[칼럼] 인공지능으로 치매 발병위험을 예측하다
[칼럼] 인공지능으로 치매 발병위험을 예측하다
  • 양현덕 발행인
  • 승인 2020.07.28 08:13
  • 댓글 0
이 기사를 공유합니다

아직까지 치매를 근본적으로 치료하는 방법은 없으며, 단지 치매의 증상만을 조절하는 몇 가지 약제가 있을 뿐이다. 그래서, 치매 예방의 중요성이 더욱 강조되고 있다.

예를 들어, 치매 발병에 영향을 주는 위험인자(고혈압, 비만, 당뇨, 흡연, 우울, 운동 부족, 사회적 고립, 교육, 난청)를 적극적으로 관리하면 치매 발병의 35%를 예방할 수 있다.

치매의 조기 진단과 조기 치료도 중요하지만, 치매에 걸리기 전에 치매 발병 위험을 예측할 수 있다면 보다 적극적이고 구체적으로 치매 예방을 위한 계획을 세울 수 있을 것이다.

기존에도 치매 발병위험 예측을 위한 연구들이 있었으나, 분석에 시간이 많이 걸리고 단순 수식으로는 방대한 양의 정보를 다루는 데 한계가 있었다. 그래서, 인공지능(Artificial Intelligence, AI)을 이용하면 빠른 시간 내에 많은 정보를 더 정확하게 분석할 수 있다는 장점이 있다.

최근 들어 건강 빅데이터(Big Data)와 AI를 이용하여 치매 발병을 예측하기 위한 연구 결과들이 발표되고 있다.

인지기능이 정상인 사람의 다양한 건강 정보(건망증, 뇌혈관 위험인자, 유전자, 신경심리검사 등) 빅데이터를 AI의 일종인 머신러닝(Machine Learning) 기법으로 분석하여, 10년 후 치매 발병위험도를 80%의 정확도로 예측할 수 있다는 연구 결과가 발표됐다.

또한, 치매의 전단계로 알려진 경도인지장애는 우리나라 65세 이상 인구의 25%에서 겪고 있으며, 경도인지장애 환자는 1년에 약 15% 정도가 알츠하이머치매로 진행한다.

건강한 사람이 치매 예방을 위해 노력하는 것만큼, 경도인지장애를 조기에 진단하여 치매로 진행하는 것을 막는 노력도 중요하다. 그러기 위해서는 경도인지장애에서 치매로 이행하는 데 영향을 미치는 위험인자를 찾아내는 것이 필요하다.

최근 경도인지장애 환자의 인지기능 상태, MRI, 뇌척수액 바이오마커, 유전자 등의 모든 임상 정보를 딥러닝 기법으로 동시에 분석하여, 경도인지장애 단계에서 치매로 진행할 위험을 97%로의 정확도로 예측한다는 연구 결과가 발표되어 주목을 받고 있다.

아직까지 치매 예방은 개인별 위험 인자의 차이에 대한 고려 없이 누구에게나 적용할 수 있는 보편적인 방법을 택해왔다. 하지만, 모든 사람에게 동일하게 적용하는 방법보다는 치매 발병에 영향을 주는 요인들을 개인별로 차별화하여 예방 계획을 세우는 것이 더 효율적일 것이다.

앞으로의 연구 과제는 치매 발병에 영향을 미치는 특정 위험인자를 개인별로 확인하는 것이다. 개인별로 가장 영향을 많이 미치는 특정 위험 인자를 파악하면, 치매 예방에 구체적으로 어떻게 적용시킬지에 대한 차별화된 예방 계획을 세울 수 있을 것으로 기대한다.

현재 우리나라도 과학기술정보통신부가 지원하여 AI와 빅데이터 기술을 이용한 치매발병 위험도를 예측하는 시스템을 개발 중이다.

 

참고 문헌

Stamate D. et al. (2020) Applying Deep Learning to Predicting Dementia and Mild Cognitive Impairment. In: Maglogiannis I., Iliadis L., Pimenidis E. (eds) Artificial Intelligence Applications and Innovations. AIAI 2020. IFIP Advances in Information and Communication Technology, vol 584. Springer, Cham

Huang, K., Lin, Y., Yang, L. et al. A multipredictor model to predict the conversion of mild cognitive impairment to Alzheimer’s disease by using a predictive nomogram. Neuropsychopharmacol. 45, 358–366 (2020). https://doi.org/10.1038/s41386-019-0551-0

Pekkala T, Hall A, Lötjönen J, et al. Development of a Late-Life Dementia Prediction Index with Supervised Machine Learning in the Population-Based CAIDE Study. J Alzheimers Dis. 2017;55(3):1055-1067. doi:10.3233/JAD-160560


관련기사

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