분당서울대병원(원장 백롱민)은 김기웅 정신건강의학과 교수팀이 자기공명영상(MRI) 복합 질감 지표를 이용할 경우 경도인지장애에서 알츠하미어병으로 전환되는 환자를 예측할 수 있다고 1일 밝혔다.
알츠하미머병 진단은 뇌 MRI 영상검사 상 위축 여부를 관찰한다. 경과에 따라 뇌 용적이 줄어들고 모양이 변형되며 대뇌피질 두께가 얇아진다. 이 같은 뇌 구조적 변화는 치매 증상 발현된 후 뚜렷해져 조기 진단은 한계가 있다.
김기웅 교수팀은 MRI에서 관찰되는 영상신호 강도의 공간적 분포도가 뇌 용적, 모양, 두께 변형보다 신경세포 소실, 변화를 조기에 반영할 것이라는 가정을 세웠다. 공간적 분포를 '질감'이라는 지표로 산출하고, 용적 변화에 비해 알츠하미어병을 더 조기에 감별할 수 있는지 살펴봤다. 특히 알츠하이머병 초기 단계부터 변화를 보이는 뇌 해마, 설전부, 후측 대상피질로부터 부위별 질감 수치를 추출해 아우르는 '복합 질감 지표'를 새롭게 개발했다.
연구팀은 '알츠하이머병 신경영상 이니셔티브2(ADNI2)' 데이터베이스를 이용해 비질환자 121명, 알츠하이머병 환자 145명으로 구성된 데이터셋과 △3년 간 경도인지장애 상태를 유지한 환자 113명 △기저평가 1~3년 후 알츠하이머병으로 전환한 환자 40명 △평가 1년 이내 알츠하이머병으로 전환한 말기 경도인지장애 환자 41명으로 구성된 검증용 데이터셋을 만들었다. 곡선하면적(AUC) 수치를 이용해 각 지표의 알츠하이머병 예측력을 비교 분석했다.
복면 질감 지표는 알츠하미어병 대표적 뇌영상 지표로 이용됐던 해마 용적에 비해 더 정확하고 빠르게 알츠하이머병 발병을 예측했다. 초기 경도인지장애 단계에서 용적 변화와 비교해 예측 정확도 차이가 컸다. 연구 시작 후 3년 간 경도인지장애 상태를 유지한 환자와 1~3년 내 알츠하이머병으로 전환한 초기 경도 인지장애 환자 데이터를 분석했을 때 복합 질감 지표 곡선하면적은 0.817로, 해마 용적 지표 0.726보다 우수한 예측력을 보였다.
김기웅 교수는 “가까운 미래에는 뇌 MRI 영상 빅데이터를 기반으로 뇌 용적, 모양, 피질 두께와 질감정보까지 심화 학습해 인공지능(AI)으로 알츠하이머병 조기 진단법이 발전할 것”이라고 말했다.
이번 연구결과는 국제학술지 'Journal of Psychiatry & Neuroscience' 최신호에 게재됐다.
정용철 의료/바이오 전문기자 jungyc@etnews.com
