국내 연구진 “렘수면행동장애 환자 뇌파로 치매 예측 머신러닝 개발”
국내 연구진 “렘수면행동장애 환자 뇌파로 치매 예측 머신러닝 개발”
  • 이석호 기자
  • 승인 2024.04.03 18:26
  • 댓글 0
이 기사를 공유합니다

정기영·김한준·변정익 교수팀, 환자 233명 최대 8.6년 추적 관찰...뇌파 특성 분석
치매·파킨슨병 발병 시기 및 유형 분류 머신러닝 모델 설계...“조기 선별 기대”
신경퇴행성질환 발병 유형 예측 곡선(AUC = 0.901) / 서울대병원
신경퇴행성질환 발병 유형 예측 곡선(AUC = 0.901) / 서울대병원

 

국내 연구진이 렘수면행동장애(Rapid Eye Movement Sleep Behavior Disorder, RBD) 환자 뇌파로 신경퇴행성질환(α-Synucleinopathies)의 발병 시기와 유형을 예측하는 머신러닝 모델을 개발했다.

3일 서울대병원에 따르면, 정기영·김한준 서울대병원 신경과 교수와 변정익 강동경희대병원 교수 공동연구팀은 최근 이같이 연구 결과를 발표했다.

‘노인성 잠꼬대’로도 불리는 렘수면행동장애는 꿈속의 행동이 현실로 표출되면서 자는 동안 소리를 지르거나 몸부림치는 행동이 나타나는 수면장애다.

연구진은 최대 8.6년(평균 3.5년) 동안 고립성 렘수면행동장애(iRBD) 환자 236명을 추적 관찰했다. iRBD는 신경퇴행성질환의 전구기(Prodromal Stage)이며, 파킨슨병(PD)이나 루이소체치매(DLB), 다계통위축증(MSA) 등에 걸릴 수 있다.

연구 결과 이들 가운데 총 31명(▲파킨슨병 16명 ▲치매 9명 ▲다계통위축증 6명)의 환자가 신경퇴행성질환으로 전환됐다.

 

신경퇴행성질환 발병 여부(왼쪽) 및 신경퇴행성질환 유형에 따른 뇌파 비교 / 서울대병원
신경퇴행성질환 발병 여부(왼쪽) 및 신경퇴행성질환 유형에 따른 뇌파 비교 / 서울대병원

 

이들의 뇌파 분석을 통해 첫 신경퇴행성질환 발병까지 걸린 시간을 예측하는 머신러닝 모델을 설계했다. 결과 수치는 IBS(Integrated Brier Score) 0.114, C(Concordance) 지수 0.775로 가장 우수했다.

또 발병군의 뇌파 분석을 통해 렘수면행동장애가 어느 유형으로 진행되는지를 분류하는 머신러닝 모델에서는 AUC(Area Under the Receiver Operating Characteristic Curve) 0.901, 정확도 0.527, 정밀도 0.304 등으로 가장 우수하게 나왔다.

신경퇴행성질환 발병 시기나 유형 예측 머신러닝 모델은 공통적으로 뇌파가 둔화되면서 나타나는 특성의 중요도가 높았다. 뇌파는 저주파(델타파, 세타파)가 증가하거나 고주파(감마파, 베타파)가 감소할 경우 둔화된다.

신경퇴행성질환 발병군은 미발병군보다 뇌파가 둔화됐고, 발병군에서는 치매가 파킨슨병보다 둔화되는 양상을 보였다. 뇌파 둔화 양상이 나타나는 것은 신경퇴행의 시작으로 해석된다.

 

(왼쪽부터) 서울대병원 신경과 정기영·김한준 교수, 강동경희대병원 변정익 교수 / 서울대병원
(왼쪽부터) 서울대병원 신경과 정기영·김한준 교수, 강동경희대병원 변정익 교수 / 서울대병원

 

연구진은 “매년 렘수면행동장애 환자의 6%가 치매, 파킨슨병 등 신경퇴행성질환으로 진행되는데 언제, 어떤 유형으로 발병할지는 예측하기 어려웠다”며 “이번 연구 결과는 대규모 코호트에서 뇌파를 활용해 렘수면행동장애 환자의 예후를 일찍 파악할 가능성을 제시해 의미가 크다”라고 강조했다.

이번 연구는 한국연구재단 지원으로 수행됐으며, 영국 옥스퍼드대 출판부가 발행하는 국제 학술지 ‘슬립’(Sleep) 최신호에 <EEG-based machine learning models for the prediction of phenoconversion time and subtype in isolated rapid eye movement sleep behavior disorder>라는 제목으로 실렸다.

 

Primary Source

El Jeong, Yong Woo Shin, Jung-Ick Byun, Jun-Sang Sunwoo, Monica Roascio, Pietro Mattioli, Laura Giorgetti, Francesco Famà, Gabriele Arnulfo, Dario Arnaldi, Han-Joon Kim, Ki-Young Jung, EEG-based machine learning models for the prediction of phenoconversion time and subtype in isolated rapid eye movement sleep behavior disorder, Sleep, 2024;, zsae031, https://doi.org/10.1093/sleep/zsae031


관련기사

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