기술 요약: LEAD – 알츠하이머병 탐지를 위한 EEG 파운데이션 모델

문제 정의

뇌파(EEG)는 알츠하이머병(AD)을 탐지하기 위한 비침습적이고 접근 가능하며 비용 효율적인 접근 방식을 제공한다. 그러나 기존의 탐지 방법들은 실제 임상 현장 배포를 저해하는 세 가지 결정적인 한계점에 직면해 있다:

1. 데이터 부족: 알츠하이머병을 위한 대규모 고품질 EEG 데이터셋은 드물다. 대부분의 선행 연구는 소규모 코호트(20~100명)와 단일 데이터셋에 의존하며, 이는 강건한 표현(robust representations)을 학습하는 능력을 제한한다.
2. 낮은 일반화 성능: 모델들이 보지 못한 피험자(subject-independent evaluation)에 대해 일반화하는 데 어려움을 겪는다. 통제된 피험자 종속적(subject-dependent) 환경에서의 높은 성능은 피험자 간 변동성 및 연령, 성별과 같은 혼란 변수(confounding factors)에 직면했을 때 자주 무너진다.
3. 이질성: 기존 방법들은 기록 환경, 측정 장치, 채널 레이아웃, 샘플링 속도 및 기록 시간의 변화를 포함하는 매우 이질적인 데이터에 적응하는 데 어려움을 겪는다.

방법론

저자들은 LEAD(Large-scale EEG model for AD detection)를 제안한다. 이는 피험자 수준(subject-level)의 알츠하이머병 탐지를 위해 설계된 최초의 파운데이션 모델이다. 이 방법론은 큐레이션된 코퍼스와 새로운 아키텍처 및 훈련 프레임워크를 기반으로 구축되었다.

1. 데이터 큐레이션

저자들은 9개의 이질적인 데이터셋(공개 데이터 8개, 비공개 데이터 1개)에서 추출한 2,238명의 피험자와 427.81시간의 기록을 포함하는, 현재까지 세계 최대 규모의 EEG-AD 코퍼스를 구축하였다. 사전 학습(pre-training)을 위해, 이들은 자원을 확장하여 9개의 비알츠하이머 신경 질환 데이터셋(예: 파킨슨병, 우울증, ADHD)을 포함하였으며, 총 4,646명의 피험자와 1,185.84시간의 데이터를 확보하였다.

2. 아키텍처: 게이트형 시공간 트랜스포머 (Gated Temporal-Spatial Transformer)

임의의 EEG 구성을 처리하기 위해, LEAD는 특화된 트랜스포머 백본을 사용한다:

• 패치 임베딩 (Patch Embedding): 가변적인 기록 길이를 처리하기 위해 EEG 신호를 단변량 패치(univariate patches)로 나눈다.
• 3D 채널 임베딩 (3D Channel Embedding): 전극의 3D 좌표(10-20 시스템 준수)를 기반으로 하는 사인 함수 기반 위치 인코딩(sinusoidal positional encoding)을 활용하여 공간적 관계를 포착하며, 이를 통해 임의의 채널 배치에 적응할 수 있다.
• 샘플링 속도 임베딩 (Sampling Rate Embedding): 학습 가능한 임베딩을 통해 입력 샘플링 속도를 모델에 명시적으로 알려줌으로써 다양한 획득 주파수에 적응할 수 있게 한다.
• 병렬 시공간 어텐션 (Parallel Temporal-Spatial Attention): 시간 및 채널 차원을 따라 독립적으로 셀프 어텐션을 적용한다.
• 게이트 퓨전 (Gated Fusion): 학습 가능한 게이팅 메커니즘을 통해 시간적 특징과 공간적 특징을 적응적으로 융합하고, 두 특징의 상대적 중요도를 조절한다.

3. 훈련 전략

• 피험자 정규화 훈련 (Subject-Regularized Training): 샘플 수준과 피험자 수준 간의 격차를 해결하기 위해, 저자들은 피험자 수준 교차 엔트로피 손실($L_{sub}^{ce}$)을 도입한다. 이 손실 함수는 피로(error)를 피험자 수준에서 모델로 역전파하여, 동일한 개인으로부터 나온 모든 샘플 간의 일관성을 강제한다.
• 인덱스 그룹 셔플링 (Index Group-Shuffling): 새로운 알고리즘을 통해 훈련 배치 내에 동일한 피험자의 샘ples이 충분히 포함되도록 보장함으로써, 대규모 데이터셋에서도 효과적인 피서자 수준 학습을 용이하게 한다.
• 다중 샘플링 세그멘테이션 (Multi-Sampling Segmentation): 데이터를 여러 속도(200Hz, 100Hz, 50Hz)로 다운샘플링하고 다양한 윈도우 길이로 분할하여, 샘플의 다양성을 높이고 다중 스케일 표현 학습을 가능하게 한다.
• 도메인 기반 사전 학습 (Domain-Inspired Pre-training): 모델은 **의료 대조 학습(medical contrastive learning)**을 사용하여 자가 지도 사전 학습을 수행한다. 이는 다음을 결합한다:
  • 샘플 수준 대조 학습: 증강된 동일 샘플의 뷰(view)를 구별함.
  • 피험자 수준 대조 학습: 동일한 피험자의 모든 샘플을 양성 쌍(positive pairs)으로 취급하여 피험자 특이적 표현을 학습함.

주요 기여

1. 최대 규모의 EEG-AD 데이터셋: 2,238명의 피험자를 포함하는 데이터셋을 큐레이션하였으며, 이는 이전 연구들(통상 100명 미만)의 규모를 크게 상회한다.
2. 최초의 EEG AD 파운데이션 모델: 임의의 기록 길이, 채널 토폴로지 및 샘플링 속도에 적응할 수 있는 엔드 투 엔드 피험자 수준 탐지가 가능한 파운데이션 모델인 LEAD를 개발하였다.
3. 우수한 성능: 도전적인 피험자 독립적 교차 검증(subject-independent cross-validation) 하의 5개 다운스트림 AD 데이터셋에서 최첨단(SOTA) 피험자 수준 결과를 입증하였으며, 기존의 지도 학습 기반 딥러닝 방법 및 기존 EEG 파운데이션 모델들을 능가하였다.

실험 결과

LEAD는 수동 특징 추출, 지도 학습 기반 딥러닝 모델, 그리고 4개의 SOTA EEG 파운데이션 모델(BIOT, LaBraM, CBraMod, CSBrain)을 포함한 16개의 베이스라인을 대상으로 5개의 다운스트림 AD 데이터셋(ADFSU, ADFTD, ADSZ, APAVA, CNBPM)에서 평가되었다.

• 전체 순위: LEAD는 20개의 평가(5개 데이터셋 × 2개 수준: 샘플 및 피험자) 전체에서 가장 높은 평균 순위를 달성하였다.
• 피험자 수준 탐지: LEAD는 피험자 수준 F1 점수와 AUROC에서 경쟁 모델들을 지속적으로 앞질렀다. 예를 들어, ADFTD 데이터셋(HC vs. AD vs. FTD)에서 LEAD는 **93.95%**의 피험자 수준 F1을 달성하여, 그다음으로 우수한 모델인 LaBraM(91.14%)을 능가하였다.
• 효율성: 약 1,185시간의 데이터로 사전 학습되었음에도 불구하고(LaBraM의 ~2,000시간 또는 CBraMod/CSBrain의 ~9,000시간보다 현저히 적음), LEAD는 더 우수한 일반화 성능을 보여주었다.
• 절제 연구 (Ablation Studies): 핵심 구성 요소(사전 학습, 샘플링 속도 임베딩, 피험자 수준 손실)를 제거했을 때 F1 점수가 1% 이상 감소하였으며, 이는 제안된 설계 선택의 필요성을 확인시켜 준다.

의의 및 주장

본 논문은 LEAD가 알츠하이머병 탐지를 위한 대규모 사전 학습의 효과성과 실질적인 잠재력을 입증한다고 주장한다. 핵심 요점은 다음과 같다:

• 일반화: 제안된 피험자 정규화 훈련 전략과 도메인 기반 사전 학습은 보지 못한 피험자에 대한 일반화 성능을 크게 향상시킨다. 이는 임상 배포의 결정적인 병목 구간이다.
• 적응성: 다양한 채널, 샘플링 속도, 길이를 처리할 수 있는 모델의 능력은 데이터 획득 표준이 다양한 실제 상황에 적합하다.
• 자원 효율성: 결과는 적절히 큐레이션된 도메인 특화 사전 학습이 훨씬 더 크고 덜 타겟팅된 코퍼스로 훈련된 모델보다 더 뛰어난 성능을 낼 수 있음을 시사한다.

저자들은 LEAD를 EEG 기반 알츠하이머병 연구를 진전시키고, 특히 강력한 모델을 처음부터 훈련할 자원이 부족한 연구자들에게 사전 학습된 체크포인트를 제공함으로써 다른 뇌 질환 연구에 영감을 주는 도구로 자리매김하고자 한다.

한계점

논문은 **치매 단계 분류(dementia-stage classification)**와 관련된 한계를 겸허히 인정한다. 모델은 AD를 건강한 대조군(HC) 또는 다른 치매(FTD)와 구별하는 데는 강력한 성능을 보이지만, AD, 경도인지장애(MCI), 그리고 HC를 분리하는 능력은 여전히 제한적이다(피험자 수준 F1 ~66%). 저자들은 이를 질병 단계의 중첩되는 분포와 MCI 진행의 모호함(일부 MCI 환자는 정상으로 회복되지만, 일부는 AD로 진행됨) 때문으로 보고 있으며, 질병 진행을 효과적으로 추적하기 위해서는 종단적(longitudinal) EEG 데이터가 필요함을 시사한다.