초록 배경 주관적 인지 저하(SCD)는 알츠하이머병의 전임상 단계로 인지되어 왔다. 그러나 초기 기능적 뇌 변화의 식별은 여전히 어렵다. 본 연구는 종단 EEG를 이용하여 SCD에서의 기능적 뇌 변화를 조사하고, 해석 가능한 기계학습 프레임워크를 통해 EEG 특징이 아밀로이드 부담 및 인지 저하를 식별하기 위한 확장 가능한 바이오마커로서의 가능성을 평가하였다. 방법 우리는 다기관 전향적 코호트( CoSCo 연구 )에 등록된 SCD 대상자 120명을 기저 시점과 2년 추적 후 분석하였다. 참여자는 아밀로이드 양성(A + SCD) 또는 아밀로이드 음성(A − SCD)으로 분류하였다. 스펙트럼 파워 및 그래프 이론 기반 네트워크 분석을 수행하였다. 또한 기계학습 분류기를 훈련하여 군 간 구분을 수행하고, SHAP을 사용하여 분류기의 예측을 해석하였다. 결과 기저 시점과 추적 시점 모두에서 A + SCD 군은 A − SCD 군에 비해 저주파(델타 및 세타) 활동이 증가하고 알파 활동이 감소한 양상을 보였다. EEG 기반 분류기는 높은 성능으로 A + SCD를 A − SCD 개인과 구분하였으며, 인구통계학적 자료에 기반한 분류기를 능가하였다. SHAP 분석 결과는 선택된 EEG 특징의 중요성과 상대적 기여도를 확인하였다. 결론 해석 가능한 기계학습과 결합한 종단 EEG는 전임상 AD에서 아밀로이드 병리와 관련된 뇌의 기능적 변화를 감지하고 추적할 수 있다. 본 연구 결과는 뚜렷한 인지 손상이 나타나기 전, 위험 계층화를 위한 비침습적이고 확장 가능하며 민감한 바이오마커로서 EEG의 가능성을 지지한다. 시험 등록 본 연구는 임상연구정보서비스(CRIS) (cris.nih.go.kr/cris; # KCT0003397, 등록일: 2018년 12월 21일)에 등록되었다.

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