목적: 경도인지장애(mild cognitive impairment, MCI) 환자가 치매로 진행하는 시점을 정확히 예측하는 일은 매우 도전적인 과제이다. 본 연구의 목적은 MCI 환자에서 개인 수준의 장기 추적에 따른 향후 인지 저하와 자기공명영상(magnetic resonance imaging, MRI) 지표의 변화를 정확하게 예측할 수 있는 예측형 딥러닝 모델을 개발하는 것이다. 방법: 삼성의료원에서 인지검사, 뇌 MRI 검사, 아밀로이드-β(amyloid-β, Aβ) 양전자방출단층촬영(positron emission tomography, PET) 검사를 시행한 657명의 기억상실형 MCI 환자를 모집하였다. 본 연구에서는 순환 신경망(recurrent neural network, RNN)에서 주의(attention) 메커니즘을 활용하는 새로운 딥러닝 아키텍처를 설계하였다. 연령, 성별, 교육 수준, 아포지단백 E(apolipoprotein E) 유전자형, 신경심리검사 점수, 뇌 MRI 및 아밀로이드 PET의 특징을 입력으로 하여 예측 모델을 학습하였다. 제안된 네트워크를 사용하여 MCI 대상자의 인지 결과와 MRI 특징을 예측하였다. 결과: 제안된 예측 모델은 5-겹 교차검증에서 양호한 예측 성능(AUC = 0.814 ± 0.035)을 보였으며, 시간 경과에 따른 인지 저하 및 MRI 지표에 대해서도 신뢰할 만한 예측력을 나타냈다. Aβ(+) 환자에서는 Aβ(-) 환자에 비해 더 빠른 인지 저하와 더 큰 영역에서의 뇌 위축이 예측되었다. 결론: 본 방법은 특정 기간 내 개인의 질병 진행을 예측하는 데 효과적이고 정확한 수단을 제공한다. 이 모델은 MCI 환자에서 시간 경과에 따른 향후 인지 저하 및 MRI 지표 변화를 예측함으로써, 빠른 인지 저하 위험이 더 높은 대상자를 임상의가 식별하는 데 도움을 줄 수 있다. 향후 연구에서는 임상 의사결정의 질 향상을 위해 제안된 예측 모델을 추가로 검증하고 정교화해야 한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.