뇌 정맥 내 BCI 삽입 로봇 내비게이션

요약

출처: arXiv cs.RO · 2026년 10월 3일 공개

연구진은 뇌 정맥 시스템에서 혈관 내 뇌-컴퓨터 인터페이스(BCI) 접근을 위한 첫 in vitro 자율 로봇 내비게이션을 시연했습니다. 혈관 내 BCI는 개두술(두개골 절개 수술)을 피할 수 있지만, 해부학적으로 변이가 큰 뇌 정맥을 통해 정밀하게 장치를 전달해야 합니다. 이 시스템은 Soft Actor-Critic(SAC) 컨트롤러, 즉 강화 학습 알고리즘의 일종,을 두 가지 연속 작업을 위해 시뮬레이션(in silico)에서 학습시켰습니다. 작업은 우측 내경정맥에서 상부 정맥동까지를 포함합니다.

학습에는 하나의 해부학 구조에 대한 기하학적 증강이 사용되었습니다. 평가는 1,000회 시뮬레이션 에피소드와 20회 물리적 실행(작업-해부학 조건당 5회 형광조영술 유도 in vitro 로봇 실행)으로 구성되었습니다. 학습 해부학 구조에서 작업 A와 B의 in silico 성공률은 각각 85.6%와 98.4%였으며, 해부학적으로 보지 못한 홀드아웃 모델에서는 42.0%와 91.6%로 하락했습니다. 20회 물리적 실행 중 14회가 성공하여 전체 성공률 70%를 기록했으며, 홀드아웃 팬텀에서 작업 B의 성공률은 80%였습니다. 작업 순환 예측기는 시뮬레이션에서 실패의 99.3-100.0%를 0.8-6.7%의 오경보율로 감지했습니다.

의의

혈관 내 BCI는 전통적인 이식형 뇌-컴퓨터 인터페이스의 덜 침습적인 대안입니다. 그러나 뇌 정맥 시스템 내비게이션은 해부학적 변이와 정밀한 장치 배치의 필요성으로 인해 도전적입니다. 이 연구는 확립된 강화 학습 접근법을 새로운 의료 맥락에 적용했으며, 온라인 실패 예측을 통합하여 자율 의료 로봇의 핵심 우려 사항인 인간 감독을 위한 안전 계층을 추가했습니다.

로봇의 해석

첫 in vitro 시연으로서 70%의 전체 물리적 성공률은 유망하지만, 홀드아웃 해부학 구조에서 작업 A의 in silico 성공률 하락(85.6%에서 42.0%로)은 상당한 해부학적 일반화 도전을 보여줍니다. 성공적인 in vitro 실행 중 실패 예측기의 보정 감소는 시뮬레이션에서 실체로의 이전(sim-to-real transfer) 문제를 시사합니다. 전임상 전환 전에 해부학적 일반화와 시뮬레이션-실체 보정을 개선하는 것이 중요할 것입니다. 이 연구는 강력한 첫 단계이지만, 시뮬레이션과 물리적 성능 사이의 격차는 여전히 주요 장벽입니다.