IBM과 앨버타大, ‘정신 분열증' 인공지능(AI)과 기계학습 알고리즘이 74% 정확성으로 예측
IBM과 앨버타大, ‘정신 분열증' 인공지능(AI)과 기계학습 알고리즘이 74% 정확성으로 예측
  • 최광민 기자
  • 승인 2017.07.22 21:56
  • 댓글 0
이 기사를 공유합니다

95명의 참가자를 대상으로 검사를 실시, 기계학습을 적용하여 질병과 가장 관련이 있는 뇌의 연결을 식별하는 정신 분열증 모델을 개발
이미지:본지제작

정신 분열증은 만성적이고 쇠약해지는 신경학적 장애로, 1,000명당 7~8명이 앓고 있다고 한다. 정신 분열증이 있는 사람들은 운동 장애와 같은 주의력 결핍 및 신체 기능 장애와 같은 인지 장애와 함께 환각, 망상 또는 사고 장애를 경험할 수 있다.

IBM은 자사 과학자들과 캐나다 에드먼턴 소재 앨버타 대학(University of Alberta)은 Nature 지의 파트너 저널(Nature Partner Journals)인 ‘정신 분열증(npj Schizophrenia)’에 인공지능(AI)과 기계학습 알고리즘이 74%의 정확성으로 정신 분열증의 예견을 예측한다는 연구결과를 21일(현지시각) 발표했다.

이 레트로스펙티브(retrospective)는 뇌의 여러 지역에서 관찰된 활동간의 상관관계를 기반으로 정신 분열증 환자에서 유의한 상관관계가 있는 특정 증상의 심각성을 예측한 것으로 나타났다. 또 이 선구적인 연구는 또한 정신 분열증과 그 중증도를 예측하는데 사용될 수 있는 좀 더 믿을만한 객관적인 뇌 영상을 확인하는데 도움이 될 수 있는 것으로 나타났다.

알버타대 정신의학과 세르다르 두르순(Serdar Dursun) 교수는 "우리는 미래 연구에서 탐구될 수 있는 뇌의 중요한 비정상적인 연관성을 발견했으며, 인공 지능으로 만들어진 모델은 정신 분열증의 진단 및 예후 지표인 객관적인 신경 영상 기반 패턴을 찾는데 한 걸음 더 가까워졌습니다."라고 말했다.

사진설명, 사진에서 정신 분열증 환자와 그렇지 않은 환자 간에 통계적으로 유의한 차이가 있는 뇌 영역을 본다. 예를 들어, 화살표 1은 전두엽 또는 모터 피질을 식별하고, 화살표 5는 사전 정보를 표시하며 시각 정보를 처리한다. 1)left BA6 (precentral gyrus,inferior frontal gyrus) 2)left BA6 (middle frontal gyrus) 3)left BA39 (lateral occipital cortex, superior division) 4)left BA30(cingulate gyrus,posterior division) and 5)left BA7(precuneus)(사진:논문캡처)

연구진은 건강한 대조군뿐만 아니라 정신 분열병 및 정신분열 정동장애(Schizoaffective Disorders)가 있는 환자를 대상으로 개방형 데이터 세트의 기능적 자기공명영상(fMRI, magnetic resonance imaging) 데이터, 기능 생물정보학 연구네트워크(FBIRN, Functional Bioinformatics Research Network)를 분석했다.

fMRI는 뇌의 특정 부위의 혈류 변화를 통해 뇌 활동을 측정한다. 특히, fBIRN 데이터 세트는 연구 참여자가 공통 청각 검사를 수행하는 동안 수집된 데이터에서 서로 다른 수준의 해상도로 뇌 네트워크에서 수행된 연구를 반영한다. 연구원은 이번 연구에 95명의 참가자를 대상으로 검사를 실시하여 기계학습을 적용하여 질병과 가장 관련이 있는 뇌의 연결을 식별하는 정신 분열증 모델을 개발한 것이다.

IBM Research의 의료 및 생명 과학 부문 부사장 아제이 로유루(Ajay Royyuru)는"이 연구 노력의 궁극적인 목표는 정신 상태를 특성화하기 위한 객관적이고 데이터 중심의 조치를 확인하고 개발하여 정신과 및 신경 장애에 적용하는 것"이라며, "우리는 또한 정신과 의사가 환자 평가 및 치료를 돕기 위해 정신과 및 신경 장애를 분석하는데 인공지능 및 기계학습을 어떻게 사용할 수 있는지에 대한 새로운 통찰력을 제공하기를 희망합니다."라고 말했다.

한편 IBM은 이번 연구는 파트너십의 일환으로 연구자들은 정신 분열증과의 중요한 연관성을 갖는 뇌의 영역과 연관성을 계속 연구 할 것이며, 대규모 데이터 세트에 대한 기계학습 분석을 수행하고 우울증 또는 외상 후 스트레스 장애와 같은 다른 정신 질환에 이러한 기술을 확장하는 방법을 모색함으로써 알고리즘을 개선하는 작업이 계속 될 것이라고 밝혔다.

참고) 논문원제:Learning stable and predictive network-based patterns ofschizophrenia and its clinical symptoms (다운받기)


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.