것이다.
도 5a는 SNL 1의 뇌 내 mGluR5 정보를 통증 템플릿과 비교하는 작업을나타낸 것이다.
도 加는 통중군 각 실험 동물의 패턴이 통증 템플릿에 대해 갖는 상관 계수가 계산되는과정을나타낸 것이다.
도 6a는 SNL 개체들의 mGluR5 수치의 패턴과 통증 템플릿의 패턴의 r-value를 나타낸 것이다.
도 6b는 SNL 개체들의 mGluR5 수치의 패턴과 통증 템플릿의 패턴의 p-value를 나타낸 것이다.
도 6c는 상관 계수가 높은 정도를 통하여 해당 실험 동물의 본래 회피 반응 역치를 역추산한 것을나타낸 것이다.
도 6d는 Sham 개체들의 mGluR5 수치의 패턴과 통증 템플릿의 패턴의 r-value를 나타낸 것이다.
도 6e는 Sham 개체들의 mGluR5 수치의 패턴과 통증 템플릿의 패턴의 p-value를 나타낸 것이다.
도 6f는 r-value에 따른 감도 (sens i t ivi ty) 및 특이성 (speci f i c i ty)을나타낸 그래프이다.
【발명의 실시를 위한 형태】
이하， 본 발명을 하기의 실시예에 의하여 더욱 상세히 설명한다. 그러나 이들 실시예는 본 발명을 예시하기 위한 것일 뿐이며, 본 발명의 범위가 이들실시예에 의하여 한정되는 것은 아니다. 실시예 1： 통증모델의 제작을통한기준개체의 준비 신경병성 통증을지닌 환자혹은실험 동물 (이하 ’’대상자"라 칭함)의 통증 정도를 측정하기 위해, 본 프레이 필라멘트 (von Frey filament) 자극에 대한 회피 반응 역치를 측정하였다. 척수 신경 결찰 (Spinal Nerve Ligation, 이하 ’’SNLn로 칭함) 수술로 신경병성 통증을 유발시킨 대상자는 개체에 따라다양한정도의 통증을지니게 된다.
8주된 수컷 Sprague-Dawley 래트 (서울, Samtako)를 이소플루레인(isoflurane) 마취 하에 우측 L5 척추 신경 결찰(spinal nerve ligation, SNL)을수행하였으며, 대조군은 sham수술을 시행하였다.
SNL수술군은 오른쪽 L5 척수 신경을 분리하고 5-0 실크를 사용하여 단단히 결찰하여 신경병성 통증을 유도했다. 대조군인 shame군의 경우， L5 척수신경은분리하였지만 결찰하지는 않았다.
수술 직전 및 수술 후 1， 5， 9, 15 일에 수술을 시행한 오른쪽 뒷발의 역치 (Paw withdrawal thresholds)를 본 프라이 필라멘트(von Frey filaments)를 사용하여 측정 하였다. 수술 후 비정상적인 운동신경 장애가 발생한동물은 분석에서 제외하였다.
도 la는 쥐 103마리에게 SNL수술을 시행하고 15일이 지난 시점에서 von Frey filament를 사용하아 회피 반응 역치를 측정한 분포를 나타낸 것이다. 쥐의 회피 반응 역치 (도 la의 y축)가 작을수록 더 작은 자극에도 예민하게 반응하는 것을 의미하며, 회피 반응 역치가 수술 전에 비해 절반 이하로 떨어지는 경우 신경병성 통증이 성공적으로 유발된 것으로 판단하였다. 신경병성 통증이 성공적으로 유발된 쥐들 중 10마리를 선별하였으며， 선별된 쥐들을 도 la에 붉은색으로 표시하였다. 선별된 쥐들의 회피 반응 역치를 도 lb에 나타내었으며， 이 쥐들을 PET scan 하였다. 도 lb는 신경병성 통증이 성공적으로 유발된 쥐들 중 선별된 10마리의 회피반응 역치의 분포를 나타낸 것이다. 실시예 2： 지표물질의 측정
기준 개체인 통증 모델의 뇌 내 대사성 글루타메이트 수용체
5(metabotropic glutamate receptor 5, 이하 "mGluR5" ) 를 즉정하였다. 이를 측정하기 위해, mGluR5 에 특이적으로 결합하는 화학 물질인 ABP688 에 방사성 동위원소 [lie]를 붙인 추적 물질인 [11C]ABP688을 사용하였다. Simplified reference tissue model을 사용하여 PET image의 신호를 non- displaceable binding potential 정보로 변환할 수 있으며， 이 정보는 각 좌표 공간에서의 mGluR5의 가용성 (availability)을 나타낸다. 구체적으로, 통증 모델을 이소플루레인 (isof luorane)으로 마취하고， 꼬리 정맥에 [11C] ABP688 (5.05-16.15 MBq / 100g)를 주입하였다. 뇌 영상은 60분 간 동안 list-mode로 micro-PET / CT 스캐너 (eXplore VISTA, GE Healthcare)를 사용하여 얻었다. [11C] ABP688의 mGluR5 결합능 (non-displaceable binding potential , BPND)은 소뇌를 기준 영역 (reference region)으로 하는 단순화 된 비교 조직 모델 (simpl i f ied reference tissue model)을 사용하여 계산하였다. 모든 [11C] ABP688 BPND 이미지를 평균하여 뇌 mGluR5 표준 이미지를 만든 다음, 모든 BPND 이미지를 뇌 mGluR5 표준 이미지에 공간적으로 정규화했다. 3D 화소를 0.2 * 0.2 * 0.2 mm로 재샘플링하고, 0.8 _ 반폭 (ful 1-width at half maximum)의 가우시안 필터로 평활화시켰다. 이미지는 SPM8, MarsBaR tool box 및 Turku PET Cent re의 imgsrtm 프로그램을사용하여 처리하였다. 실시예 3： 통중 템플릿의 생성
3-1： 통증에 관여하는 뇌 영역의 탐색
실시예 1 및 2에서 측정한통증 정도에 대한실험 데이터를 바탕으로，
[11C]ABP688-PET으로 얻은 뇌 내 mGluR5 가용성 (avai labi 1 ity) 정보에 대해 회귀분석을 시행하였다.
구체적으로, 뇌에서의 mGluR5수준과 회피 반응 역치 (paw withdrawal threshold) 사이의 상관성을 탐색하기 위해， SNL 그룹 동물의 데이터를 사용하여 3D 화소 (Voxel) 회귀분석을 사용했다. 회귀분석을 통하여, 회피 반응 역치와 통계적으로 유의한 (p-값＜0.005) 상관성을 갖는 voxel이 20개 이상 모여 있는 클러스터를 스크리닝하였다. 클러스터의 해부학적 위치를 기반으로 반경 0.5mm크기의 구체 모양 영역을 각각 관심 영역 (Region-0f- Interest , ROD 으로 설정하고, MarsBaR toolbox를 사용하여 각 R0I 들에서 BPND를추출하였다. 그 결과, 통증에 관여하는 몇몇 뇌 영역들에서 유의한상관관계를 볼 수 있었다. 유의성을 보이는 뇌 영역들을 시각화를 위하여 ffil 이미지 위에 겹쳐 도 2a내지 도 2d 및 도 3a내지 도 3f에 나타내었다.
도 2a 내지 도 2d는 회피 반응 역치에 대해 negat ive correlat ion을 보이는 영역이며， 도 3a 내지 도 3f는 회피 반응 역치에 대해 posi t ive correlat ion을 보이는 영역이다. 각각의 뇌 영역 그림 아래의 그래프에서 해당 영역 ROI（Region of Interest）에서의 mGluR5 수치를 x축에， 회피 반응 역치（실험 동물 개체의 통증 정도를 나타냄）를 y축에 나타내었다. 3-2： 통증 템플릿의 결정
각 좌표에서 동일한 크기의 영역을 정하여 mGluR5 수치를 추출하여 도 4에 개체별로 나타내었다. 도 4에서 SNL 1 내지 SNL 10은 각 실험동물의 식별번호이며， SNL 1은 높은 회피 반응 역치를 가지고 있으며, SNL 10 은 낮은 회피 반응 역치를 가지고 있다. 즉， SNL 1은 통증군 10마리 중에서는 상대적으로 가장 둔감하기에 통증 정도가 약하다고 볼 수 있으며， SNL 10은 가장 예민하기에 통증 정도가 가장심하다고 볼 수 있다.
y축은 SNL 1 내지 SNL 10의 각 실험동물 개체를 표시하고， x축에는 위 분석에서 통계적으로 유의하게 회피 반응 역치와 상관관계가 있었던 뇌 영역들을 표시하였다. 각 영역에서의 mGluR5 수치는, 뇌 영역별로 분포가 각각 달랐다（도 4a）. 이에 개체들의 각 영역의 mGluR5 수치를 영역별 평균값으로 나눠 줌으로써 표준화시켜 도 4c에 나타내었다. 영역별 평균값은 통증이 없는 대조군（Sham 수술군）에서 얻은 데이터를 바탕으로 산출하였다. 각각의 뇌 영역에서의 표준화를 마친 mGluR5 수치를， 회피 반응 역치에 대하여 회귀분석 하였다.
보다 구체적으로， n개의 기준 개체로부터 얻은 n개의 회피 반응 역치를 독립 변수 로 하고， 어느 하나의 관심 영역（R0I）에서 추출하여 표준화를 마친 n개의 mGluR5 수치를 종속 변수 로 두면， 다음과 같은 형식의 수식 ［수학식 3］으로 해당 관심 영역의 mGluR5 수치를 나타낼 수 있다.
·【수학식 3］
y = p0 4- P1x + s 2019/231238 1»(：1^1{2019/006449
상기 ［수학식 3］에서
Figure imgf000021_0001
절편이고, 은 회귀 계수（일차식의 기울기） 이며， £는 오차이다. 회귀분석을 통하여 네 I 의 관계식을 구하고， 이를 통하여 해당관심 영역에서의 1 5수치를 예측하였다. 먼저 아래와 같이 최소제곱법을 사용한 회귀분석을 실시하여 회귀 계수 을추정하였다.
【수학식 4］
Figure imgf000021_0002
여기에서 $는 독립 변수 회피 반응 역치）의 평균값을， ᅳᄒ는 종속 변수 （하나의 관심 영역에서 주줄하여 표준화를
Figure imgf000021_0003
수치）의 평균값을나타낸다.
위 결과를 바탕으로， 절편 ¾를추정하였다.
【수학식 5]
Figure imgf000021_0004
의 관계식으로 해당 관심 영역이 갖는 mGluR5수치를 추정하여 하나의 열에 표시하였다.
위와 같은 회귀분석을 각각의 관심 영역에서 개별적으로 실시한 뒤， 각 영역에서 얻은 추정 수치를 개별 열에 나타내었다（도 4e）.
도 에 나타내었듯이， 위와 같은 회귀분석을 통해 회피 반응 역치 0 ~ 4 g 범위의 통증 단계를 200 단계로 나누어， 회귀분석을 통해 얻은 각 R（）I에서의 mGluR5 가용성을 각각의 열에 있는 200개의 행에 표시하였다. 이와 같이， 회귀된 mGluR5 템플릿의 행은 상응하는 회피반응역치 （paw wi thdrawal threshold）를 갖는 가상의 SNL 개체의 이상적인 mGluR5 패턴을 나타낸다. 이렇게 함으로써， 해당 회피 반응 역치（통증 정도）를 지니는 가상의 대상자가 지니고 있을 뇌 내 mGluR5 패턴을 추산할수 있다（도 4e）. 즉， 도 4e에서 보여 주고 있는 그림은 도 4c를 바탕으로 산출된 것으로， 통증군의 뇌 내 mGluR5 패턴들을 통증 정도에 따라 보여주고 있으며， 앞으로 신경병성 통증의 유무와 통증 정도를 알아내기 위한 비교 기준이 된다.
이 비교 기준을 앞으로 "통증 템플릿” 이라고부르기로 했다. 통증이 없는 대조군의 데이터는 도 4b 및 도 4d에 나타내었다. 대조군에서는 통증군에서 보이는 패턴을볼수 없었다. 실시예 4： 통증 템플릿을 이용한통증의 객관적 측정
4-1： 통증 템플릿의 검증
통증 템플릿을 이용하면， 뇌 내 mGluR5 정보가 주어졌을 때에, 이 정보가 통증 템플릿에서 어느 부분과 일치하는지 비교함으로써， 통증의 유무와 통증 정도를 판단할 수 있다. 예를 들어, 통증군 내에서 1번 실험 동물에 1）의 뇌 내 mGluR5 정보를 통증 템플릿과 비교하는 작업을 도 5a에 나타내었다.
통증 템플릿은 1 ~ 10 번 실험 동물의 실제 정보를 바탕으로 추산된 것이므로， SNL 1의 패턴은 통증 템플릿의 상단 행의 패턴과 잘 일치할 것이다. SNL 1의 패턴과 통증 템플릿의 각 행에 대해서도 어느 정도의 상관관계를 보이는지 비교해보았다. SNL 1은 3.86g 의 회피 반응 역치를 지니고 있었다. Pearson ' s corre l at i on coef f i c i ent를 계산하여, 상관계수가 높을수록 붉은 색으로 표시하는 절차를 도 5a에 나타내었다. 붉은색 사각형으로 표시한 행이 SNL 1의 mGluR5 패턴이며， 이 행을 하단에 표시한 통증 템플릿의 각 행과 하나하나 비교해 보았다. 각 행에 대한 상관 계수를 하단좌측에 색으로표시하였다.
이와 같은 작업을 각 실험 동물에 1 SNL 10）에 대해 반복하여， 각각의 실험 동물이 어느 정도로 통증 템플릿의 각 행과 일치하는지 그래프로 나타낼 수 있다. 각실험 동물의 패턴이 통증 템플릿에 대해 갖는 상관 계수가 계산되는과정을도 5b에 그림으로보였다.
4-2： 통증 템플릿을 이용한통증의 객관적 측정
실시예 4-1와 같은 과정을 통하여, 각 개체의 표준화된 mGluR5 수치의 패턴이 기준 개체의 패턴 （통증 템플릿）과 얼마나 유사한지 계산할 수 있다. 이를 계산할 수 있는 여러 가지 기법이 존재하는데， 여기에서는 피어슨 상관 계수 (Pearson' s correlat ion coef f icient ) 분석 기법을 통하여 유사성을 계산하였다.
피어슨 상관 분석 기법은 두 변수 간의 상관 관계를 구하기 위해 사용되는 분석 기법으로， 두 변수 X 와 에 대한 피어슨 상관 계수는， X와 가 함께 변하는 정도를 X 와 Y 가 각각 변하는 정도로 나눈 값이다. 표본 상관 계수를 계산하는 방법은 아래와 같다.
[수학식 1]
_ 1¾¾(¾一 (¾一分)
** («— !)(¾.¾,)
여기에서 군는 변수 에 대한 표본 평균을， 는 변수 에 대한 표본 평균을， ¾는 변수 X에 대한 표준 편차를, ¾는 변수 에 대한 표준 편차를 나타낸다. 위 수식은 아래와 같이 정리할수 있다.
Figure imgf000023_0001
상기 수학식 1 및 수학식 2에서， 변수 X는 시험 개체의 뇌의 II개의 관심 영역 (1?01 )에서 측정한 지표물질의 가용성을， 각 영역별 평균값으로 나누어 표준화한 것이다. 보다 구체적으로, 변수 X는 시험 개체의 II개의 뇌 영역에서 지표물질의 가용성을 각각 측정한 뒤, 이를 다수의 대조군 개체로부터 이미 얻어진 각 영역별 지표물질 가용성의 평균값으로 나누어 표준화한 것이다. 즉， 변수 는 시험 개체의 II개의 뇌 영역에서 측정된 지표물질의 가용성이 표준화된 것이며, ᄄ는 시험 개체의 II개 뇌 영역에서 측정된 지표물질의 가용성이 표준화된 값들의 평균값이다. 다시 말해， 변수 X는 시험 개체의 데이터이며， 예를 들면 도 5크에서 빨간색 사각형으로 표시되어 변수 의 예시를 보여 주고 있다.
상기 수학식 1 및 수학식 2에서， 변수 V는 통증 템플릿의 통증 단계 중 임의의 한 단계의 지표물질의 가용성이다. 보다 구체적으로, 변수 는 2019/231238 1»（：1^1{2019/006449
통증 템플릿의 통증의 한 단계에서， II개의 뇌 영역에서 측정된 지표물질의 가용성이다. 즉， 변수 V는 통증 템플릿에서, 임의의 한 통증 단계의 II개의 뇌 영역별 지표물질의 가용성이다. 예를 들어， 통증 템플릿이 1 내지 200단계의 통증 강도로 세분화되어 있는 경우， 이 중 임의의 한 단계의 통증 강도에서의 뇌 영역별 지표물질의 가용성을 의미한다. 보다 구체적으로, 0~4§ 범위의 회피반응역치, 즉 통증 강도를 200단계로 세분화하여 한 단계 당 0.02§의 범위를 가지도록 통증 템플릿을 생성한 경우， 변수 는 통증 템플릿의 어느 한 0.02§의 범위에서 1：개 뇌 영역의 지표물질 수치를 나타낸다. 다시 말해， 변수 는 기준 개체로부터 작성한 통증 템플릿에 포함되어 있는 단계 중 임의의 한 단계로부터 추출한 값이며, 예를 들면 도 5크에사 검은색 사각형으로 표시되어 변수 의 예시를 보여 주고 있다.
여기에서는 실제 관측한 임의의 개체 （시험 개체）의 데이터를 변수 X에， 통증 템플릿에 있는 200개의 행 중 하나의 행의 데이터를 변수 에 지정한다고 하자. 이 두 변수의 상관계수를 비교함으로써, 임의의 개체에서 II개의 1¾）1에서 추출한 뇌내 1 11 5 가용성의 패턴을 해당 통증 템플릿의 한 행의 패턴과 비교할 수 있다. 피어슨 상관계수 값은 -1에서 1 사이의 값을 갖게 되는데, 상관 계수 I·이 1에 가까울수록 두 변수는 보다 강력한 양의 상관관계를 갖는다고 할 수 있다 （즉， 유사성이 높다）. 통증 템플릿의 200개 행에 대해 이 분석을 되풀이함으로써， 임의의 개체가
Figure imgf000024_0001
발현 패턴이 통증 템플릿 중 어느 행과 가장 유사성이 높은지 계산할 수 있다. 도 5크를 참고하면， 하나의 시험 개체의 데이터（변수 X） 가 통증 템플릿의 한 단계의 값（변수 ） 에 어느 정도의 상관 계수를 갖는지 계산하는 작업을, 200단계 각각에 대해 되풀이하여 계산하고 결과를 표시한 것을 알 수 있다. 여기에서는 회피 반응 역치 0~4용 범위를 20◦행으로 나눈 통증 템플릿을 만들어 사용하였으므로， 통증 템플릿의 한 행은 0.02 § 의 범위를 지닌다. 임의의 개체가 통증 템플릿 200 행 각각에 대해 갖는 r 값을 하나의 열로 나타내고， 한 열에서 상위 25% I"값 범위를 취하여 ¾ 의 범위 내에서 회피 반응 역치를추산하였다.
상관 계수 분석으로
Figure imgf000024_0002
군 10개체의 패턴을 각각 통증 템플릿의
200행에 비교하였을 때, 모든 개체는 통증 템플릿에 존재하는 일정 행의 패턴과 잘 일치하는 것을 확인하였으며, 이는 상관 계수의 값과 ? 값으로 2019/231238 1»（：1^1{2019/006449
잘 확인되었다（도 63 및 도 ）. 또한， 상관 계수가 높은 정도를 통하여 해당 실험 동물의 본래 회피 반응 역치를 성공적으로 역추산해 낼 수 있었다（도 60）. 4-3： 대조군과의 비교
이 기법이 통증군만을 성공적으로 구분해 낼 수 '있는지 확인하기 위하여， 이번에는 통증이 없는 대조군（¾크111 요1"0111））의 뇌 내 11位1111¾ 패턴을 통증 템플릿의 패턴과 비교하여 보았다.
그 결과, 대조군의 패턴은 통증군과는 달리 통증 템플릿과 잘 일치되지 않았다. 상관 계수의 !값은 전반적으로 낮았다. 상관 계수의 ? 값도 통계적 유의성을 담보하지 못하였다（도 6（1 , 도 6 도 60 . 일치하는 정도의 기준을 상관 계수를 통해 구분지음으로써， 통증의 유무를 예측할 수 있었다（도 60 .

Claims

【청구의 범위】
【청구항 1]
기준 개체의 적어도 2이상의 뇌 영역에서， 각각의 통증 강도에서 측정된 지표물질의 가용성을, 각 뇌 영역별 및 통증 강도의 단계별 상관관계를 나타내는통증 템플릿을 생성하는 단계; 및
시험 개체의 상기 적어도 2이상의 뇌 영역에서 측정된 상기 지표물질의 가용성을， 상기 통증 템플릿에 적용하여, 각 통증 강도의 단계별 지표물질 가용성과 유사성 분석을 통해， 유사성이 가장 높은 통증 강도의 단계를 선정하여， 상기 시험 개체의 통증 강도의 단계인 것으로 결정하는 단계
를포함하는, 통증강도를측정하는 방법 .
【청구항 2]
제 1항에 있어서, 상기 적어도 2이상의 뇌 영역은, 통증에 의해 상기 지표물질의 가용성이 변화하는 것을특징으로 하는， 방법.
【청구항 3]
저 U항에 있어서， 상기 적어도 2이상의 뇌 영역은 (1) 좌측 선조체 (Striatum, left) 의 입쪽 (rostral) 꼬리핵-조가비핵 (caudate-put amen) , (2) 좌측 선조체 (Striatum, left) 의 꼬리쪽 (caudal) 꼬리핵-조가비핵 (caudate-put amen) , (3) 좌즉 섬 피질 (Insular cortex, left) , (4) 좌즉 2차 체성감각피질 (Secondary somatosensory cortex, left) , (5) 우측 입쪽 해마 (Hippocampus, right; rostral), (6) 우즉 꼬리쪽 해마 (Hippocampus, right; caudal ) , (7) 좌즉 1차 체성감각피질의 체간 영역 (Primary somatosensory cortex, left； trunk region) , (8) 우즉 1차 체성감각피질의 체간 영역 (Primary somatosensory cortex, right; trunk region) , (9) 우즉 1차 체성감각피질의 뒷발 영역 (Primary somatosensory cortex, right; hindl imb region) , (10) 우즉 2차 체성감각피질 (Secondary somatosensory cortex, right) , (11) 우측 시상하부의 뒤쪽핵 (Hypothalamus, right； posterior nucleus), 및 (12) 앞쪽 중심부 대상 피질 (Anterior midcingulate cortex)로 이루어지는 군에서 선택되는 2종 이상인 것인， 방법 .
【청구항 4]
제 1항에 있어서, 상기 통증 템플릿은, 적어도 2이상의 뇌 영역별 지표물질의 가용성을 각 뇌 영역별 지표물질의 가용성의 평균값으로 나누어 표준화시키는 단계; 및 상기 표준화된 수치를 회귀분석을 통해 통증 강도 단계를 세분화하는 단계를 통해 생성되며,
상기 각 뇌 영역별 지표물질의 가용성의 평균값은， 통증이 없는 대조군에서 얻어진 각 뇌 영역별 지표물질의 가용성의 평균값인, 방법
【청구항 5]
제 1항에 있어서， 상기 유사성 분석은 피어슨 상관관계 계수 (Pearson's Correlation Coefficient) 분석， 스피어만 상관관계 계수 (Spearman’ s Correlation Coefficient) 분석， 유클리드 거리 (Eucl idean distance) 분석, 마할라노비스 거리 (Mahalanobis Distance) 분석, 서포트 벡터 분석， 코사인 거리 (Cosine Distance) 분석, 맨하탄 거리 (Manhattan Distance) 분석， 자카드 계수 (Jaccard Coefficient) 분석， 및 확장 자카드 계수 (Extended Jaccard Coefficient) 분석으로 이루어지는 군에서 선택되는 1종 이상의 분석 방법으로수행되는 것인， 방법.
【청구항 6]
저 15항에 있어서， 상기 피어슨 상관계수 분석은, 하기 수학식 2로 수행되며， 상기 유사성은, 하기 수학식 2로 계산되는 r값이 1에 가까운 정도로 평가되는 것인， 방법.
[수학식 2]
Figure imgf000027_0001
x： 시험 개체의 뇌 영역에서 측정된 지표물질의 표준화된 가용성
Y： 통증 템플릿의 임의의 한통증 단계가가지는지표물질의 가용성 f： X의 표본 평균
F： Y의 표본 평균
n： 뇌 영역의 개수
【청구항 7]
제 1항에 있어서， 상기 지표물질은 대사성 글루타메이트 수용체 5(mGluR5)인 것인， 방법.
【청구항 8] 2019/231238 1»（：1^1{2019/006449
제 1항에 있어서， 상기 지표물질의 가용성은 상기 지표물질에 특이적인 방사선 추적물질을 이용하여 측정하는 것인， 방법.
【청구항 9]
제 8항에 있어서, 상기 방사선 추적물질은 [ 11이새?688인 것인， 방법.
【청구항 10】
41항에 있어서, 상기 통증의 강도에 따라 측정된 지표물질의 가용성은, 적어도 10개체 이상의 기준 개체를 이용하여 얻어지는 것인， 방법.
【청구항 11】
제 1항에 있어서, 상기 기준 개체는 우측 뒷발에 신경병성 통증이 유발된 것을특징으로 하는， 방법 .
【청구항 12】
기준 개체에 인위적인 통증을 유발하고， 통증에 대해 유의성을 갖는 뇌 영역과지표물질을선정하는 단계;
상기 통증이 유발된 기준 개체의 적어도 2이상의 선정된 뇌 영역에서 지표물질의 가용성 정도를 측정하는 단계 ;
통증이 유발되지 않은 대조군에서, 상기 통증이 유발된 기준 개체에서 지표물질의 가용성 정도를 측정한 뇌 영역에 각각 상응하는 뇌 영역에서 지표물질의 가용성 정도를측정하는 단계;
상기 기준 개체의 각 뇌 영역별 지표물질의 가용성 정도를, 이에 상응하는 대조군의 각 뇌 영역별 지표물질의 가용성 정도로 나누어 표준화하는 단계 ; 및
상기 표준화된 가용성 정도의 수치를 이용하여 통증 강도를 2이상의 단계로 구분하고， 구분된 각 통증 강도의 단계에 상응하는 지표물질의 가용성 정도를 패턴화한 통증 템플릿을 얻는 단계를 포함하는, 통증 템플릿의 생성방법.
【청구항 13】
기준 개체에 인위적인 통증을 유발하고 통증에 대해 유의성을 갖는 뇌영역과지표물질을선정하는단계;
상기 통증이 유발된 기준 개체의 적어도 2이상의 선정된 뇌 영역에서 지표물질의 가용성 정도를측정하는 단계 ; 2019/231238 1»（：1^1{2019/006449
통증이 유발되지 않은 대조군에서, 상기 통증이 유발된 기준 개체에서 지표물질의 가용성 정도를 측정한 뇌 명역에 각각 상응하는 뇌 영역에서 지표물질의 가용성 정도를측정하는 단계;
상기 기준 개체의 각 뇌 영역별 지표물질의 가용성 정도를， 이에 상응하는 대조군의 각 뇌 영역별 지표물질의 가용성 정도로 나누어 표준화하는단계;
상기 표준화된 가용성 정도의 수치를 이용하여 통증 강도를 2이상의 단계로 구분하고, 구분된 각 통증 강도의 단계에 상응하는 지표물질의 가용성 정도를 패턴화한통증 템플릿을 얻는 단계;
상기 선정된 뇌영역과 지표물질을 이용하여， 기준 개체에서 지표물질의 가용성 정도를 측정한 뇌 영역에 각각 상응하는 시험 개체의 뇌 영역에서 지표물질의 가용성 정도를 측정하고표준화하는 단계;
상기 시험 개체의 측정된 지표물질의 가용성 정도를， 상기 통증 템플릿의 통증 강도의 단계 별 지표물질의 가용성 정도와 유사성 분석을 통해 비교하는단계; 및
상기 비교하는 단계에서 통증 템플릿에서 유사성이 가장 높은 지표물질의 가용성 정도를 갖는 통증 강도의 단계를， 상기 시험 개체의 통증 강도의 단계로 결정하는 단계를 포함하는, 시험 개체의 통증 강도를 측정하는 방법.
【청구항 14】
제 12항 또는 제 13항에 있어서, 상기 대조군의 각 뇌 영역별 지표물질의 가용성 정도는, 적어도 2 이상의 대조군에서 측정된 각 뇌 영역별 지표물질의 가용성 정도의 평균값인, 방법.
【청구항 15】
제 12항 또는 제 13항에 있어서， 상기 기준 개체 또는 상기 시험 개체는 설치류， 마우스, 래트， 햄스터， 기니피그, 파충류， 양서류, 포유류， 개과, 고양이과， 토끼목， 돼지, 소， 양， 원숭이, 영장류, 인간을 제외한 포유류, 인간을 제외한 영장류, 및 인간으로 이루어지는 군에서 선택된 1종 이상인, 방법.
PCT/KR2019/006449 2018-05-29 2019-05-29 통증의 강도를 측정하는 방법 Ceased WO2019231238A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201980041354.1A CN112384128B (zh) 2018-05-29 2019-05-29 测量疼痛强度的方法
US17/056,462 US20210210167A1 (en) 2018-05-29 2019-05-29 Method for measuring intensity of pain
EP19812464.6A EP3804610A4 (en) 2018-05-29 2019-05-29 PAIN INTENSITY MEASUREMENT METHOD
JP2020566645A JP7237094B2 (ja) 2018-05-29 2019-05-29 痛みの強度を測定する方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0061200 2018-05-29
KR1020180061200A KR102027368B1 (ko) 2018-05-29 2018-05-29 통증의 강도를 측정하는 방법

Publications (1)

Publication Number Publication Date
WO2019231238A1 true WO2019231238A1 (ko) 2019-12-05

Family

ID=68207576

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/006449 Ceased WO2019231238A1 (ko) 2018-05-29 2019-05-29 통증의 강도를 측정하는 방법

Country Status (6)

Country Link
US (1) US20210210167A1 (ko)
EP (1) EP3804610A4 (ko)
JP (1) JP7237094B2 (ko)
KR (1) KR102027368B1 (ko)
CN (1) CN112384128B (ko)
WO (1) WO2019231238A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102344378B1 (ko) * 2019-12-23 2021-12-29 주식회사 뉴로그린 딥러닝 모델을 이용한 통증 평가 방법 및 분석 장치
WO2021132813A1 (ko) 2019-12-23 2021-07-01 경희대학교 산학협력단 딥러닝 모델을 이용한 통증 평가 방법 및 분석 장치
KR102589997B1 (ko) * 2020-09-15 2023-10-17 성균관대학교산학협력단 지속적 통증의 뇌 연결성 표지자 및 이를 이용한 지속적 통증의 진단 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6907280B2 (en) * 1999-12-02 2005-06-14 The General Hospital Corporation Method and apparatus for objectively measuring pain, pain treatment and other related techniques
JP2009544341A (ja) * 2006-06-08 2009-12-17 ウォーソー・オーソペディック・インコーポレーテッド 神経根障害を伴う、または伴わない軸性疼痛のマーカーを検出するための装置および方法
JP5642536B2 (ja) * 2007-04-05 2014-12-17 ニューヨーク ユニバーシティー 痛み検出の装置、方法、及び痛み定量指数の算定
KR101579496B1 (ko) * 2014-07-03 2015-12-23 한국과학기술연구원 ｍＧlｕＲ5의 표식용 방사성 조성물
US20160054409A1 (en) * 2013-04-09 2016-02-25 Tor WAGER Fmri-based neurologic signature of physical pain

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6018675A (en) * 1998-05-22 2000-01-25 The Research Foundation Of State University Of New York Assembly and method for objectively measuring pain in a subject
NZ510743A (en) * 1998-10-02 2003-10-31 Novartis Ag mGluR5 antagonists for the treatment of pain and anxiety
CA2403974A1 (en) * 2000-03-30 2001-10-11 Lino R. Becerra Method and apparatus for objectively measuring pain, pain treatment and other related techniques
WO2009085968A1 (en) * 2007-12-19 2009-07-09 Great Lakes Biosciences, Llc Brain-related chronic pain disorder diagnosis and assessment method
SI1942106T1 (sl) * 2003-08-01 2012-01-31 Euro Celtique Sa Terapevtska sredstva, uporabna za zdravljenje bolečine
AR058807A1 (es) * 2005-09-29 2008-02-27 Astrazeneca Ab 5-(fenilisoxazoletoxi)-triazol-3-il piridinas sustituidas, para el tratamiento de trastornos mediados por el receptor mglur5
WO2009042729A1 (en) * 2007-09-24 2009-04-02 The Johns Hopkins University Modulation of mglur signaling and methods of use in neurological and psychiatric diseases
EP2552302B1 (en) * 2010-03-30 2020-07-01 The Children's Research Institute Apparatus and method for human algometry
AU2013333984B2 (en) * 2012-10-18 2017-03-09 F. Hoffmann-La Roche Ag Ethynyl derivatives as modulators of mGluR5 receptor activity
US20150025334A1 (en) * 2014-09-09 2015-01-22 Lakshya JAIN Method and system for monitoring pain of patients
JP6249432B2 (ja) * 2015-02-24 2017-12-20 国立大学法人大阪大学 痛み測定装置および痛み測定システム
WO2016196761A1 (en) * 2015-06-03 2016-12-08 Boston Scientific Neuromodulation Corporation System and methods for pain assesment
KR101817202B1 (ko) 2015-11-30 2018-01-10 (주)엘리텍메디컬 통증 측정기 및 통증 측정 방법
US10881322B2 (en) * 2016-08-25 2021-01-05 The Regents Of The University Of Colorado, A Body Corporate Neurophysiological signatures for fibromyalgia

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6907280B2 (en) * 1999-12-02 2005-06-14 The General Hospital Corporation Method and apparatus for objectively measuring pain, pain treatment and other related techniques
JP2009544341A (ja) * 2006-06-08 2009-12-17 ウォーソー・オーソペディック・インコーポレーテッド 神経根障害を伴う、または伴わない軸性疼痛のマーカーを検出するための装置および方法
JP5642536B2 (ja) * 2007-04-05 2014-12-17 ニューヨーク ユニバーシティー 痛み検出の装置、方法、及び痛み定量指数の算定
US20160054409A1 (en) * 2013-04-09 2016-02-25 Tor WAGER Fmri-based neurologic signature of physical pain
KR101579496B1 (ko) * 2014-07-03 2015-12-23 한국과학기술연구원 ｍＧlｕＲ5의 표식용 방사성 조성물

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3804610A4 *

Also Published As

Publication number Publication date
CN112384128B (zh) 2025-06-03
CN112384128A (zh) 2021-02-19
KR102027368B1 (ko) 2019-10-01
EP3804610A4 (en) 2022-03-09
JP7237094B2 (ja) 2023-03-10
US20210210167A1 (en) 2021-07-08
EP3804610A1 (en) 2021-04-14
JP2021526046A (ja) 2021-09-30

Similar Documents

Publication Publication Date Title
Weiss et al. Human olfaction without apparent olfactory bulbs
US8634614B2 (en) System and method for volumetric analysis of medical images
Klaus et al. The spatiotemporal organization of the striatum encodes action space
Khedher et al. Early diagnosis of Alzheimer׳ s disease based on partial least squares, principal component analysis and support vector machine using segmented MRI images
Vickery et al. Chimpanzee brain morphometry utilizing standardized MRI preprocessing and macroanatomical annotations
Eickhoff et al. Testing anatomically specified hypotheses in functional imaging using cytoarchitectonic maps
NL1024869C2 (nl) Werkwijze en systeem voor het meten van voor ziekte relevante weefselveranderingen.
Thesen et al. Detection of epileptogenic cortical malformations with surface-based MRI morphometry
Miskin et al. Prefrontal lobe structural integrity and trail making test, part B: converging findings from surface-based cortical thickness and voxel-based lesion symptom analyses
Cigdem et al. Effects of different covariates and contrasts on classification of Parkinson's disease using structural MRI
Pagani et al. Structural covariance networks in the mouse brain
US20110077503A1 (en) Automatic MRI Quantification of Structural Body Abnormalities
Willette et al. Prognostic classification of mild cognitive impairment and Alzheimer׳ s disease: MRI independent component analysis
US20080069446A1 (en) ROI-based assessment of abnormality using transformation invariant features
Tudorascu et al. The use of Centiloids for applying [11C] PiB classification cutoffs across region-of-interest delineation methods
Amoroso et al. Alzheimer’s disease diagnosis based on the hippocampal unified multi-atlas network (HUMAN) algorithm
JP7237094B2 (ja) 痛みの強度を測定する方法
EP1771113A2 (en) Automated detection of alzheimer's disease by statistical analysis with positron emission tomography images
CN114847922B (zh) 一种基于纤维束自动识别的脑年龄预测方法
US12544025B2 (en) Determining a biological tissue structural marker for diagnosis of a disease
Bourgeois et al. A toolbox for spatiotemporal analysis of voltage-sensitive dye imaging data in brain slices
Akkermans et al. Identification of pre-synaptic density networks using [11C] UCB-J PET imaging and ICA in mice
Centracchio et al. Efficient automated localization of ECoG electrodes in CT images via shape analysis
Hayes et al. Comparison of manual and semi-automated segmentation methods to evaluate hippocampus volume in APP and PS1 transgenic mice obtained via in vivo magnetic resonance imaging
Tyson et al. Tools for accurate post hoc determination of marker location within whole-brain microscopy images

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19812464

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020566645

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019812464

Country of ref document: EP

Effective date: 20210111

WWG Wipo information: grant in national office

Ref document number: 201980041354.1

Country of ref document: CN