KISTI의 과학향기

연구자들이 알츠하이머병(Alzheimer's disease)과 경도 인지 장애(mild cognitive impairment)를 진단하는 정확도를 향상시키기 위해서 다수의 구조적인 특징들을 이용하는 개인의 뇌 네트워크를 만드는 새로운 방법을 개발했다. 그 개인 네트워크는 건강한 대조군 참여자들로부터 알츠하이머병이나 경도 인지 장애를 가진 환자들을 96퍼센트 정확하게 분류해냈다. 이것은 현재 임상 평가의 정확도와 비슷한 수준이다.

 

다수의 구조적인 뇌의 특성을 통합하는 것이 그 방법의 중요한 특징이다. 알츠하이머병과 경도 인지 장애의 병리학은 뇌 조직의 점진적인 악화, 즉 위축(atrophy)를 특징으로 한다. 뇌를 매우 상호작용이 높은 체계라는 것을 고려한다면, 뇌의 한 부분의 위축이 뇌의 다른 구조와 상당한 연관성을 가질 수도 있다. 그러나, 이 현상을 조사하는 것은 방법의 한계로 인해서 대부분의 연구에서 종종 생략되곤 했다.

 

그 연구자들은 피질의 두께와 뇌 부피를 포함하는, 그 질병의 가장 큰 변화의 측정값과 뇌 표면적과 같이 보통 네트워크 모형에 통합되지 않았던 보다 미묘한 성질들을 포함하는, 여섯 종류의 형태학적인 특징들을 기반으로 하는 모형을 만들었다. 그들이 그 방법을 시험한 집단은 165명의 건강한 참여자, 221명의 경도 인지 장애를 가진 참여자, 그리고 142명의 알츠하이머병 환자를 포함했다.

 

그 방법이 대조군으로부터 환자들을 분류하는데 높은 성과를 증명해 보였지만, 알츠하이머병과 경도 인지 장애 환자들 사이에서 분류하는데는 덜 성공적이었다. 그 분류 정확도는 약 70퍼센트였다. 경도 인지 장애는 알츠하이머병으로 가는 과도적 단계로 여겨지는데, 이때 환자들은 기억하는데 어려움을 겪지만, 여전히 정상적인 전반적 인지 기능을 가진다. 경도 인지 장애를 가지는 많은 환자들이 궁극적으로 알츠하이머병으로 진행되지만, 어떤 환자가 알츠하이머병으로 진전될지를 정확하게 알아낼 방법은 현재 없다.

 

그들은 그 새로운 방법을 경도 인지 장애로부터 알츠하이머병으로 변한 환자와 그렇지 않은 환자를 구분하는데 적용했는데, 그 방법은 65퍼센트의 정확도로 이러한 질병 진행을 예측했다.

 

그 방법의 높은 성과를 고려할 때, 그것은 뇌 영상화를 기반으로 해서 알츠하이머병과 경도 인지 장애의 자동-진단을 향상시키기 위해서 임상에서 유용할 수 있을 것이다.