| 내용 |
인간의 인지능력은 나이가 들어감에 따라 감소되는 것으로 알려져있다. 그리고 신경과학자들은 이러한 감소가 노의 해부적 변화와 연관되어있다는 것을 오래전부터 알고 있었다고 한다. 이에 노의 MRI 이미지를 통해 노화가 진행되는 신호를 관찰하고 심지어 두뇌연령을 결정하는 것 조차도 가능할 수 있다는 것을 배우는건 더 이상 놀라울만한 일도 아니라 하겠다. 결국 두뇌의 나이와 시간에 따른 연대기적 연령의 차이로 인해 치매와 같은 질병의 진행상황을 유추해볼 수 있다고 한다. 하지만 MRI 데이터는 자연스레 진행되는 노화에 적합하기 이전에 보다 많은 처리되어야 하기 때문에 분석에 많은 시간이 소요되는 편으로 알려져있다 하겠다. 이러한 전처리 과정은 두개골과 같은 뇌 조직과 연관이 없는 이미지를 제거하는 것 부터 다양한 기타 조직들을 분류해야할 뿐 아니라 데이터를 부드럽게 처리하는 평활기법도 함께 고려되어야 하기 때문이다. 위와 같은 모든 상황들을 고려한 데이터 처리에는 약 24시간 이상이 소요될 수 있으며, 임상진단을 시행할 때 환자의 두뇌연령을 판단하기를 희망하고 있는 의사들에게는 심각한 장애로 받아들여질 수 있는 사안이라 하겠다. 최근 런던의 Kings College 대학의 Giovanni Montana와 그의 동료들은 MRI 스캐너로부터 원시자료를 추출하여 두뇌연령을 측정할 수 있는 딥러닝기기를 훈련해오고 있었다고 하는데, 이 심화학습기술은 환자가 MRI 스캐너에 있는 동안 두뇌연령의 정확한 나이를 의료진에게 알려줄 수 있을 뿐 아니라 그 시간 또한 수 초 만에 가능한 것으로 알려졌다. 이 방법은 표준화된 딥러닝기술로 불리우고 있는데, Montana와 그의 연구진들은 스캔을 받은 환자들의 연령을 분별하기 위한 합성곡 신경망을 훈련하기 위해 이러한 이미지들의 80퍼센트 가량을 사용한 것으로 나타났다. 그리고 해당 과정을 검증하기 위해 약 200개의 이미지를 사용하였으며 마지막으로 200개의 이미지에서 신경망 네트워크를 테스트하는 과정을 통해 얼마나 두뇌연령을 제대로 측정할 수 있는지를 분별하였다고 한다. 위의 방법론과 동시에 연구팀은 깁러닝 접근법을 활용해 두뇌연령을 결정하는 기존의 방법론과 비교하기도 하였는데, 이 과정은 광범위한 이미지 처리과정을 거쳐 뇌의 백색부분과 회색부분을 판별하고 가우시안 프로세스 회귀(Gaussian process regression)라 불리우는 3차원 물체인식방법을 활용해 통계적으로 분석을 시행하였다고 한다. 결과적으로 딥러닝과 가우시안 회귀 모두 사전에 처리된 데이터가 주어질 경우 환자의 연대기적 나이를 정확하게 결정지을 수 있는 것으로 나타났으며, 이 2가지 방법 모두 약 5년 미만의 오차로 분석을 수행할 수 있는 것으로 나타났다. 하지만 딥러닝은 원시 MRI데이터를 분석할 때 명백한 우월성을 보여주는 것으로 나타났는데 딥러닝을 통한 정확한 나이의 오차가 약 4.66년이라는 점을 감안해볼 때, 가우시안 프로세스 회귀의 표준 방법론을 통한 테스트는 다소 성능이 떨어지는 것으로 나타났으며 약 12년 가량의 평균적 오차를 가진 나이를 나타내었다고 한다. 상기와 같은 다양한 분석방식의 등장에 따라 당뇨, 정신분열, 외과적 뇌손상과 같은 다양한 질병의 근거를 판단할 수 있는 두뇌의 노화를 보다 빠르고 정확하게 측정할 수 있는 방안이 지속적으로 개발되어가고 있어 향후 보다 많은 질병을 연구하는 기초자료로 활용될 수 있을 것으로 예상해볼 수 있다 하겠다. |
