배경: 알츠하이머병(AD)은 전 세계 5,000만 명 이상에 영향을 미치는 가장 흔한 신경퇴행성 질환 중 하나이다. 그러나 대부분의 AD 진단은 중기에서 후기 단계에서 이루어지며, 이는 치료의 최적 시기가 이미 지나갔음을 의미한다. 경도인지장애(MCI)는 인지적으로 정상인 사람과 AD 환자 사이의 중간 단계이다. 따라서 MCI가 AD로 전환되는 과정에서의 정확한 예측은 환자가 질병의 진행을 늦추기 위한 예방적 중재를 시작할 수 있게 할 수 있다. 현재 신경영상 기술이 개발되어 AD 관련 구조적 바이오마커를 규명하는 데 활용되고 있다. 딥러닝 접근법은 바이오마커를 찾기 위해 이러한 기술에 적용되는 핵심 방법론으로 빠르게 자리 잡았다. 방법: 본 연구에서는 구조적 자기공명영상(sMRI)을 대상으로 Vision Transformers(ViT)를 활용한 MCI-AD 예측 방법을 조사하고자 하였다. MCI 대상자 598명을 포함하는 알츠하이머병 신경영상 이니셔티브(ADNI) 데이터베이스를 사용하여 MCI 대상자의 AD로의 진행을 예측하였다. 본 연구의 주요 목표는 (i) MCI의 AD 진행 분류를 위한 MRI 기반 Vision Transformers 접근법을 제안하는 것, (ii) 가장 권고되는 구조를 얻기 위해 서로 다른 ViT 아키텍처의 성능을 평가하는 것, (iii) 딥러닝 접근법이 MCI 진행 예측에 영향을 가장 많이 미치는 뇌 영역을 시각화하는 것이다. 결과: 우리의 방법은 정확도(83.27%), 특이도(85.07%), 민감도(81.48%) 측면에서 일련의 기존 방법과 비교하여 최신 수준의 분류 성능을 달성하였다. 이어서 제안된 모델의 해석 가능성을 위해 MCI 진행 예측에 가장 크게 기여하는 뇌 영역을 시각화하였다. 판별력이 있는 병리학적 위치에는 시상, 내측 전두엽, 후두엽이 포함되었으며, 이는 모델의 신뢰성을 뒷받침한다. 결론: 결론적으로, 본 연구의 방법은 MCI의 AD 전환을 예측하기 위한 효과적이고 정확한 기법을 제공한다. 본 연구에서 얻은 결과는 ADNI 수집 자료를 사용한 기존 보고들을 능가하며, sMRI 기반 ViT가 AD 환자 관리에 있어 상당한 잠재적 이점을 지니고 효율적으로 적용될 수 있음을 시사한다. 예측에 가장 크게 기여하는 뇌 영역은 확인된 해부학적 특징과 함께, 향후 다른 신경퇴행성 질환을 위한 견고한 솔루션 구축을 뒷받침할 것이다.