이 연구 주제는 알츠하이머병과 경도인지장애를 포함한 퇴행성 뇌질환을 조기에 진단하고 예후를 예측하기 위해 핵의학 영상기법을 활용하는 데 초점을 둔다. 연구실은 특히 아밀로이드 PET을 중심으로 뇌 내 병리 단백질 침착을 시각화하고, 이를 임상 증상 및 신경심리검사 결과와 연결하여 질환의 병태생리를 정밀하게 이해하고자 한다. 단순한 영상 판독을 넘어 정량적 지표를 확보함으로써 치매의 전임상 단계와 진행 위험을 더 민감하게 포착하는 것이 중요한 목표이다. 구체적으로는 18F-florbetaben, 18F-florapronol, 18F-FDG 등 다양한 PET 영상 데이터를 이용해 SUVR, BAPL score, 영역별 섭취율과 같은 지표를 분석하고, 경도인지장애 환자에서 아밀로이드 양성 여부와 임상 하위유형의 관련성을 탐색한다. 또한 후대상피질, 측두엽 등 특정 뇌영역의 병변 분포와 인지기능 저하 사이의 상관관계를 평가하여, 단순 진단뿐 아니라 알츠하이머병 전환 가능성을 예측하는 영상 바이오마커를 개발한다. 이러한 접근은 환자군의 이질성을 줄이고 맞춤형 추적관찰 전략을 세우는 데 기여한다. 이 연구의 의의는 치매 진단을 보다 객관적이고 정량적인 체계로 전환하는 데 있다. 조기 단계에서 아밀로이드 축적과 대사 변화를 파악하면 임상적 개입 시점을 앞당길 수 있고, 장기적으로는 치료 반응 평가와 임상시험 대상자 선별에도 활용될 수 있다. 나아가 핵의학 영상을 기반으로 한 뇌질환 진단 플랫폼은 고령화 사회에서 증가하는 치매 부담을 줄이는 핵심 도구로 발전할 가능성이 크다.

이 연구 주제는 핵의학 뇌영상을 인공지능으로 분석하여 치매와 기타 퇴행성 뇌질환을 자동 분류하고, 그 결과를 임상의가 신뢰할 수 있도록 설명가능한 형태로 제시하는 데 중점을 둔다. 연구실은 전통적인 영상 판독의 주관성과 시간 소모 문제를 해결하기 위해 합성곱 신경망, 시계열 모델, 기계학습 분류기 등을 적용하고 있으며, 뇌영상 데이터의 정량성과 재현성을 높이는 방향으로 연구를 발전시켜 왔다. 특히 알츠하이머병, 경도인지장애, 정상 대조군의 분류 정확도를 높이는 것이 핵심 목표이다. 연구 방법 측면에서는 CNN, SVM, LSTM, 유전알고리즘 기반 최적화, class activation map, layer-wise relevance propagation 등 다양한 인공지능 기법이 활용된다. 단층촬영 영상의 전처리, 두개골 제거, 관심영역 추출, 아틀라스 기반 분할, 정규화 및 특징 추출 과정을 체계화하여 모델의 성능을 향상시키고, 특허로 이어진 딥러닝 기반 PET 영상 분류 장치와 시계열 기반 분석 장치도 이러한 연구 흐름을 보여준다. 또한 설명가능 AI 기법을 통해 모델이 어떤 뇌영역을 근거로 분류했는지 시각화함으로써 의료현장에서의 해석 가능성을 높이고 있다. 이 연구는 의료 인공지능의 실제 임상 적용성을 강화한다는 점에서 큰 의미가 있다. 설명가능한 자동 분류 기술은 치매 영상 판독 지원 시스템, 진단 보조 소프트웨어, 임상 의사결정 지원도구로 확장될 수 있으며, 방대한 PET 데이터의 표준화된 활용을 가능하게 한다. 궁극적으로는 핵의학 전문의의 경험을 보조하는 수준을 넘어, 질환 조기 발견과 예후 예측을 위한 정밀의료 플랫폼 구축으로 이어질 수 있다.

이 연구 주제는 아밀로이드 PET의 조기 위상 영상이 뇌 관류나 포도당 대사 영상을 대체하거나 보완할 수 있는 가능성에 주목한다. 기존의 지연 위상 영상이 아밀로이드 침착을 반영한다면, 조기 위상 영상은 혈류 및 기능적 대사와 연관된 정보를 제공할 수 있어 하나의 검사에서 복합적인 생리 정보를 얻을 수 있다는 장점이 있다. 연구실은 이러한 이중 위상 PET의 잠재력을 활용하여 보다 효율적이고 경제적인 치매 영상검사 전략을 구축하고자 한다. 이를 위해 조기 위상 18F-florbetaben 영상과 18F-FDG 영상 간의 상관성을 비교하고, 최적의 획득 시간 구간과 SUVR 절단값을 산출하는 연구를 수행한다. 또한 composite mean SUVR, 영역별 SUVR, 시각 판독과 반정량 분석의 비교를 통해 실제 임상에서 적용 가능한 기준값을 제시하고 있다. 이러한 정량화 연구는 판독자 간 차이를 줄이고, 애매한 영상 결과를 보다 일관되게 해석하는 데 도움을 준다. 조기 위상 PET의 정량화 기술은 검사 시간 단축, 환자 편의성 향상, 비용 절감 측면에서도 매우 중요하다. 동시에 동일한 영상 데이터에서 병리 단백질 정보와 기능적 정보를 함께 얻을 수 있다면 진단 효율은 크게 높아진다. 향후 이 연구는 다기관 표준화, 대규모 코호트 검증, 임상 의사결정 알고리즘과의 통합을 통해 차세대 치매 영상 바이오마커 체계로 발전할 가능성이 높다.