서론: 내후각피질(entorhinal cortex, EC)은 알츠하이머병(AD)에서 가장 이른 시기에 영향을 받는 피질 영역 중 하나이며, 자기공명영상(MRI) 바이오마커의 핵심 표적 역할을 한다. 그러나 Desikan-Killiany atlas에 기반한 기존의 분할 파이프라인은 EC와 인접한 주위내후각피질(perirhinal cortex)을 명확히 구분하지 못하여 혼합 라벨이 발생하고 진단 민감도가 저하된다. 방법: 이러한 해부학적 모호성을 해결하기 위해, 우리는 전문가가 안내하는 해부학적 보정과 딥러닝을 결합한 정교화된 EC 분할 프레임워크를 개발하였다. FreeSurfer로부터 얻은 EC 라벨은, 기능적으로 EC와 구별되는 해부학적으로 부적합한 영역 및 전방 주위내후각피질 연장을 제거하는 방식으로 수동 정제를 수행하였다. 이후 이러한 전문가 보정 라벨을 알츠하이머병 신경영상 이니셔티브 1(Alzheimer’s Disease Neuroimaging Initiative 1, ADNI1) MRI 데이터에 대해 no-new-Net(nnU-Net) 모델을 학습하는 데 사용함으로써, 개인과 스캐너 전반에 걸쳐 해부학적으로 정밀한 EC 경계를 가능하게 하고 확장성을 확보하였다. 결과: 정교화된 EC 분할은 해부학적으로 타당한 경계를 보존하였으며, 인지적으로 정상인 집단, 경도인지장애(mild cognitive impairment, MCI) 집단, AD 집단 간의 군집 간 구분이 더 뚜렷함을 보여주었다. 이를 체적 분석 및 분류 분석에 통합했을 때, 초기 신경퇴행에 대한 보다 구체적인 영상 바이오마커를 제공하고 진단 단계 간의 판별을 개선하였다. 외부 검증은 또한 데이터셋 전반에서의 신뢰할 수 있는 일반화를 추가로 확인하였다. 논의: 본 연구의 결과는 해부학적으로 정밀하고 전문가가 반영한 EC 구획이, 초기 AD 진단을 위한 MRI 기반 바이오마커의 민감도를 향상시킨다는 점을 보여준다. 제안된 프레임워크는 임상 증상이 명확히 나타나기 전에 선행하는 미세한 피질 변화를 연구하는 데 있어 실용적이며 재현 가능한 접근법을 제공한다.

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