연구 영역
기본 정보
논문·특허
과제
구성원
Article|
인용수 2
·2025
Exploring Functional Connectivity in Attention Deficit/Hyperactivity Disorder: A Functional Near-Infrared Spectroscopy Study With Machine Learning Analysis
Seonhee Lim, Suh-Yeon Dong, Roger S. McIntyre, Soon Kiat Chiang, Raymond H. Ho
IEEE Journal of Biomedical and Health Informatics
초록

기능적 근적외선 분광법(functional near-infrared spectroscopy, fNIRS)은 주의력결핍/과잉행동장애(attention deficit/hyperactivity disorder, ADHD) 연구에서 잠재력이 있는 것으로 보고되었으나, 아직은 주요 진단 도구로 널리 사용되지는 않는다. 대부분의 선행연구가 아동과 휴식 상태에 초점을 맞춘 반면, 성인 ADHD에 대한 연구, 특히 과제 상태 조건에서의 연구는 증가하고 있으나 아동을 대상으로 한 연구에 비해서는 여전히 제한적이다. ADHD는 인지적 어려움과 뇌 활동의 변화와 관련되어 있으므로, 과제 동안의 기능적 연결성을 조사하는 것은 신경학적 특성을 더 잘 이해하는 데 도움이 될 수 있다. 본 연구에서는 과제 상태 조건에서 건강한 대조군과 비교함으로써 ADHD 성인 환자에서 기능적 연결성을 조사하고자 하였다. 우리는 75명의 건강한 대조군과 75명의 약물 비복용(medication-naïve) ADHD 대상자로 구성된 fNIRS 데이터셋을 사용하였다. 기능적 연결성의 네트워크 특성은 언어 유창성 과제(verbal fluency task) 동안 비교하였으며, 밀도(density), 전역 클러스터링 계수(global clustering coefficient), 효율(efficiency), 평균 매개중심성(average betweenness centrality)에 특히 초점을 맞추었다. 두 군 간 통계 분석 결과, 밀도에서 통계적으로 유의한 차이가 관찰되었다(density: p<0.001, t = 5.39, η2 = 0.443). 또한 기능적 연결성 지표의 두 군 분류 가능성을 평가하기 위해 다양한 머신러닝 분류기를 사용하였다. 선형 서포트 벡터 머신(linear support vector machine)은 5종의 서로 다른 분류기 중 가장 높은 성능을 보였으며, 정확도 0.800, 정밀도 0.800, 재현율 0.808, F1-score 0.799를 나타냈다. 결론적으로, 본 연구의 결과는 두 군 간에 구별되는 기능적 연결성 양상을 보여주며, fNIRS로부터 도출된 기능적 연결성 지표가 ADHD의 바이오마커로서 잠재력을 가질 수 있음을 시사한다.

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

키워드
Functional near-infrared spectroscopyAttention deficit hyperactivity disorderFunctional connectivityComputer scienceCognitive psychologyArtificial intelligencePsychologyMachine learningNeurosciencePsychiatry
타입
Article
IF / 인용수
- / 2
게재 연도
2025