Ⅰ. 서 론

사람은 서있는 동안 예기치 않은 외부 동요에 대해 자세 반응(postural response)이라는 반사적 반응을 통해 낙상을 방지하고 균형을 유지한다(Nashner, 1977). 이러한 자세조절을 과학적으로 연구하기 위해 통제된 환경에서 균형을 무너뜨리는 대표적인 실험 방법으로 사람이 서 있는 플랫폼을 갑작스럽게 움직이는 지지면 이동 방식이 있다. 이때 나타나는 근육 활성 패턴을 근전도(electromyography, EMG)로 분석하면 중추신경계의 운동 체계에서 발생시키는 균형 회복 전략을 이해할 수 있게 된다(Horak & Nashner, 1986;Horak, 2006). 이러한 반응적 자세조절(reactive postural control)은 다양한 하지 및 체간 근육들의 공간적, 시간적 협응을 필요로 하며, 연구자들은 이를 체계적으로 분석하기 위해 다양한 실험 패러다임과 분석 기법을 사용해 왔다(Torres-Oviedo & Ting, 2007;Chvatal & Ting, 2013).

지지면 이동을 통한 반응적 자세조절에 관한 기초연구는 1980년대부터 본격적으로 진행되었다. 그 중 현재 가장 널리 알려진 지식으로써, Horak과 Nashner(1986)는 지지면의 크기와 이동 방향을 조작하는 방식을 통해 작은 신체 동요에 반응하는 발목 전략(ankle strategy)과 상대적으로 큰 흔들림에 대응하는 고관절 전략(hip strategy)으로 자세조절 유형을 분류하였다. 이후 Henry, Fung, & Horak(1998)은 360도에 걸쳐 여러 방향으로 움직이는 플랫폼 이동 장치를 통해 이동 방향에 따른 근육협응 반응 특성을 관찰하였다. 이후 기계학습 알고리즘의 개발로 단일 근육 중심의 분석을 넘어 전신 근육의 협응 패턴 분석이 가능하게 되면서, Torres-Oviedo와 Ting(2007)은 비음수행렬분해(non-negative matrix factorization, NMF)를 사용하여 다방향 플랫폼 이동 시 방향에 따라 특화된 근육 그룹의 동시활성 패턴을 관찰하였으며, 이를 근육시너지 가설을 통해 설명하였다. 근육시너지란 중추신경계가 복잡한 다관절 운동을 효율적으로 제어하기 위해 여러 근육을 하나의 기능적 단위로 묶어 동원하는 방식을 의미하며(Tresch, Saltiel, & Bizzi, 1999;d’Avella, Saltiel, & Bizzi, 2003), 이 개념은 자세조절 외에도 보행, 상지 동작 등 다양한 운동 과제에서도 적용되어 왔다(Ting & McKay, 2007). 이처럼 지난 40여 년 동안 지지면 이동 실험은 자세조절 연구의 핵심 패러다임으로 자리매김하였으며, 근육협응 분석 방법 역시 단일 근전도 관찰에서 기계학습 기반의 복잡한 동시활성 패턴 분석으로 발전하였다.

그러나 지지면 이동에 의한 반응적 자세조절 시 근육협응을 관찰한 연구들을 살펴보면, 동요 자극, 근전도 측정, 분석 방법 측면에서 연구 간 차이가 존재한다. 예를 들어, 플랫폼 이동 방향과 속도, 근전도 채널 수와 측정 부위, 신호 처리 방식, 분석 구간, 그리고 근육협응 분석 기법 등에서 연구마다 다른 파라메터를 설정하고 있다. 이동 거리는 1.2~38cm(Horak, Diener, & Nashner, 1989;Wang et al., 2021), 속도는 5~86cm/s(Wang et al., 2017;Wang et al., 2021)로 큰 편차를 보였으며, 근전도 채널 수(2~16개)와 저역통과필터 차단주파수(20~200Hz) 역시 다양하였다(Henry, Fung, & Horak, 1998;Torres-Oviedo & Ting, 2007;Martino, Beck, & Ting, 2023;Wang et al., 2017). 이러한 실험 설계와 분석 방법의 차이는 연구자의 목적에 따라 유연하게 변화를 줄 수 있지만, 각 파라메터 설정에 관한 이유와 명확한 근거 없이 임의로 실험을 설계하면 측정의 타당성에 문제를 발생시킬 수 있다. 또한, 다른 연구 결과와 비교에 있어 결과 해석에 오류를 가져올 수 있다.

이에 본 연구는 지지면 이동에 의한 반응적 자세조절 연구에서 사용된 실험 절차와 근전도 분석 방법을 체계적으로 분류하고 고찰하는 것을 목적으로 한다. 구체적으로, 선행 연구들의 지지면 동요 방식 설계, 근전도 측정 및 신호 처리 방법, 근육협응 분석 기법 유형을 정리하고, 이를 바탕으로 각 방법의 장점과 한계를 논의하고자 한다. 본 연구는 서술적 방법론 고찰(narrative methodological review)로서, 향후 자세조절 실험 계획에 있어 기초자료 활용에 의미를 두고 있다.

Ⅱ. 본 론

1. 문헌 선정

본 연구는 사람이 서 있는 플랫폼이 갑작스럽게 움직이는 지지면 이동 실험에서 근전도 측정을 통해 자세조절 관련 근육협응을 분석한 논문을 대상으로 하였다. PubMed와 구글 학술검색을 활용하여 ‘support surface translation’, ‘electromyography’, ‘standing’, ‘postural perturbation’, ‘muscle synergy’, ‘muscle co-activation’ 등의 키워드를 동일한 조합으로 검색하였다. 검색은 2026년 2월에 수행하였으며, 논문 출간 연도 구간이나 언어 제한은 별도로 설정하지 않았다. 검색 결과 총 118편의 관련 논문을 확인하였으며, 다음의 기준에 따라 최종 논문을 선정하였다.

먼저, 선정 기준은 (1) 선 자세에서 수행된 실험, (2) 지지면 이동을 통한 자세 동요 유발, (3) 표면 근전도 측정, (4) 근육 간 협응 또는 활성 패턴 분석을 포함하는 연구, (5) 인간 대상 학술 논문으로 설정하였다. 제외 기준으로는 (1) 동물을 대상으로 하는 연구, (2) 지지면 이동이 아닌 다른 신체 동요 실험, (3) 학위논문, 서적, 비실험논문, 포스터, (4) 근전도 미측정, (5) 신체 동요 유발이 없는 실험으로 설정하였다. 이와 같은 선정 기준에 따라 각 논문의 제목과 초록을 통한 1차 검토 후 2차 원문 확인을 거쳐 최종 20편의 논문이 본 고찰에 포함되었다(Table 1). 연구 설계는 동일 대상자에서 다양한 조건별 반응 차이를 관찰하는 횡단연구가 12편으로 가장 많았으며, 그룹 간 비교 연구 7편, 단일 그룹에서 중재 전후를 비교한 사전사후 비교 연구 1편으로 구성되었다.

2. 지지면 이동 설계: 방향, 거리, 속도

지지면 이동 실험의 첫 번째 핵심 요소는 신체 동요 자극의 물리적 파라미터이다. 본 고찰에 포함된 논문에서 사용된 동요 자극의 방향, 이동 거리, 속도를 Table 2에 정리하였다. 동요 방향은 크게 전후방 이동과 다방향 이동으로 구분된다. 전후방 이동은 Horak과 Nashner(1986)의 초기 연구부터 사용된 전통적 방식으로, 전방 또는 후방 중 한 방향으로 플랫폼이 이동하는 방법이다. 분석 논문 중 4편이 전방, 5편이 후방, 5편이 전방 및 후방 이동을 시행하였다. 측면을 포함한 다방향 이동을 시행한 논문은 6편이었다.

다방향 이동은 Henry, Fung, & Horak(1998)이 12방향 플랫폼 이동을 도입한 이후 Torres-Oviedo와 Ting(2007), Chvatal et al.(2011), Lang et al.(2019) 등의 연구에서 사용되었다. 다방향 실험은 각 근육이 어느 방향의 동요에 가장 민감하게 반응하는지, 즉 방향에 따른 반응 특성을 파악할 수 있는 장점을 지니고 있다. Henry, Fung, & Horak(1998)은 원위 근육일수록 특정 방향에 예민한 반면, 근위 근육은 여러 방향에서 반응한다고 보고하였다. 반면 전후방 이동은 실험 설계가 간단하여 시행에 용이하며, 대상자의 피로를 최소화한 상태에서 발목 전략과 고관절 전략의 시상면 움직임을 명확하게 관찰할 수 있는 이점이 있다.

이동 거리는 연구에 따라 1.2cm에서 38cm까지 폭넓은 범위를 보였다. Horak, Diener, & Nashner(1989)은 1.2cm부터 12cm까지 다양한 거리를 사용하여 예측 여부에 따른 반응 변화를 관찰하였고, Wang et al.(2021)은 38cm의 대규모 이동으로 반응적 스텝을 유발하였다. 이동 거리가 길수록 인체 무게중심에 변화를 주어 균형 위협이 심해지며, 발목 전략만으로 대응이 어려워 스텝핑 반응을 유발하는데 용이하다. 따라서 연구 목적이 발목 전략에 초점을 맞추는 것인지, 스텝핑 반응까지 포함하는 것인지에 따라 이동 거리를 다르게 설정해야 한다. 예를 들어, 이전 연구에서는 속도, 가속도, 지지면 면적이 동일한 조건에서 발목 전략 중심의 비스텝핑 반응을 관찰 시 약 5~15cm 범위의 이동 거리를 설정하였으며(Martino et al., 2023;Wang et al., 2016;Wang et al., 2019), 스텝핑 반응 유발 시 20cm 이상의 거리를 사용하였다(Wang et al., 2021). 그러나 이에 관한 명확한 실험적 근거가 없어 향후 이에 관한 추가 연구가 필요하다. 고관절 전략의 경우 특정 이동 거리에 관한 연구는 없지만, Horak과 Nashner(1986)의 연구에서 지지면의 앞뒤 거리를 9cm로 줄여 이를 의도적으로 유발시킬 수 있음을 보여주었다.

이동 속도 역시 연구마다 상이하였으며, 5cm/s에서 86cm/s까지 다양하였다. Welch와 Ting(2009)은 속도를 25~40cm/s 범위에서, 가속도는 0.1g~0.4g 범위로 체계적으로 변화시켜 자세 반응을 관찰하였다. 그 결과 최대 가속도가 초기 근활성의 크기에, 최대 속도가 중기 이후 근활성의 크기에 각각 선형적 영향을 미친다는 것을 보여주었다. 빠른 속도나 가속도는 더 큰 자세 위협을 초래하여 근활성 반응을 증폭시키지만, 지나치게 빠른 조건에서는 피험자의 안전 문제 발생과 공포심에 의한 인지 요인이 개입할 수 있다. 따라서 연구 목적에 맞는 적절한 속도 범위를 사전 파일럿 테스트를 통해 설정하는 것이 바람직하다.

동요 노출 반복 횟수와 물리적 자극 예측 가능성도 지지면 이동 실험 설계에서 고려해야 할 요소이다. Horak, Diener, & Nashner(1989)은 동일한 방향과 강도의 자극을 반복적으로 제시할 때 피험자가 자극을 예측하게 되어 근활성 패턴이 변화함을 보고하였다. 구체적으로, 동요 자극이 예측 가능할 때 중추신경계에서 자극 수준에 맞게 근활성 크기를 선행적으로 설정하는 현상이 나타나지만, 예측 불가능한 상황에서는 이러한 사전 설정 현상이 사라지고 근육 간 동시활성이 증가하였다. 이는 실험 설계 시 각 시도 간 방향 또는 시작 시간의 무작위화가 필요함을 시사한다. 또한 Asaka et al.(2011)은 연습 시행 횟수에 따른 근육 모드의 변화를 관찰하였으며, 지지면 동요 적응 효과를 배제하기 위한 사전 연습 시행의 필요성을 보여주었다. 해당 연구에서 5회 시도 이후부터 변동성이 감소하는 경향으로 볼 때, 5~10회의 연습 시행 후 데이터 수집을 시작하는 것이 안정적일 것으로 보인다.

플랫폼 장비의 물리적 특성도 결과에 영향을 줄 수 있다. 예를 들어, 지지면 크기와 표면 재질 등은 연구마다 다를 수 있다. 앞서 소개한대로 Horak과 Nashner(1986)는 지지면의 크기를 조작하여 발목 전략과 고관절 전략의 전환을 유도한 바 있으며, 이는 지지면 조건이 독립적인 실험 변수가 될 수 있음을 보여준다. Beck et al.(2023)은 자세 동요 시 외골격 로봇을 병행 사용하는 방식으로 기계적 보조를 인간의 근육 활성 반응에 적용하는 새로운 자세 동요 패러다임을 제시하였다. 이처럼 자세동요 장비의 물리적 특성 변화로 인하여 연구 결과의 재현성에 직접적인 영향을 미칠 수 있으나 아직 이에 관한 구체적인 연구는 부족한 실정으로, 향후 다양한 관련 연구를 통해 플랫폼 장비의 물리적 특성 변인과 설정 기준을 정립해야 할 것이다.

3. 근전도 측정 및 신호 처리 방법

근전도 측정은 자세조절 연구에서 근육 간 협응 패턴을 규명하기 위해 널리 활용되어 왔다. 본 고찰에 포함된 논문들의 근전도 측정 방법을 살펴보면, 측정 근육의 수와 부위, 편측 혹은 양측 부착 여부, 그리고 신호 처리 절차에서 연구마다 적지 않은 차이가 존재하였다(Table 3).

근전도 채널 수의 경우 2개에서 16개에 이르기까지 연구마다 편차가 컸다. 예를 들어, Martino, Beck, & Ting(2023)과 Beck et al.(2023)은 전경골근과 가자미근에 한정하여 2개의 채널에서 근전도 측정을 진행하였으며, 이는 발목 관절에서 주동근과 길항근 간의 동시활성화 양상을 집중적으로 관찰하려는 목적에서 진행되었다. 이와 달리 Torres-Oviedo와 Ting(2007), Chvatal et al.(2011)의 경우에는 전신의 근육협응 패턴을 파악하는 근육시너지 분석을 위해 체간부터 둔부, 대퇴, 하퇴에 이르는 광범위한 근육에 16개의 근전도 전극을 부착하여 광범위한 측정을 진행하였다. 본 연구에서 분석한 연구의 경우 지지면 이동에 의한 자세조절 시 근육협응 관찰에 있어 10개 근육이 중앙값에 해당하였다. 기존의 상관관계 검정과 같은 짝 비교 중심의 근육협응 분석에서는 측정 근육 수가 늘어날수록 조합의 수가 증가하여 어려움이 있었다. 그러나 최근 기계학습 알고리즘을 활용한 근육협응 분석은 이러한 제약에서 벗어나기 때문에 측정 근육 수 제약으로부터 벗어날 수 있게 되었다. 따라서 특정 관절에서 주동근과 길항근의 관계를 분석하는 설계를 제외하고, 전신 근육협응 연구에서는 많은 수의 측정 근육을 통해 운동신경계의 명령 체계를 이해하는데 도움을 줄 것으로 기대한다. 다만, 측정 근육이 늘어날수록 신호 간 중복, 노이즈 누적 위험이 증가하므로 연구의 분석 목적에 맞게 적절한 채널 수를 선택해야 할 것이다.

측정 부위 관련하여 분석 대상 연구 대부분은 하퇴부의 전경골근과 내측비복근을 공통적으로 측정하였다. 이들 근육은 각각 발목의 배측굴곡과 저측굴곡을 담당하며, 자세조절에서 발목 전략을 구성하는 핵심 근육에 해당한다. 한편, 일부 연구에서는 대퇴직근이나 대퇴이두근 같은 대퇴부 근육과 복직근, 척추기립근 등 체간 근육까지 측정 범위를 넓혀 고관절 전략과 코어 근육의 참여를 함께 살펴보기도 하였다. 이러한 근육들은 시상면을 중심으로 자세조절 전략을 이해하는 핵심 근육이라 할 수 있다. 아울러, 중둔근이나 대퇴근막장근과 같은 고관절 외전 근육은 다방향 지지면 이동을 적용한 연구에서 관상면의 신체 안정성 평가 시 핵심 근육으로 측정되었다(Torres-Oviedo & Ting, 2007;Chvatal et al., 2011). 근육 내 전극 부착 위치의 경우, 분석 논문 대다수는 해부학적 촉진에 기반하여 근복부(muscle belly)에 전극을 배치하는 방식을 사용하였다. 대다수 연구에서 구체적인 전극 배치 프로토콜을 명시하지 않았지만, SENIAM 가이드라인(Hermens et al., 2000)에서 제시하는 표준 전극 배치를 적용하여 구체적인 설명을 생략하였다.

측정 위치는 편측 측정이 대부분이었으나, Lang et al.(2019), McKay, Ting, & Hackney(2016), McKay et al.(2021), Pitts et al.(2025), Wang et al.(2021) 등은 양측 측정을 시행하였다. 양측 측정은 편마비 또는 한쪽 무릎 수술 환자와 같이 좌우 비대칭성 분석이 필요한 대상을 분석하거나 스텝핑 시 지지측과 비지지측 다리의 역할 구분에 필요하지만, 채널 수가 두 배로 증가하여 분석 대상 근육 수가 감소하는 단점이 있다. 편측 측정의 경우 우세측과 비우세측 사이에 명확한 기준이 없어 연구마다 다르게 시행하고 있다. 그러나 지지면의 시상면 이동 시 우세측과 비우세측 사이에 역할 차이가 존재할 수 있어 이와 관련한 추가 연구가 필요하다.

신호 처리 면에서는 대부분의 연구가 1kHz 이상의 샘플링 레이트(sampling rate)로 수집하고, 대역통과필터(bandpass filter)를 거친 후 전파정류(full-wave rectification)와 저역통과필터(low-pass filter)를 거쳐 근전도 분석 데이터 셋을 준비하였다. 저역통과필터의 차단주파수는 20Hz부터 200Hz까지 연구마다 달랐으며, 가장 자주 사용된 값은 40~50Hz였다. Henry, Fung, & Horak(1998)이 200Hz를 적용한 것은 예외적인 사례로, 신호의 고주파 성분까지 보존한 것으로 보인다. 저역통과필터 차단주파수가 낮을수록 신호는 부드럽게 평탄화되어 시각적 이해도를 높일 수 있지만, 과도하게 낮으면 근육활성 시작 시간이나 진폭에 왜곡이 발생할 수 있다. 반대로 차단주파수가 높을수록 신호의 해상도가 증가하지만, 과도하게 높으면 신호에 노이즈가 개입하고 복잡성이 증가하여 시각적 해석에 어려움이 발생한다. 따라서 문헌 간 결과 비교 시 사용한 필터의 종류나 차단주파수가 다를 경우 위와 같은 점에 주의할 필요가 있다.

근전도 진폭의 정규화(normalization)는 연구 간 비교 가능성을 좌우하는 중요한 요소이다(Burden, 2010). 분석 대상 논문에서는 최대 수의적 수축(maximum voluntary contraction, MVC), 실험 중 최대값(peak value), 기저선(baseline) 대비 백분율과 같은 방식이 사용되었다. MVC 정규화는 근육별 참여도 개념에서 절대적 값 자체에 의미를 부여할 수 있으며 개인 간 비교에 유리하지만, 노인이나 환자군에서 최대 수축을 유도하기 어려우며 피로가 개입될 여지가 높아 측정 근육 수가 많아질수록 시행에 한계가 있다(Burden, 2010). 반면 실험 중 최대값, 기준값, 기저선 기반 정규화는 별도의 MVC 측정 없이 동일 통제 조건에서 피험자간 비교가 가능하여 최근 전신 근육의 협응을 분석하는 연구에서 자주 사용되고 있다. 그러나 다른 실험 조건을 가진 연구와의 비교에 제약이 있는 단점이 있다. Torres-Oviedo와 Ting(2007)은 기존 근활성 개념에서 벗어나 근육협응 분석에 집중하여 근전도 신호 간 동시 증가 또는 감소 패턴에 주목하고, 채널간 동일한 가중치를 부여하기 위해 단위 분산(unit variance)으로 추가 정규화를 시행하는 방식을 시행하였다. 그러나 단위 분산 정규화로 도출된 값은 크거나 작다고 하여 근활성이 크고 작은 것을 의미하는 것이 아니므로, 이를 MVC와 같은 전통적 근전도 분석 시각으로 해석하는 오류에 주의해야 한다.

4. 근육협응 분석 기법의 유형과 특성

분석 대상 논문에서 사용된 근육협응 분석 기법은 크게 다섯가지 유형으로 구분할 수 있다. 첫번째는 기술적 분석(descriptive analysis)으로 각 근육의 활성 크기, 개시 시점(onset latency), 활성 지속 시간 등을 직접 비교하는 방법이다. 두번째는 주동근과 길항근의 근육활성 비율을 계산하여 동시활성 수준을 정량화하는 방법이다. 세번째는 협응 정량화(coordination quantification) 분석으로써 UCM(uncontrolled manifold) 분석(Scholz & Schöner, 1999)을 통해 근육 간 협응 수준을 수치화하는 방법이다. 넷째, 기계학습 기반 근육시너지 분석으로서, NMF(Lee & Seung, 1999)를 사용하여 다채널 근전도 데이터에서 소수의 협응 단위 또는 근육 그룹을 추출하는 방법이다. 마지막으로, 자세조절 시 중추신경계의 무게중심점 안정화라는 목적을 근육협응을 통해 해결하는 것을 설명하는 피드백 모델링 방법이다.

기술적 분석은 자세조절에 관한 근육협응을 다룬 연구에서 가장 전통적으로 사용되어 온 접근 방식이다. 보다 구체적으로 해당 분석을 적용한 연구를 살펴보면, Horak, Diener, & Nashner(1989)은 동요의 예측 가능 여부가 근활성 크기에 미치는 영향을 살펴보았다. 지지면 이동 강도가 순차적으로 증가하면 다음 자극 크기에 맞춰 근활성 수준을 조정하지만, 무작위로 섞여 예측이 어려울 경우 초기 반응에서 나타나던 동요-반응 간 근육 활성 크기 조절 현상이 소실된다고 보고하였다. Jacobs, Henry, & Nagle(2011)의 경우, 요통 환자군에서 동요 직후 초기 자동적 근육 반응의 출현 빈도가 줄어드는 반면 후기에 지속적인 근활성 증가가 관찰된다는 점을 확인하였다. 이처럼 기술적 분석은 특정 시점에 소수의 근육 간 활성 반응에 초점을 둔 연구에서 활용될 수 있으며, 분석 절차 및 해석이 상대적으로 단순하여 독자의 이해도를 높일 수 있는 방법이라 할 수 있지만, 여러 근육 사이에 발생하는 동시활성 패턴을 파악하는 데에는 제약이 있다.

기술적 분석의 주관적 모호성을 해결하기 위한 접근으로 주동근과 길항근의 동시활성 비율을 계산하는 방식이 있다. 정량적 분석의 예로, Lang et al.(2019)은 파킨슨병 환자를 대상으로 모든 지지면 이동에서 동시활성이 강하게 나타나는 것을 보여주었다. Martino, Beck, & Ting(2023)은 대상자에게 자발적으로 주동근과 길항근의 동시활성을 지시하였을 때, 활성 비율이 유지되지 않고 길항근의 활성이 감소하는 것을 확인하였다. 이 방식의 장점으로는 주동근과 길항근에 해당하는 2~4개의 근활성 데이터로부터 값을 산출하기 때문에 실험이 단순하며, 분석이 비교적 단순하기 때문에 비정상적 근육 동시활성 분석에 있어 임상적 접근성이 높다.

기술적 분석이나 주동근-길항근 동시활성 비율의 경우 다양한 신체 분절에서 발생하는 근육협응을 정량적으로 계산하는 데에 어려움이 있다. 자세조절 시 전신에 걸쳐 발생하는 근육협응의 정량화를 위해 Krishnamoorthy et al.(2003)은 주성분분석(principal component analysis, PCA)을 활용하여 동시활성화 하는 근육 그룹을 근육 모드(muscle mode, M-mode)로 정의하고, 해당 그룹 간 활성이 압력중심을 변화시키는 가변성과 그렇지 않은 가변성을 정량적으로 분석하였다. 이후 Asaka et al.(2011)과 Wang, Asaka, & Latash(2015)과 Wang, Watanabe, & Asaka(2016, 2017, 2019)이 수행한 후속 연구들로 이어졌다. PCA는 공분산 행렬에서 고유벡터를 도출하여 분산을 가장 크게 설명하는 축을 탐색하는 방법이다. 이들 연구에서는 PCA를 통해 도출한 M-mode에 UCM 분석을 접목하는 방식을 취하였는데, 이를 통해 인체 운동신경계가 압력중심점 같은 특정 과제 변수를 얼마나 일관되게 조절하는지 보여주는 협응 지수를 구할 수 있는 장점이 있다. Scholz와 Schöner(1999)가 고안한 이 접근법은 운동 변수 공간 내에서 과제 결과에 영향을 주지 않는 가변성, 즉 UCM 가변성과 동일 과제 수행에 변화를 가져오는 직교 가변성 간의 상대적 크기를 계산하여 근육협응이 얼마나 효율적으로 이루어지는지 제시하고 있다. 이 같은 분석은 시너지 간 상호작용 수준을 확인할 수 있다. 그러나 생리학적으로 음수가 존재하지 않는 근전도 데이터에서 PCA는 음수로 된 가중치가 도출되어 이를 해석하는 과정에 제약이 존재한다. 또한, 연구 대상 또는 수행 동작 간 근육협응 패턴의 공간적, 시간적 일반화에 어려움이 있다.

기계학습 기반 근육시너지 분석은 Torres-Oviedo와 Ting(2007)이 자세조절 연구에 NMF 알고리즘을 본격 도입하였으며, 이 기법은 근육협응 연구 분야에서 보편적으로 쓰이는 접근법으로 자리잡았다. NMF는 본래 Lee와 Seung(1999)이 고안한 데이터 차원 축소 알고리즘이며, 다채널 근전도 행렬을 비음수 조건 아래 두 하위 행렬의 곱으로 분해한다. 이를 통해 어떤 근육들이 동시에 활성화되는지를 나타내는 시너지 벡터와, 특정 조건에서 각 시너지가 어느 정도 동원되는지를 반영하는 활성 계수를 얻을 수 있다. 재활 및 운동과학 연구에서는 NMF에서 도출된 벡터와 활성 계수 관련 용어의 이질성을 상쇄하기 위해 이를 근육시너지 구조와 활성으로 개념화하여 사용하고 있다. 특히, 근전도 신호 자체가 본질적으로 음수를 갖지 않는다는 점은 NMF 알고리즘의 기본 전제와 근본적으로 잘 부합하며, 추출된 시너지를 생리학적 관점에서 비교적 직관적으로 해석할 수 있다는 점이 주요 강점으로 꼽힌다(Tresch, Cheung, & d’Avella, 2006). 실제로 Torres-Oviedo와 Ting(2007)은 16개 근육의 근전도로부터 5개의 시너지를 추출하고, 이 시너지들이 다양한 방향의 지지면 이동 조건에서 서로 다르게 조합되면서 본래의 근전도 패턴을 재현할 수 있음을 입증하였다. 이후 Chvatal et al.(2011)은 스텝핑 반응과 비스텝핑 반응을 비교하여 두 조건에 공통되는 4개의 시너지와 스텝핑에서만 나타나는 1개의 시너지를 구분해 냈고, 비교적 최근에는 Pitts et al.(2025)이 인지기능 저하를 보이는 노인 집단에서 시너지 수 자체가 줄어드는 현상을 보고하기도 하였다. 이처럼 NMF 분석은 근육협응 구조를 정량적이며 시각적으로 드러낼 수 있고, 시너지의 수나 구성 변화를 지표 삼아 집단 간 차이를 체계적으로 비교할 수 있다는 이점이 있다. 다만, 시너지 수를 결정하는 과정과 기준이 연구자마다 상이하고, 추출된 시너지가 실제로 어떤 생리학적, 생체역학적 기전을 반영하는지에 대한 해석에는 여전히 주관이 개입될 여지가 남아 있다.

자세조절에서 근전도 신호에서 근육협응 패턴을 관찰하는 것과 다르게 Welch와 Ting(2008, 2009)은 자세 조절 시 발생하는 움직임에서 근전도 신호를 예측하는 모델링을 시도한 연구도 있었다. 구체적으로, 지지면이동 강도에 변화를 주어 기계적 감각 피드백 수준을 변화시켰을 때, 근활성도 반응 패턴을 측정하고 이를 기반으로 역진자 모델을 통해 예측 모델을 제시하였다. 이 방법의 경우 모델 구조가 지지면 이동시 오직 발목 전략 수준에서 자세조절을 한다는 전제가 필요하며, 스텝핑 같은 복잡한 다른 동작에서는 적용이 어려운 한계가 있다고 볼 수 있다. 그럼에도 이들의 연구를 통해 결국 초기 근육협응이 신체 무게중심의 이동속도와 밀접한 관련이 있다는 것을 확인했다는 점에서 그 의미를 둘 수 있다.

5. 분석 구간 선택

지지면 이동 중 근육협응을 분석하는 시간 구간의 설정은 근전도 신호의 결과 해석에 직접적인 영향을 준다. 분석 대상 논문의 대부분은 자극 후 약 100ms 시점을 자동 자세반응(automatic postural response, APR)의 시작으로 간주하였다. 이는 100ms 이전의 반응이 주로 척수 수준의 신장반사에 해당하며(Horak & Macpherson, 1996), 100ms 이후부터 다근육협응을 포함하는 의미 있는 균형 회복 반응이 나타난다는 선행 연구에 기반한 것으로 보인다(Horak & Nashner, 1986).

그러나 각 연구의 분석 구간을 살펴보면, 모든 연구에서 100ms를 기준으로 하지 않았으며, 연구마다 상이하였다. 예를 들어, 단순하게 Henry, Fung, & Horak(1998)은 70-270ms로 설정하였으며, Lang 등(2019)은 지지면 이동 후 중간 구간으로 100~175ms를, 중장기 구간으로 70~450ms를 설정하였다. 이와 다르게, Horak, Diener, & Nashner(1989)은 0–75, 75–150, 150–500ms로 세부 구간을 나누었으며, Torres-Oviedo와 Ting(2007), Chvatal et al.(2011) 역시 구간1, 2, 3을 100–175, 175–250, 250–325 ms로 나누었다. 또 다른 연구에서는 근활성 시작 시간(onset time)을 기준으로 분석 구간을 설정하였다. Welch와 Ting(2009)은 근활성 시작 시간 후 150ms까지를 초기 반응(initial burst) 구간으로, 150-300ms를 후기 고원(plateau) 구간으로 설정하였으며, 이후 추가로 초기 반응과 후기 고원 구간을 반으로 나누어 데이터를 해석하였다. McKay, Ting, & Hackney(2016)은 근활성 시작 시간을 80-300ms 구간에서 찾고, 종료(offset) 시간은 근활성 시작 후 280ms 또는 지지면 이동 후 450ms에서 포착하였다. McKay et al.(2021)은 또한 정규화를 위해 최대 근활성 값을 지지면 이동 후 80-425ms 구간에서 검출하였다. 기저 구간을 명시한 연구의 경우, Asaka et al.(2011)은 기저 구간을 지지면 이동 전 -500~-475ms 구간으로 설정하고, 초기 반응 구간을 지지면 이동 후부터 75ms로, 전체 반응 구간은 200ms로 설정하였다. Martino, Beck, & Ting(2023)은 피드포워드 구간으로 동요 전 -75ms에서, 피드백 구간으로 75~150ms와 200~350ms 구간에 주목하였다.

초기 구간(100~200ms)은 주로 척수 및 뇌간 수준에서 생성되는 무의식적 자동반응의 특성을 반영하며, 250ms 이후부터는 대뇌피질의 개입이 커지면서 의식적 보정이 가능한 구간으로 간주된다(Safavynia & Ting, 2013). 근활성 시작 시간의 기저선 평균값으로부터 표준편차의 2~3배를 합하여 그 값을 근활성 역치로 설정하며(Hodges & Bui, 1996), 비교적 널리 활용되고 있다. 이처럼 향후 지속적인 연구를 통해 지지면 이동 시 자세조절에 관한 근전도의 분석 구간 역시 일관성 있게 설정하여 연구 간 원활한 비교가 될 수 있도록 해야 할 것이다.

6. 대상자 특성

분석 대상 논문에 참여한 대상자를 분석하였을 때, 건강한 젊은 성인이 가장 많았으며, 파킨슨병 환자(Lang et al., 2019;McKay et al., 2016, 2021), 만성 요통 환자(Jacobs et al., 2011), 노인(Wang et al., 2015, 2017, 2019, 2021; Pitts et al., 2025) 등 임상 집단을 대상으로 한 연구도 다수 포함되어 있었다. 지지면 이동에 관련 설정에 있어 노인이나 환자군을 대상으로 한 연구에서는 비교적 낮은 강도를 적용하였다. 예를 들어, Lang et al.(2019)과 McKay, Ting, & Hackney(2016), McKay et al.(2021)은 비교적 낮은 속도(15~25cm/s)와 작은 이동거리(7.5cm)를 적용하였다.

분석 방법에 있어 노인이나 환자 집단 또는 재활운동 중재 전후 주동근 대비 길항근의 동시활성에 변화가 발생할 가능성이 높기 때문에 이를 중점적으로 고려할 필요가 있다. 대표적으로 지지면 이동 시 자세조절에서 파킨슨병 환자는 강직으로 인한 길항근 활성이 증가한 것을 볼 수 있다(Lang et al., 2019). 재활운동 중재 전후를 비교한 경우 길항근 시작 및 활성 지속 시간에 변화가 발생한 것을 확인하였다(McKay et al., 2016). 향후 연구에서는 길항근 동시활성 변화는 무게중심이동과 같은 생체역학적 변인과 관련성이 높기 때문에 다양한 자세조절 변인과의 관계를 규명하는 시도를 고려해볼 필요가 있다.

이 외에도 근육협응 시 주동근의 활성 시작 시간 변화를 확인할 분석 방법에 주목할 필요가 있다. 예를 들어, Pitts et al.(2025)은 경도인지장애 노인에서 지지면 이동 시 기립 자세 유지를 위한 스텝핑에 실패하여 넘어지는 현상이 근육 활성 시작 시간 지연과 근육협응 단위 수 감소와 연관이 있음을 보고하였다. Wang, Watanabe, & Asaka(2017)은 노인에서 근육 그룹 간 상호작용이 저하되며, 근육협응 개시 시간이 지연되는 것을 확인하였다.

Ⅲ. 결 론

본 연구는 지지면 이동 시 대상자의 자세조절 특징을 관찰하는 실험 절차와 근전도 분석 방법을 조사하였으며, 이를 위해 1986년부터 2025년까지 발표된 20편의 논문을 선정하였다. 연구들을 검토한 결과, 지지면 이동의 방향, 강도와 함께 근전도 채널 수, 측정 근육, 신호 처리, 분석 구간, 근육협응 분석 방법에 있어 다양한 접근이 이루어진 것을 확인하였다. 본 연구에서는 각 연구의 다양한 접근을 체계적으로 정리하여 향후 지지면 이동을 이용한 반응적 자세조절 실험 설계 시 고려해야 할 점을 아래와 같이 정리하였다.

첫째, 연구 질문을 먼저 명확히 설정하고, 이에 맞는 지지면 이동 파라메터 설정과 분석 기법을 선택해야 한다. 발목 전략의 기전을 집중적으로 규명하고자 한다면 전후방 이동, 5~15cm 범위의 거리, 15~35cm/s 범위의 속도를 설계한 선행 연구를 참고할 수 있으며(Martino et al., 2023;Wang et al., 2016;Wang et al., 2019), 특정 연구 대상의 근육협응 반응에 관한 일반적 특징을 관찰하고자 한다면 8~12방향의 다방향 이동이 필요할 것으로 보인다. 또한, 스텝핑 반응까지 분석하려면 20cm 이상의 이동 거리를 고려해볼 수 있다(Wang et al., 2019).

둘째, 근전도 채널 수는 분석 목적에 따라 결정하도록 한다. 전신에 걸친 근육협응 분석의 경우 선행연구에서는 최소 8개 이상의 채널을 사용하였으며, 분석 목적에 따라 체간부터 하퇴까지 주요 관절의 근육을 선정하였다(Table 3). 지지면 이동 방향에 따라 근육 설정이 필요하며, 예를 들어 시상면의 경우 전경골근, 내측비복근(또는 가자미근), 대퇴직근, 대퇴이두근, 복직근, 척추기립근을 고려할 수 있으며, 외측광근, 반건양근, 중둔근 등을 추가할 수도 있다. 반면에 특정 관절의 길항근 동시활성에만 초점을 맞추는 경우에는 2~4채널로도 충분하다.

셋째, 근전도 신호 처리는 표본화율 1kHz 이상, 대역통과필터 20~450Hz, 정류(rectification) 후 저역통과필터 40~50Hz가 선행연구에서 주로 사용되었다(Table 2). 전극 부착 위치는 SENIAM 가이드라인(Hermens et al., 2000)을 따르면 연구 간 재현성을 높일 수 있다. 정규화 방법은 동일 피험자의 조건 간 비교 또는 동일 실험에서 대상자 간 근육시너지 비교 시 최대치 대비 근활성 비율이 자주 사용되었다. 전신 근육협응 분석이 아닌 특정 부위의 일반적인 근활성 연구의 경우에는 MVC 정규화가 적절하지만, 노인이나 환자 집단에서는 측정 신뢰성에 유의해야 한다.

넷째, 근육협응 분석은 연구자의 목적에 따라 기존 방법을 차용하거나 응용하여 진행하도록 한다. 본 연구에서는 지지면 이동 관련 20편의 연구에서 사용된 근육협응 분석 방식을 크게 기술적 분석, 주동근-길항근 근육활성 비율, 협응 정량화 분석, 근육시너지 분석, 피드백모델링으로 구분하여 소개하였다. 이처럼 근육협응 분석에 관한 유형과 각 접근 방식의 특징이 다양하기 때문에 근육협응에 관한 연구 계획을 수립할 때에는 각 기법의 장점과 한계를 이해하고 연구 목적에 부합하는 방법을 선택해야 할 것이다.

마지막으로, 분석 구간은 자극 후 100ms부터 시작하여 최소 350ms까지를 포함하되, 구간1(100~175ms), 구간2(175~250ms) 등의 하위 구간으로 세분하여 분석하면 다른 연구와의 비교가 용이하다. 근전도 개시 시점은 기저선 구간의 평균과 표준편차를 활용한 정량적 기준을 사용하는 것이 일반적이다. 하지만 정량적 기준에 따라 개시 시점을 계산하더라도 정확도가 낮을 수 있어 연구자가 직접 눈으로 근활성 시계열 데이터를 검증하는 것이 바람직하다.

본 연구는 몇 가지 제한점을 지니고 있다. 먼저, 실험 프로토콜과 분석 방법을 지지면 이동과 근전도 분석으로 제한하여 자세조절에 관한 다른 실험 프로토콜과 측정 방식은 고찰에서 제외되었다. 지지면 이동 외에도 지지면 기울임이나 체간 흔들림 유발 역시 자세조절 연구에 자주 사용하기 때문에 향후 비교 대상으로 확대할 필요가 있다. 그럼에도 지지면 이동 방식의 경우 기립 자세에서 미끄러짐을 모사하기 때문에 본 연구에서 선정한 논문의 결과들이 반응적 자세조절에 있어 일상생활에서 발생하는 낙상 메커니즘 설명에 근접할 수 있을 것이다. 특히, 신체 동요 기반 균형훈련에 따라 낙상 위험 감소를 보고한 연구들을 고려하였을 때(Mansfield et al., 2015;Gerards et al., 2017), 지지면 이동에 따른 자세조절 반응 연구는 일상생활에서 미끄러짐과 긴밀한 연관이 있다는 것으로 볼 수 있다.

근전도 분석에서 근육협응 및 스포츠 현장 적용에 있어 한계점 역시 존재한다. 먼저 대부분의 운동역학 연구에서는 표면근전도를 사용하지만, 해당 방식의 측정에 있어 심부 및 표재근육을 별도로 분리하는 것은 상당한 어려움이 있다. 이에 표면근전도를 사용하여 심부 근육과 표재 근육을 분리한 근육협응을 분석하는 것에 제한점이 존재한다. 또한, 신호처리의 경우 필터 종류와 차단주파수 범위에 따라 데이터가 변화하므로 이전 연구 결과를 이용한 간접 비교에 한계가 있어 변인 간 정확한 차이를 확인하기 위해서는 직접 비교가 필요하다. 스포츠 활동에 있어 신체 동요에 관한 반응적 자세조절 능력은 부상 예방과 경기력 향상에 필수 요인이다. 따라서 지지면 이동을 통한 자세조절 능력 평가는 스포츠 현장 기반 균형 훈련 프로그램에 기초자료로 활용될 필요가 있다. 그러나 스포츠 현장에 있어 활동의 다양성과 매우 다양한 내외적 환경 변인이 있으므로 지지면 이동만으로는 한계가 있으며 다양한 자세조절 상황을 재현할 필요가 있다.

결론적으로, 지지면 이동에 의한 반응적 자세조절 연구의 실험 방법에 있어 근전도 신호처리는 비교적 유사한 방식을 사용하였으나, 플랫폼 이동 절차나 근육협응 분석에 관한 표준화된 파라메터 설정이 없으며, 연구 목적에 따라 연구자가 다양하게 선택하는 것으로 나타났다. 따라서, 연구 계획 단계에서 각 선택에 따른 장점과 한계를 연구자가 명확하게 이해해야 할 필요가 있다. 본 연구를 통해 향후 지지면 이동 설계 시 지지면 이동, 근전도 측정, 근육협응 분석 기법 선정 등에 있어 도움이 될 것으로 기대한다.