북미 방사선 학회(Radiological Society of North America)의 연구원들이 경도인지 장애 환자의 건강한 뇌 노화 궤적에서 편차를 정량화 할 수 있는 인공지능(AI) 기반 뇌 연령 예측 모델을 개발했다.  

이 연구는 지난 6월 Radiology: Artificial Intelligence에 게재되었다.

인지 장애의 조기 발견 

연구원들에 따르면, 이 모델은 인지 장애의 조기 발견을 돕는 데 사용될 수 있다.

정상 노화에서 알츠하이머병으로의 이행 단계인 기억상실 경도인지장애(aMCI)로 고통받는 개인은 나이와 교육에 비해 정상보다 더 심각한 기억력 결핍을 가지고 있다. 그러나 일상적인 기능에 영향을 미칠 정도로 심각하지는 않다.

이 연구에는 다른 동료들과 함께 중국 베이징에 있는 Beijing Normal University의 인지 신경 과학 및 학습 국가 핵심 연구소의 Ni Shu 박사가 참여했다.

팀은 49.3세에서 95.4세 사이의 건강한 성인 974명의 T1 강조 MR 이미지를 기반으로 하는 뇌 연령 예측 모델을 훈련하기 위해 머신러닝 접근 방식을 활용했다.

그런 다음 훈련된 모델을 적용하여 Beijing Aging Brain Rejuvenation Initiative의 데이터 세트에서 MCI 환자의 예상 연령 차이를 추정했다.

여기에는 616명의 건강한 대조군과 80명의 aMCI 환자가 포함되었고, 알츠하이머병 신경영상 이니셔티브에는 589명의 건강한 대조군과 144명의 aMCI 환자가 포함되었다.

이 외에도 연구팀은 예측된 연령 차이와 인지 장애, 유전적 위험 요인, 알츠하이머병의 병리학적 바이오마커 및 aMCI 환자의 임상 진행 사이의 연관성을 조사했다.

연구 결과 

연구 결과는 MCI 환자가 일반적인 정상적인 노화 궤적과 다른 뇌 노화 궤적을 가지고 있음을 보여주었다. 제안된 뇌 나이 예측 모델은 이 정상 궤도에서 개인의 편차를 정량화 할 수 있다.

연구팀은 또한 예측된 연령 차이가 기억력, 주의력 및 실행 기능과 같은 영역에서 MCI 환자의 개별 인지 장애와 강력하게 연관되어 있음을 발견했다.

"우리가 생성한 예측 모델은 MRI 스캔의 모양만을 기반으로 건강한 참가자의 시간 순 연령을 추정하는 데 매우 정확했다."고 논문은 설명했다. "반면, aMCI의 경우 모델은 환자의 실제 연령보다 평균 2.7세 이상 더 오래된 뇌 연령을 추정했다."

이 모델은 또한 진행성 MCI 환자가 안정적인 MCI 환자보다 전형적인 정상 노화로부터 더 많은 편차를 겪는다는 것을 보여주었다. 예측 연령 차이 점수 및 알츠하이머에 대한 바이오마커와 같은 도구를 사용하여 MCI의 진행을 더 잘 예측할 수 있다.

예측된 연령 차이를 알츠하이머병에 대한 다른 바이오마커와 결합함으로써 진행성 aMCI와 안정한 AMCI를 정확하게 구별하는 최고의 성능을 얻을 수 있다.

"이 연구는 예측된 연령 차이가 인지 장애의 조기 진단 및 치료에 대한 반응 모니터링을 위한 강력하고 신뢰할 수 있으며 컴퓨터화 된 바이오마커가 될 가능성이 있음을 나타낸다."라고 저자는 말했다.