배경: 주관적 인지 저하(SCD)는 알츠하이머병의 전임상 단계로 인지되어 왔다. 그러나 초기의 기능적 뇌 변화의 식별은 여전히 어렵다. 본 연구는 종단 EEG를 사용하여 SCD에서의 기능적 뇌 변화를 조사하고, 해석 가능한 기계학습 프레임워크를 통해 EEG 특징이 아밀로이드 부담 및 인지 저하를 식별하기 위한 확장 가능한 바이오마커로서의 가능성을 평가하고자 하였다. 방법: 다기관 전향적 코호트( CoSCo 연구 )에 등록된 SCD 대상자 120명을 기초선과 2년 추적조사에서 분석하였다. 참가자는 아밀로이드 양성(A + SCD) 또는 아밀로이드 음성(A - SCD)으로 분류하였다. 스펙트럼 파워 및 그래프 이론 기반 네트워크 분석을 수행하였다. 또한 두 집단을 구분하기 위해 기계학습 분류기를 학습하고, SHAP을 사용하여 분류기의 예측을 해석하였다. 결과: 기초선과 추적조사 모두에서 A + SCD 집단은 A - SCD 집단에 비해 저주파(델타 및 세타) 활동이 증가하고 알파 활동이 감소함을 보였다. EEG 기반 분류기는 고성능으로 A + SCD를 A - SCD 개체로부터 구분하였으며, 인구통계학적 자료에 기반한 분류기를 능가하였다. SHAP 분석 결과는 선택된 EEG 특징들의 중요성과 상대적 기여도를 확인하였다. 결론: 해석 가능한 기계학습과 결합한 종단 EEG는 전임상 AD에서 아밀로이드 병리와 관련된 뇌 기능적 변화의 탐지 및 추적이 가능할 수 있다. 본 연구는 명백한 인지 손상이 나타나기 전에 위험 계층화를 위한 비침습적이고 확장 가능하며 민감한 바이오마커로서의 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.