배경: 기능적 근적외선 분광법(functional near-infrared spectroscopy, fNIRS)은 인지 능력을 살펴보고 양극성 장애(bipolar disorder, BD)의 진단을 지원하는 데 점차 더 많이 사용되고 있다. 적용이 확대됨에도 불구하고 BD에서의 기능적 연결성(functional connectivity)에 관한 연구는 제한적이며, 과제 유발 기능적 연결성은 충분히 탐구되지 않았다. 본 연구는 fNIRS로부터 유도된 기능적 연결성을 기반으로 BD 환자와 건강 대조군(healthy controls, HCs)을 구분하는 것을 목적으로 한다. 방법: 우리는 안정 상태(resting state)와 두 가지 인지 과제 동안, BD 환자 50명과 HCs 50명의 fNIRS 데이터를 분석하였다. 두 과제에는 언어 유창성 검사(verbal fluency test, VFT)와 스트룹 색-단어 검사(Stroop)가 포함되었다. 기능적 연결성은 일치도(coherence) 및 상관(correlation) 평가를 사용해 정량화하였고, 국소 효율(local efficiency), 전역 효율(global efficiency), 전역 클러스터링 계수(global clustering coefficient), 평균 근접 중심성(average closeness centrality)과 같은 네 가지 네트워크 특성을 추출하였다. 유의미한 네트워크 연결을 강조하기 위해 상위 10 %에서 50 %까지를 필터링하는 임계값(thresholding) 방법을 적용하였다. 집단 간 차이는 허위 발견률(false discovery rate)로 보정한 t-검정을 사용하여 평가하였다. 결과: = 0.578)로 HCs에 비해 유의한 차이를 보였다. VFT 동안 일치도 기반 네트워크 지표를 이용한 k-최근접 이웃(k-nearest neighbor, KNN) 분류기는 정확도 0.818, 정밀도 0.819, 재현율 0.824, F1-score 0.817로 가장 높은 분류 성능을 나타냈다. 결론: 본 연구의 결과는 과제 유발 기능적 연결성, 특히 VFT 동안 도출된 일치도(coherence) 기반 지표가 BD 환자와 HCs를 구분하는 뚜렷한 기능적 연결성 양상을 반영함을 시사한다. 이러한 결과는 인지 과제 조건 하에서 네트워크 기반 접근법이 BD와 관련된 기능적 연결성 변화의 특성화에 유용함을 뒷받침한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.