목적: 주의력결핍 과잉행동장애(ADHD)는 아동과 성인에서 흔히 나타나는 신경발달장애로, 인지적·정서적 자기조절 결함을 특징으로 한다. 이전의 기능적 근적외선 분광법(fNIRS) 연구에서는 인지적 유연성 과제 동안 여러 뇌 영역에서 ADHD 아동과 건강 대조군 간에 유의한 집단 차이가 있음을 보고하였다. 본 연구의 목적은 과제 기반 fNIRS 데이터를 사용하여 약물 비사용(naive) ADHD 환자와 건강 대조군(HC) 집단을 식별하기 위해 기계학습 접근법을 적용하는 것이다. 방법: 스트룹 과제 동안 33명의 ADHD 아동과 39명의 HC로부터 얻은 fNIRS 신호를 분석하였다. 또한 정규화 선형 판별분석(RLDA)을 사용하여 건강 대조군으로부터 ADHD 개인을 식별하였고, 분류 성능을 평가하였다. 결과: 참여자들은 RLDA의 leave-one-out 교차검증에서 올바르게 분류되었으며, 민감도 0.67, 특이도 0.93, 정확도 0.82를 보였다. 결론: fNIRS 데이터만을 사용한 RLDA는 ADHD 아동과 HC를 효과적으로 구별할 수 있다. 본 연구는 ADHD 아동에서 fNIRS 신호가 진단 바이오마커로서 잠재적 유용성을 가질 수 있음을 시사한다.

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