최근 Nature Medicine에 발표된 연구에서 연구자들은 인공지능(AI) 기반의 'Surreal-GAN'이라는 심층 표현 학습 모델을 활용하여 노화된 뇌의 이질성을 조사함.
연구: 49,482명의 대규모 및 다양한 집단에서의 뇌 노화 패턴. 이미지 출처: Wirestock Creators / Shutterstock.com
노화의 신경학
노화된 인간의 뇌는 유전학, 개인의 생활 방식, 동반 질병의 존재에 따라 다양한 구조적 변화를 겪음. 이러한 뇌 노화의 이질성은 노화 관련 신경병리학적 과정에 영향을 미치는 요인에 의해 악화되거나 보호받을 수 있음.
알츠하이머병과 같은 신경퇴행성 질환의 전임상 단계에서 특정 뇌 영역의 초기 및 미세한 변화가 나타날 수 있음. 따라서 이러한 신경 해부학적 변화를 폭넓은 개인 집단에서 이해하는 것이 중요함.
전통적인 신경영상 연구는 노화와 질병이 뇌의 구조와 기능을 변화시키는 역할에 대한 중요한 통찰을 제공했지만, 일반적으로 평균 패턴에 초점을 맞추기 때문에 개인의 이질성을 다루는 데 한계가 있음.
기계 학습(ML) 접근법은 뇌 노화의 개인 수준 신경영상 바이오마커를 식별하는 데 성공적으로 사용되었지만, 이러한 방법은 종종 기본 이질성을 고려하지 않기 때문에 일반적인 패턴을 반영하는 바이오마커만 식별함.
연구 개요
현재 연구는 Surreal-GAN을 사용하여 뇌 노화 패턴을 분석함. 이 모델은 참조(REF) 집단에서 목표(TAR) 집단으로의 일대다 변환을 학습하여 이질적인 뇌 변화를 포착함. 이러한 데이터는 여러 차원에서 개인화된 뇌 변화의 심각성을 정량화하는 표현(R) 지수로 증류됨.
REF 그룹은 20세에서 49세 사이의 1,150명으로 구성되었고, TAR 그룹은 50세에서 97세 사이의 8,992명으로, 경미한 인지 장애(MCI) 또는 치매가 있는 사람들을 포함함.
모델의 재현성을 보장하기 위해 독립 훈련 세트와 성별에 따라 테스트함. 연구자들은 또한 R 지수를 인구 통계학적, 임상적, 신경인지적, 생활 방식 및 유전적 측정과 부분 상관관계를 통해 연관시킴.
만성 질병 연관성은 연령과 성별을 조정한 다중 선형 회귀 분석을 통해 탐색함. 예후 능력은 종단적 데이터에 대한 Cox 비례 위험 모델을 사용하여 평가함.
연구 결과
R1, R2, R3, R4, R5의 다섯 가지 뚜렷한 R 지수가 각각 피각하, 내측 측두엽, 두정-측두엽, 확산 피질 및 측두엽 위축을 나타냄. 이러한 지수는 연령 및 성별과 같은 인구 통계학적 변수와 MCI, 치매, 정신분열증 및 파킨슨병과 같은 여러 만성 질병과 유의미한 연관성을 보임.
R2, R3 및 R5는 알츠하이머병 바이오마커와 강한 상관관계를 보였으며, 특히 뇌척수액(CSF)-pTau181 및 CSF-Aβ42와 관련됨. R5는 알코올 섭취 및 흡연과 같은 다양한 만성 질병 및 생활 방식 요인과 연관됨.
기초 R 지수는 인지적으로 정상에서 MCI로, MCI에서 치매로의 질병 진행 및 사망 위험의 강력한 예측 인자임.
여러 유전적 위치가 이러한 R 지수와 연관되어 있으며, 일부는 이전에 임상적 특성과 연결되지 않았음. 따라서 R 지수는 뇌 노화의 이질성을 포착하고 신경퇴행성 질환의 진행 및 생활 방식과 유전적 요인이 뇌 건강에 미치는 영향을 이해하는 데 유용한 지표가 될 수 있음.
현재 연구는 뇌 노화 패턴 발견을 위한 광범위한 적용 가능성을 제공하는 향상된 Surreal-GAN 방법론을 사용하여 강화됨. 그러나 현재 연구의 주목할 만한 한계는 드문 병리 및 특정 질병의 과소 대표와 선택된 연령 기준이 REF 그룹의 일부 전임상 변화를 가릴 수 있다는 점임.
결론
연구자들은 뇌 노화의 신경 해부학적 이질성을 특성화하기 위해 Surreal-GAN이라는 5차원 표현 시스템을 개발함. Surreal-GAN은 뇌 위축 이질성을 해부하고 인구 통계학적, 병리학적, 생활 방식 요인 및 유전적 변이와의 연관성을 이해하는 데 새로운 도구를 제공함. 또한 Surreal-GAN은 개인화된 진단, 환자 관리 및 임상 시험의 정밀성과 효과성을 향상시킬 잠재력을 가짐.
