Molecular Psychiatry에 게재된 획기적인 연구에서, 연구자들은 기계 학습과 구조적인 MRI 스캔을 이용하여 임상적으로 고위험(CLINICAL HIGH-RISK, CHR)을 가진 개인들의 정신병 발병을 예측하는 데에 활용하였다. 이 혁신적인 접근은 초기 진단과 정신병성 장애의 예방에 대한 새로운 통찰을 제공한다.
이 연구는 건강한 대조군과 정신병에 CHR을 가진 개인들을 포함한 2,000명 이상의 대상들로부터 T1-강조된 뇌 MRI 이미지를 수집하는 것으로 시작되었다. 기계 학습 알고리즘을 이용하여 연구자들은 후에 정신병을 발병하는 CHR 개인들 (CHR-PS+)과 그렇지 않은 CHR 개인들 (CHR-PS-) 또는 추적 전에 알 수 없는 상태인 CHR 개인들 (CHR-UNK)을 구별할 수 있는 분류기를 개발하였다.
연구 결과, 우수한 측두, 이상후부 및 전두부 등 특정 뇌 영역이 CHR-PS+ 개인들과 건강한 대조군을 구별하는 데에 중요한 역할을 하였다는 것을 밝혀냈다. 뇌 표면 면적 및 다른 신경해부학적 특징을 분석함으로써, 기계 학습 모델은 개인들을 분류하는 데에 85%의 높은 정확도를 달성하였다.
또한, 연구는 성별과 연령과 같은 변수들에 대한 비선형 조정을 고려할 때 모델의 예측력이 가장 효과적이라는 것을 보였다. 이러한 요소들을 분류 과정에 통합함으로써, 연구자들은 CHR에 있는 개인들에 대해 더 정밀한 예측을 할 수 있게 되었다.
이 모델은 CHR-PS+ 개인들을 식별하는 데에 유망성을 보였지만, CHR-PS-와 건강한 대조군을 구별하는 데에는 정확도가 낮았다. 그러나 이 초기 연구 결과는 분류기의 더 많은 연구와 개선을 위한 기초를 마련하는 역할을 한다.
이 연구의 의의는 중요하다. 정신병 위험이 있는 개인들의 조기 검출과 개입은 더 나은 결과와 삶의 질을 이끌어낼 수 있다. 기계 학습 알고리즘과 뇌 MRI 스캔을 활용함으로써, 임상의는 조기 개입과 지원을 필요로 하는 개인들을 식별하는 강력한 도구를 갖게 될 수 있다.
이 연구 결과를 검증하고 모델의 성능을 최적화하기 위해 더 많은 연구가 필요하지만, 이 연구는 정신건강 장애의 진단과 치료를 혁신적으로 변화시킬 수 있는 기계 학습의 잠재력을 강조하는 정신의학 연구의 획기적인 성과를 대표한다.
주요 용어 및 전문 용어:
1. 임상 고위험 (CHR): 특정 장애의 발생과 관련된 초기 증상을 나타내는 개인들을 가리킨다.
2. 정신병: 환각, 망상 및 불규칙한 사고를 포함한 현실과의 접촉을 상실한 정신 건강 상태.
3. 기계 학습: 컴퓨터가 명시적인 프로그래밍 없이 학습하고 결정을 내리는 인공 지능의 분야.
4. 구조적인 MRI (sMRI): 뇌의 구조와 해부를 자세히 보기 위해 자기장과 라디오 파장을 이용하는 기술.
5. 분류기: 입력 데이터에 기초하여 결과를 분류하거나 예측하는 알고리즘입니다.
관련 링크를 추천합니다:
– Molecular Psychiatry: 이 연구가 게재된 학술지인 Molecular Psychiatry의 공식 웹사이트입니다.
– 미국 정신의학회 : 정신 건강 분야의 연구와 전문가들을 위한 정보를 제공합니다.
– 국립정신건강연구소(NIMH): 정신 질환을 이해하고 치료하며 예방하기 위한 선도적인 연구 기관입니다.
The source of the article is from the blog enp.gr