 |
ADHD는 발병 여부를 결정할 수 있는 명확한 생물학적 근거가 없으며 객관적인 측정방법도 아직 확립되지 않았기 때문에 진단이 매우 까다로웠다.
연구팀이 개발한 프로그램은 47명의 ADHD, 47명의 정상군의 fMRI, DTI 등 다양한 뇌 영상에서 방대한 데이터를 확보했다. 이후 축적된 데이터를 기계학습해 해당 뇌가 ADHD 환자의 뇌인지 정상인의 뇌인지 가려낸다. 개발된 모델은 85% 이상의 진단을 알맞게 분류할 정도로 높은 정확도를 보였으며, 새로운 환자군 데이터에서도 유사한 수행 능력을 보였다.
프로그램이 주목한 것은 뇌의 몇몇 중요 부위에 발생한 손상. ADHD 환자의 뇌는 중요 자극을 선별하는 네트워크과 반응 억제를 담당하는 전전두엽에 구조적인 결함이 뚜렷이 존재했다. ADHD에서 흔히 관찰되는 부주의, 과잉행동-충동성 증상 또한 위의 구조적 뇌 네트워크 결함으로 설명할 수 있는 것으로 밝혀졌다.
김붕년 교수는 “이번 연구에서 뇌영상 빅데이터를 활용해 정상적으로 발달하는 아이와 ADHD 환아를 구별할 수 있게 됐다”며, “다양한 뇌 구조 및 기능영상은 AI 기반 플랫폼을 통해, 향후 ADHD 행동의 원인을 완벽히 설명할 수 있는 근거가 될 수 있기에 잠재력이 무궁무진하다”고 밝혔다.
한편, 이번 연구는 ‘뇌 영상과 행동(Brain Imaging & Behavior)’ 최근호에 게재됐다.
김용희 기자 medical_hub@hanmail.net
<저작권자 © 헬스미디어, 무단 전재 및 재배포 금지>
고대안산병원 안과 엄영섭 교수, ‘국내 최초’ 인공수정체 도수 새 계산법 개발
