[연구의 필요성]
뇌신경영상 (neuroimage)을 활용해 알츠하이머 병에 걸린 사람들의 뇌를 분석하는 연구가 활발하게 진행되고 있다. 이 때, 알츠하이머와 같은 치매에 걸린 뇌의 변화에 영향을 미치는 요인들 중, 시간에 따른 (time-varying) 요인과 고정적인 (static) 요인들의 영향을 서로 분리하여 (disentangle) 뇌의 변화를 분석할 필요가 있다.

[포스텍이 가진 고유의 기술]
시계열 데이터를 분석하는 기존의 unsupervised 딥러닝 기법과 달리, 인간의 뇌 또는 영상 데이터에 대해서 알고 있는 도메인 정보 (structural brain network, image label 등)를 이용할 수 있는 인공지능 모델을 개발하였다. 이 모델은 뇌 영상 데이터를 효과적으로 분석할 수 있는 새로운 데이터의 형태 (representation)을 학습할 수 있다. 또한, 알츠하이머는 병이 진행될수록 대뇌피질의 두께가 변화하는데, 이 모델은 뇌의 변화에 영향을 미치는 요인들 중 이렇게 시간의 흐름에 따라 변하는 요소와 성별, 진단 라벨 등 항상 고정적인 요소를 구분하여 각 요인의 특징을 분석할 수 있다.

[연구의 의미]
시간의 흐름에 따라 점점 치료 가능성이 낮아지고 악화되는 알츠하이머의 경우 병의 진행단계 초기에 나타나는 특성을 알아내는 것이 중요하다. 본 연구에서 제시한 딥러닝 모델은 장기적으로 변화하는 대뇌피질 두께 데이터를 통해 알츠하이머 병을 진단하는데 영향을 미치는 요소들의 특성을 파악할 수 있다. 또한, 알츠하이머에 걸린 뇌와 건강한 뇌의 차이점과 그 특징을 학습하여 병의 유무를 진단할 수 있을 뿐만 아니라, 학습한 데이터 형태에 기반하여 실제와 유사한 인공 뇌 그래프 데이터를 생성 가능하다.

[연구결과의 진행 상태 및 향후 계획]
본 기술을 이용해 구조적 뇌 네트워크를 따라 진행되는 뇌의 다양한 변화를 살펴볼 수 있다. 이번 연구에서는 알츠하이머에 따른 뇌의 변화를 특성화 하고 데이터를 생성하는 기술의 신뢰성을 구조적 바이오마커인 대뇌 피질을 이용하여 확인하였고, PET과 같은 functional imaging을 통해 알츠하이머 초기단계의 바이오마커인 단백질 축적도 (beta amyloid, tau 등)의 변화도 추정해 볼 수 있다. 뿐만 아니라 시간에 따라 변화하는 supervision을 첨가하여 subject의 label이 변화하는 경우, 즉, 환자의 상태가 정상, MCI, 알츠하이머로 변화하는 뇌의 특성도 본 연구에서 제안하는 방식으로 표현이 가능하며, 현재 이러한 형태로 진행되고 있는 preliminary 연구 결과를 최근 International Symposium on Biomedical Imaging (ISBI)학회에 제출하였다.

[성과와 관련된 실적물]
국제 학술대회 논문: International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2021

[성과와 관련된 이미지]