내 뇌 나이는 몇 살일까…MRI 기반 AI, ‘뇌 나이’ 계산 방법 제시

• 뇌 영상 데이터를 기반으로 ‘생물학적 뇌 연령(Brain Age)’을 추정하는 모델의 성능을 검증한 연구 결과가 발표됐다.

  의료 AI 전문 기업 딥노이드(대표이사 최우식)는 자사 연구팀이 참여한 관련 논문이 국제 학술지 Internet of Things(Elsevier)에 게재됐다고 17일 밝혔다. 이번 연구는 모델 성능을 검증한 공학 연구로, 특정 질환을 예측하거나 임상적 유효성을 평가한 연구는 아니다.

  
  

• 

  ▲ (왼쪽부터)국제 학술지 ‘Internet of Things’와 등재 논문 /이미지=딥노이드

  
  

  논문은 성별 정보를 반영한 적대적 변분 오토인코더(SA-AVAE) 구조를 활용해 뇌 연령을 추정하는 방법을 제안했다. 연구는 공개 멀티사이트 데이터셋(OpenBHB)을 기반으로 진행된 공개 데이터 기반 후향적 AI 성능 검증 연구다.

  이번 연구에는 총 5,330건의 뇌 MRI 데이터(16~86세)가 활용됐으며, 이 중 공개 데이터 3,984건을 중심으로 학습과 검증이 이뤄졌다. 학습에는 3,227건, 검증에는 757건이 사용됐고, 검증 데이터는 내부 테스트 362건과 외부 테스트 395건으로 구분해 평가했다.

  1차 평가지표는 평균절대오차(MAE)로, 제안된 SA-AVAE 모델은 약 2.72년 수준의 오차를 보였다. 이는 기존 변분 오토인코더(VAE) 기반 모델 대비 오차가 감소한 결과다.

  이번 연구의 특징은 구조적 MRI(sMRI)와 기능적 MRI(fMRI)를 결합한 멀티모달 접근이다. 기존 뇌 연령 추정 연구가 주로 구조적 영상에 기반해 진행된 것과 달리, 뇌 활동 정보를 반영하는 기능적 MRI를 함께 활용한 점이 차별 요소로 제시됐다. 기능적 MRI를 활용한 뇌 연령 추정 연구는 제한적이다.

  또한 성별 정보를 입력 변수로 반영해 성별에 따른 뇌 구조 차이를 학습 과정에서 분리·반영하도록 설계했다. 이러한 구조는 뇌 연령 추정 오차 감소를 목표로 한다.

  다만 뇌 연령과 실제 연령 간 차이는 일부 연구에서 노화 관련 변화와의 연관성이 논의된 바 있으나, 이번 연구는 해당 차이를 활용한 질환 예측이나 임상적 활용 가능성을 검증한 것은 아니다.

  논문은 이러한 한계를 명시했다. 건강인을 중심으로 한 공개 데이터셋 기반 분석으로, 실제 신경퇴행성 질환 환자군을 대상으로 한 검증은 포함하지 않았다. 장기 추적 데이터 역시 부족하며, 임상 적용 가능성에 관해서는 추가 연구가 필요하다고 밝혔다. 또한 두 영상 모달리티 중 하나가 결손될 경우 성능이 저하될 수 있다는 점도 한계로 제시됐다.

  한편, 논문 저자 소속에는 딥노이드 의료 인공지능 연구개발 조직이 포함돼 있다. 이번 연구는 한국기초과학지원연구원(교육부)과 정보통신기획평가원(IITP, 과학기술정보통신부) 지원으로 수행됐다.

  
  

• 김정아 기자 [e-mail]

최신뉴스

Copyright ⓒ 디지틀조선일보&dizzo.com