고해상도 망막 이미지를 사용하여, 새로운 AI 모델이 알츠하이머병과 경도 인지 장애를 조기에 감지하여 보다 시기적절하고 비침습적이며 저렴한 치매 치료의 희망을 제공함.
최근 NPJ 디지털 의학 저널에 발표된 연구에서, 연구자들은 고해상도 망막 혈관 이미지를 분석하여 알츠하이머병(AD)과 경도 인지 장애(MCI)를 조기에 감지할 수 있는 딥러닝 알고리즘을 개발함. 이 혁신적인 접근법은 임상의들이 치매 위험이 높은 환자를 식별할 수 있게 하여, 질병의 진행과 그 해로운 영향을 늦추기 위한 시기적절한 약물 개입을 가능하게 함.
이 연구는 1,671명의 참가자로부터 수집된 5,751개의 이미지를 활용하였으며, 이 새로운 방법이 기존의 AD 및 MCI 감지 기술보다 유의미하게 우수하다는 것을 밝혀냄. 이 방법은 정확할 뿐만 아니라 저렴하고 빠르며 완전히 비침습적이어서 광범위한 선별 검사에 이상적임. 연구자들은 이 접근법의 추가 검증이 조기 감지 및 대규모 관리가 가능하게 하여 치매 치료에 혁신을 가져올 수 있다고 제안함.
배경
치매는 주로 기억, 정보 처리 및 추론을 포함한 인지 기능에 영향을 미치는 진행성 질환으로, 일상적인 작업 수행 능력이 저하됨. 최근 의학의 발전으로 인간의 수명이 연장되면서, 전 세계적으로 치매 사례가 급증하고 있으며, 현재 5천만 명 이상이 영향을 받고 있으며 앞으로도 증가할 것으로 예상됨.
기존의 치매 감지 방법은 생화학적 검사와 자기공명영상(MRI) 등을 포함하지만, 높은 비용, 침습성 및 전문 시설의 필요성으로 제한됨. 또한, 이러한 기술들은 조기 발병 알츠하이머병(EOAD)을 감지하는 데 종종 실패하여, 고위험 개인에 대한 조기 개입 능력을 제한함.
최근 연구는 망막과 신경퇴행성 질환(AD와 같은) 간의 잠재적 연관성을 강조함. 임상 연구와 조직병리학적 보고서는 AD 환자들 사이에서 망막의 독특한 미세혈관 변화를 보여줌. 이러한 발견은 광학 단층촬영 혈관조영술(OCTA)과 같은 고급 안과 이미징 기술을 사용하여 인지 저하와 관련된 망막 바이오마커를 식별하는 데 대한 관심을 불러일으킴.
OCTA는 망막 미세혈관을 신속하고 비침습적으로 이미징할 수 있는 최첨단 기술로, 5-6μm의 해상도로 가장 작은 모세혈관까지 포함함. 이 기술은 다양한 망막 층에서 미세혈관 네트워크와 중심와의 무혈관 영역 구조에 대한 자세한 통찰력을 제공함.
AI와 함께 OCTA 데이터를 활용하여, 연구자들은 치매 위험이 있는 개인을 식별하고 건강한 노화를 촉진하며 시기적절한 개입을 가능하게 하는 비용 효율적이고 확장 가능한 솔루션을 만들고자 함.
연구 개요
이 연구에서 연구자들은 'Eye-AD'라는 새로운 딥러닝 모델을 개발하고 테스트함. 이 모델은 OCTA 이미지를 분석하고 조기 발병 알츠하이머병 또는 경도 인지 장애 환자를 식별하도록 특별히 설계됨. 이 모델은 인지 저하와 관련된 패턴을 감지하기 위해 망막의 다양한 층에서 고해상도 데이터를 처리함.
연구 데이터는 ROMCI(망막 OCTA 기반 MCI 감지)와 ROAD(망막 OCTA 기반 EOAD 감지)라는 두 개의 주요 집단에서 수집되었으며, 이들은 중심와를 중심으로 한 망막 이미지를 포함함. 이 이미지는 망막의 혈관 구조에 대한 정보를 캡처하여 모델 훈련 및 평가를 위한 데이터 세트를 제공함.
Eye-AD 모델은 특징 추출을 위한 합성곱 신경망(CNN)과 최종 예측을 위한 그래프 신경망(GNN)으로 구성됨. 이 구성 요소들은 망막 층 간의 복잡한 관계를 분석하여 인지 기능에 대한 보다 포괄적인 평가를 가능하게 함. 모델은 ResNet 및 ConvNeXt를 포함한 여러 인코더로 테스트되었으며, 최종적으로 속도와 일관된 성능 덕분에 ConvNeXt가 선택됨.
연구 결과
연구 결과는 Eye-AD 모델이 매우 정확하고 신뢰할 수 있음을 나타냄. 이 모델의 성능은 전통적인 생화학적 및 MRI 기반 감지 방법을 초과하며, EOAD 감지에 대한 AUC(곡선 아래 면적)는 0.9355, MCI에 대해서는 0.8630임. 이 모델의 강점은 정확성, 비용 효율성 및 데이터를 신속하게 처리할 수 있는 능력으로, 대규모 선별 검사에 실용적인 옵션이 됨.
모델의 해석 가능성 분석에서도 깊은 혈관 복합체(DVC)가 EOAD 및 MCI 감지에서 다른 망막 층보다 더 중요한 역할을 한다는 것을 강조함. 이는 깊은 망막 구조가 인지 저하에 더 영향을 받을 수 있음을 시사함. 특히 DVC는 모델의 예측에 평균 중요도 점수 40% 및 49%를 기여함. 이러한 발견은 깊은 망막 층의 변화가 치매 및 그 진행 메커니즘에 대한 통찰력을 제공할 수 있음을 시사함.
또한, 연구는 망막 구조의 차이가 MCI 환자보다 EOAD 환자에서 더 두드러지게 나타났으며, 이는 알츠하이머병이 망막 혈관에 미치는 더 심각한 영향을 반영할 가능성이 높음. 이러한 발견은 치매 관련 변화가 망막의 깊은 층에서 더 잘 감지될 수 있다는 가설을 지지함.
결론
Eye-AD 모델은 치매 조기 감지의 중요한 발전을 나타냄. 고해상도 망막 이미지만으로 대규모 인구를 비침습적으로 선별할 수 있는 능력은 광범위한 인지 건강 평가를 위한 이상적인 도구가 됨. 이 모델은 정확할 뿐만 아니라 대규모로 배포 가능하여, 초기 단계의 알츠하이머병이나 MCI 환자를 식별하고 시기적절한 개입을 촉진할 수 있음.
모델이 큰 가능성을 보여주고 있지만, 연구자들은 더 다양한 인구에서 성능을 검증하기 위한 추가 연구의 필요성을 강조함. 혈액 검사나 인지 평가와 같은 다른 방법을 통합하면 모델의 진단 능력을 향상시킬 수 있음. 지속적인 개발을 통해 Eye-AD 모델은 미래의 치매 선별 및 모니터링을 위한 귀중한 자원이 될 가능성이 있으며, 건강한 노화를 촉진하고 환자 결과를 개선할 수 있음.
