Brain age prediction from structural and functional connectivity across the lifespan using connectome-based predictive modeling
본 연구는 전 생애에 걸친 구조적 및 기능적 MRI 데이터를 대상으로 커넥톰 기반 예측 모델링을 활용하여, 연대기적 연령이 분산된 연결 패턴에 의해 정확하게 예측될 수 있음을 입증하며, 이를 통해 다중 양식 통합을 통해 더욱 강화되는 양상 간의 공유된 정보와 상호 보완적인 정보를 모두 밝혀낸다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
인간의 뇌는 정적인 기관이 아닙니다. 그것은 우리가 태어나는 순간부터 마지막 날까지 형태와 기능이 변하는 살아있는 풍경입니다. 과학자들은 이 여정을 측정할 방법을 오랫동안 찾아왔으며, 이른바 '뇌 연령(brain age)' 모델을 만들어냈습니다. 이것은 마치 의사가 나무의 나이테를 보고 나무의 나이를 추정하는 것처럼, 뇌의 배선과 구조를 살펴 한 사람의 나이를 추정하는 도구입니다. 뇌가 실제 나이보다 더 늙어 보이거나 더 젊어 보일 때는, 그 사람의 발달이나 노화 과정에 무언가 일어나고 있다는 신호가 될 수 있습니다. 이러한 변화를 이해하기 위해 연구자들은 종종 두 가지 서로 다른 유형의 지도를 살펴봅니다. 한 지도는 뇌의 물리적인 도로, 즉 수년간의 성장을 통해 구축된 서로 다른 영역들을 연결하는 백질 경로를 보여줍니다. 다른 지도는 그 도로 위의 교통량, 즉 뇌가 휴식하며 단순히 생각할 때 나타나는 활동 패턴을 보여줍니다. 우리는 두 지도 모두 나이가 들면서 변한다는 것을 알고 있지만, 이들이 같은 이야기를 하는지, 아니면 우리가 성장하고 늙어가는 과정에 대해 서로 다르면서도 상호 보완적인 단서를 제공하는지는 여전히 불분명한 상태로 남아 있었습니다.
예일 대학교의 한 연구팀은 아동기부터 노년기에 이르기까지 인간의 전체 생애 주기를 살펴보며 이 질문을 탐구하기로 했습니다. 그들은 약 1,500명의 건강한 사람으로부터 데이터를 수집하였으며, 첨단 뇌 스캔을 사용하여 뇌의 물리적 연결과 휴식기 활동에 대한 상세한 지도를 만들었습니다. 그런 다음 그들은 이 지도들에서 패턴을 찾아내어 각 개인의 연령을 예측하도록 설계된 컴퓨터 방법을 사용했습니다. 목표는 뇌의 물리적 구조가 더 잘 시간을 알려주는지, 아니면 기능적 활동이 더 잘 알려주는지, 그리고 두 지도를 결합하는 것이 어느 하나만을 보는 것보다 더 명확한 그림을 제공할 수 있는지 확인하는 것이었습니다.
연구진은 뇌의 물리적 구조와 기능적 활동 모두가 사람의 연령을 예측하는 데 탁ell한 성능을 보였지만, 예측의 강도는 생애 단계에 따라 달라진다는 것을 발견했습니다. 모델은 뇌가 급격하고 중대한 변화를 겪는 시기인 아동기와 노년기에 가장 잘 작동했습니다. 반면, 뇌가 비교적 안정적인 시기인 젊은 성인층에서는 모델의 정확도가 떨어졌습니다. 이는 뇌의 배선과 활동이 급격한 성장기나 쇠퇴기에 가장 뚜렷하게 나타난다는 것을 시사하며, 이 시기들이 식별하기 더 쉽다는 것을 의미합니다. 흥미롭게도, 노년기에는 뇌의 물리적 구조가 연령의 더 강력한 예측 인자였던 반면, 아동기에는 기능적 활동이 더 강력한 예측 인자였습니다. 이는 우리가 삶을 통과해 나감에 따라, 뇌가 노화하는 방식이 회로가 어떻게 발화하느냐에서 어떻게 물리적 도로가 변하느냐로 전환됨을 나타냅니다.
두 지도가 가장 잘 작동하는 시점의 차이에도 불구하고, 두 종류의 지도는 종종 서로 일치했습니다. 물리적 지도가 어떤 사람을 더 나이가 많다고 예측했을 때, 기능적 지도 역시 대개 그렇게 예측했습니다. 그러나 연구진이 정확히 어떤 연결이 이러한 예측을 주도하는지 자세히 살펴보았을 때, 두 지도가 서로 다른 단서를 사용하고 있다는 것을 발견했습니다. 물리적 지도는 뇌의 깊은 중심부와 소뇌의 연결에 크게 의존한 반면, 기능적 지도는 운동 및 주의력과 관련된 네트워크를 포함하여 더 다양한 네트워크를 활용했습니다. 이는 두 지도가 모두 '뇌의 나이'라는 동일한 것에 대해 말하고 있지만, 서로 다른 부분의 이야기를 읽고 있음을 의미합니다.
이 두 지도를 결합하는 것이 도움이 될지 테스트하기 위해, 연구진은 물리적 구조와 기능적 활동을 동시에 사용하는 새로운 모델을 구축했습니다. 대부분의 집단에서 이 결합된 접근 방식은 단일 지도를 사용하는 것보다 더 정확했습니다. 이는 특히 젊은 성인층과 전체 생애 주기를 아우르는 집단에서 효과적이었으며, 단서의 결합이 예측 오차를 줄였습니다. 결합된 모델은 새로운 신비로운 패턴을 만들어낸 것이 아니라, 단순히 물리적 지도와 기능적 지도의 가장 좋은 부분들을 모아놓은 것이었으며, 이는 두 지도가 상대방이 놓치는 고유하고 가치 있는 정보를 제공한다는 점을 확인시켜 주었습니다.
또한 이 연구는 남성과 여성이 뇌가 노화하는 방식에서 서로 다른 패턴을 보이는지 조사했습니다. 이전 연구들이 남성과 여성의 뇌가 다르게 보일 수 있음을 보여주었지만, 본 연구에서는 연령을 예측하는 능력이 양성 모두에서 놀라울 정도로 유사하다는 것을 발견했습니다. 남성을 대상으로 훈련된 모델은 여성에게도 잘 작동했고, 그 반대의 경우도 마찬가지였습니다. 이는 뇌의 구조적 세부 사항은 약간 다를 수 있어도, 시간의 흐름을 나타내는 뇌 연결성의 근본적인 변화는 성별을 초월하여 공유된다는 것을 시사합니다.
궁극적으로 이 연구는 뇌의 나이가 그 연결 속에 기록되어 있지만, 그 필체는 우리가 성장함에 따라 변한다는 것을 보여줍니다. 물리적인 도로와 그 속을 흐르는 교통량을 모두 살펴봄으로써, 과학자들은 우리가 어떻게 발달하고 노화하는지에 대한 더 완전한 그림을 얻을 수 있습니다. 이 연구 결과는 뇌에 대한 단 하나의 관점만으로는 충분하지 않다는 것을 시사합니다. 인간 삶의 타임라인을 진정으로 이해하기 위해서는, 뇌의 노화 이야기가 아동기부터 노년기까지 변화하는 복잡하고 분산된 네트워크의 변화를 통해 전해진다는 점을 인식하고, 여러 각도에서 뇌를 바라보아야 합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.