'기저핵 포함 피질 하 구조-자폐 심각도' 연관 있음 확인
천근아 교수 "환자 개별화 맞춤 진단과 예후 예측 첫걸음"
논문, 'IEEE 엑세스 온라인판'에 게재
[보건타임즈] 뇌 영상 빅데이터를 활용한 딥러닝(Deep Learning)으로 자폐 스펙트럼 장애(ASD)의 증상과 심각도를 예측할 수 있다는 것이 확인됐다.(*그림 딥러닝을 이용, 자폐 환자 MRI 영상 분석)
이로써 인공지능이 ASD 환자들 진단과 예후에 따른 맞춤형 치료에 크게 도움이 될 것으로 기대되고 있다.
세브란스병원 소아정신과 천근아 교수(연세자폐증연구소장)와 KAIST 바이오-뇌공학과 이상완 교수(신경과학-인공지능 융합연구센터장) 연구팀은 ASD의 뇌영상 빅데이터를 활용해 자폐의 증상과 예후를 예측할 수 있다며 이같이 28일 밝혔다.
이를 다룬 연구논문은 ASD 아동들의 뇌 영상 빅데이터를 이용한 국내 최초의 AI 연구성과로, 인정받았으며 Exploring the structural and strategic bases of autism spectrum disorders with deep learning이란 제목으로 국제전기전자기술자협회(IEEE)가 발행하는 저널인 IEEE 엑세스(Access) 온라인판에 게재됐다.
ASD는 뇌 발달 장애의 하나로 사회적 의사소통의 결함과 제한된 관심사와 반복적으로 하는 행동이 대표적인 특징이다.
올해 미국 CDC(미국질병통제예방센터)의 통계자료에 따르면 ASD의 유병률은 54명당 1명으로 매년 증가하는 추세다.
국내 유병률도 약 2% 내외이다.
자폐 스펙트럼 장애는 아동의 행동 관찰과 상담, 정신질환 진단분류 매뉴얼(DSM-5)을 근거로 진단한다.
하지만 환자 개인차가 심해 자폐의 정확한 진단이 어려울뿐더러 예후를 예측하기가 힘들다.
천근아·이상완 교수 연구팀은 세브란스병원에 구축된 3~11세 ASD 환자 84건의 MRI 빅데이터와 국제컨소시엄으로 구축된 1000여 건의 자폐증 환자 MRI 빅데이터를 활용해 MRI 영상으로 자폐의 진단과 예후를 예측할 수 있는 딥러닝 모델을 개발했다.
연구팀은 공간 변경 네트워크(Spartial Transformer Network, STN)와 3D 컨볼루션 신경망(CNN convolutional neural network)을 활용한 모델을 구축, MRI 빅데이터를 학습시켰다.
이를 통해 구축된 모델에 클래스 활성화 매핑(class activation mapping) 기법을 적용, 형태학적인 특징을 추출해 이를 뇌 영상에 투영시키는 방식으로 분석했다.
더 나아가 인자 간의 관계 분석을 위해 강화학습 모델의 일종인 회귀형 주의집중 모델(recurrent attention model)을 학습시켰다.
이 결과 뇌의 기저핵을 포함한 피질 하 구조가 자폐 심각도와 연관이 있음을 확인했다.
이에 천근아 교수는 "자폐스펙트럼장애를 진단함에서 뇌 영상 자료는 아직 의사들 사이에서 활용가치가 높지 않다는 인식이 보편적이지만 이번 연구를 통해 자폐의 하위 증상과 심각도 사이에 뇌 영상에서 차이가 있다는 것을 확인했다"며 "이 연구는 다양한 임상표현형과 심각도를 지닌 자폐증 환자들에게 개별 맞춤 진단과 예후 예측에 의미를 가진다"고 말했다.
이상완 교수는 "진료 현장에서 자폐를 진단, 연구하는데 구조적 연관 후보를 제공할 수 있게 됐다"며 "이 연구 결과로 자폐 진단뿐만 아니라 앞으로 의사나 이 분야에 종사하는 전문가들이 인공지능을 활용해 복잡한 질병을 이해하는 것은 물론 더 많이 활용할 수 있게 될 것"이라고 기대했다.
기사최종편집일: 2024-04-26 22:33:08
다음기사 : 
