"심근경색 후 줄기세포 치료, 심부전 위험 절반 이하로 낮춰"

이란 연구팀 "관상동맥 줄기세포 치료, 심부전 예방 보조 시술로 활용 가능"

  심근경색(heart attack) 발생 후 3~7일 안에 표준치료와 함께 줄기세포를 관상동맥에 주입하는 치료를 하면 심부전 발생 및 관련 입원 위험을 절반 이하로 낮출 수 있다는 연구 결과가 나왔다.

 이란 시라즈의대 아르민 아타르 교수팀은 3일 의학 학술지 브리티시 메디컬 저널(BMJ)에서 첫 번째 심근경색을 겪은 396명을 대조군(표준치료)과 중재군(표준치료+줄기세포)으로 나눠 진행한 임상 시험에서 이런 결과를 얻었다고 밝혔다.

 연구팀은 이 결과는 심근경색 후 심장 기능이 약해진 환자군에게 관상동맥에 줄기세포를 주입하는 치료가 심부전 발생을 예방하고 향후 부작용 위험을 줄이기 위한 보조 시술이 될 수 있음을 시사한다고 말했다.

 연구팀은 최근 연구는 줄기세포 치료가 심근경색 후 심부전 발생률을 줄일 있음을 시사하지만, 이런 효과를 확증하기 위해서는 임상시험이 필요하다고 말했다.

 이들은 이란 내 3개 대학병원에서 심장 질환 병력 없이 첫 번째 심근경색(myocardial infarction)을 겪은 396명(평균 연령 59.2세)을 대조군(260명)과 중재군(136명)으로 나눠 3상 임상시험을 했다.   참가자들은 심근경색으로 심근 손상이 광범위하게 발생, 심장 기능이 약화한 상태였다.

 대조군은 막힌 관상동맥을 뚫어 혈류를 회복시키는 응급 관상동맥중재술(PCI), 약물 치료, 생활습관 교정 등 표준치료를 받았고, 중재군은 표준치료에 더해 심근경색 3~7일 내 탯줄에서 얻은 타가 왓턴 젤리 중간엽줄기세포(WJ-MSCs)를 카테터를 통해 관상동맥에 주입하는 치료를 받았다.

 치료 후 연령, 성별, 흡연 여부, 비만, 혈압, 기존 질환 등을 고려해 평균 33개월간 심부전 발생률과 그로 인한 재입원율, 심혈관 사망 또는 심근경색·심부전으로 인한 재입원율 등을 추적 관찰했다.

 그 결과 중재군과 대조군은 심부전 발생률이 100인년당(person-years: 1인년은 한 사람을 1년간 관찰한 값) 각각 2.77건과 6.48건, 심부전으로 인한 재입원율은 0.92건과 4.20건, 심혈관 사망 또는 심근경색·심부전으로 인한 재입원율은 2.8건과 7.16건으로 큰 차이를 보였다.

 연구팀은 이는 심부전 발생 위험이 약 57%, 심부전으로 인한 재입원 위험은 약 78%, 심혈관 사망 또는 심근경색·심부전으로 인한 재입원 위험은 약 61% 감소한 것이라며 중재군의 심장 기능도 6개월 시점에서 유의미하게 개선됐다고 설명했다.

 그러나 중재군과 대조군은 심근경색으로 인한 재입원율(100인년당 1.23 대 3.06건), 모든 원인 사망률(1.81 대 1.66건), 심혈관 사망률(0.91 대 1.33건)에서는 유의한 차이를 보이지 않았다.

 연구팀은 "이 결과 줄기세포 관상동맥 치료가 심근경색 후 심부전 발생과 부작용 위험 예방을 위한 보조 시술로 활용될 수 있음을 시사한다"고 말했다.

 이어 "이 연구는 심부전 바이오마커 측정이나 줄기세포 치료가 심장조직에 미치는 생리학적 효과 측정 등을 하지 못한 한계가 있다"며 "이 결과 확인을 위한 추가 임상시험과 중간엽줄기세포 치료 기전을 규명하고 임상 적용 최적화를 위한 추가 연구가 필요하다"고 덧붙였다.

 ◆ 출처 : BMJ, Armin Attar et al., 'Prevention of acute myocardial infarction induced heart failure by intracoronary infusion of mesenchymal stem cells: phase 3 randomised clinical trial (PREVENT-TAHA8)', https://www.bmj.com/content/391/bmj-2024-083382


의료.병원,한방

더보기

학회.학술.건강

더보기

메디칼산업

더보기
생기원, 근로자의 작업 영상 통해 근육 피로도 예측하는 AI 개발
한국생산기술연구원은 근로자의 작업 영상을 분석해 근육 부하를 예측할 수 있는 인공지능(AI) 기술을 개발했다고 3일 밝혔다. 산업 현장에서 반복적인 동작과 무거운 하중을 다루는 작업은 작업자의 근육 피로와 근골격계 질환 위험을 높인다. 근육 부하를 측정해 피로가 쌓이는 것을 막기 위한 기술이 요구되지만 기존 근전도 센서는 장시간 착용하기 불편하고 땀 배출 등 문제로 현장에서 활용하기 어려웠다. 생기원 태현철 수석연구원 연구팀은 작업 영상을 분석해 최대 근력 대비 현재 사용 비율을 계산할 수 있는 '영상 기반 근활성도 추정 시스템'을 개발했다. 우선 작업자의 주요 근육 부위에 근전도 센서를 부착한 뒤 집기·운반·들기 등 산업현장에서 빈번하게 수행되는 5가지 대표 동작을 반복 수행하는 실험을 진행했다. 이를 영상으로 촬영한 뒤 영상 속 인체 움직임을 3차원 뼈대 데이터로 변환, 영상 기반 근전도 추정을 위한 학습 데이터를 확보했다. 연구팀은 영상에서 추출한 시각 정보와 3차원 뼈대 움직임, 피험자의 신체 특성을 동시에 학습시켜 사람의 신체 특성과 작업 조건에 따른 근육 부하 차이까지 정밀하게 분석할 수 있는 AI 모델 을 개발했다. 작업 동작이 시간에 따라 변하