Identifying Distinct Tourette Disorder Subtypes using Clinical Data

이 연구는 TIC Genetics 의 임상 데이터를 기반으로 K-Means 와 베이지안 계층적 클러스터링 기법을 적용하여 강박증 (OCD) 과 주의력결핍 과잉행동장애 (ADHD) 등 다양한 특징을 가진 5 가지 뚜렛 장애 하위 유형을 규명함으로써, 향후 진단 및 치료 개선과 유전적 기전 이해에 기여할 수 있음을 제시했습니다.

핵심

🎭 "뚜렛 장애"는 왜 이렇게 다양할까?

상상해 보세요. '뚜렛 장애'라는 이름은 하나의 큰 우산이라고 생각하세요. 이 우산 아래에는 다양한 사람들이 모여 있습니다. 어떤 사람은 팔을 툭툭 치고, 어떤 사람은 소리를 내며, 어떤 사람은 다른 사람들과는 전혀 다른 증상을 보입니다.

기존에는 이 모든 사람을 "뚜렛 장애 환자"라고 한 덩어리로만 보았습니다. 하지만 연구자들은 **"아마도 이 우산 안에는 서로 다른 성격을 가진 여러 개의 작은 방들이 있을 거야"**라고 의심했습니다. 마치 같은 '학교'에 다닌다고 해서 모든 학생이 똑같은 성격과 특징을 가진 건 아닌 것처럼 말이죠.

🔍 연구자들이 한 일: "사람들을 방으로 나누기"

이 연구는 865 명의 뚜렛 장애 환자 데이터를 분석했습니다. 연구자들은 이들을 단순히 나열하는 게 아니라, **컴퓨터 알고리즘 (K-Means, BHC)**이라는 똑똑한 '분류 로봇'을 이용해 비슷한 특징을 가진 사람들끼리 자연스럽게 그룹 (방) 으로 묶어보았습니다.

그 결과, 우연히도 **5 개의 뚜렷한 '방' (하위 유형)**이 발견되었습니다!

🏠 발견된 5 개의 '방' (하위 유형)

1. 방 1: "ADHD 와 조바심 가득한 남자들"
   • 주로 남자아이들이 많고, ADHD(주의력 결핍) 증상이 강하며, 조기에 강박 증상이 나타나는 그룹입니다.
2. 방 2: "머리 뽑기 (삼발리) 가 있는 미국인들"
   • 머리카락을 뽑는 습관 (삼발리) 이 있는 사람들이 모여 있습니다. 주로 미국 출신이며, 강박 장애도 함께 있는 경우가 많습니다.
3. 방 3: "강박증이 많은 여성들"
   • 여자 환자들이 많고, ADHD 보다는 강박 장애 (OCD) 증상이 매우 두드러지는 그룹입니다. 유럽 출신이 많습니다.
4. 방 4: "가장 조용한 한국인들"
   • 다른 정신 질환 (ADHD, 강박증 등) 이 거의 없는 '순수'한 뚜렛 장애 그룹입니다. 한국 환자 비율이 유독 높습니다.
5. 방 5: "ADHD 와 자폐 스펙트럼이 있는 남자들"
   • 남자 환자가 많고, ADHD 와 자폐 스펙트럼 장애가 함께 있는 그룹입니다.

💡 왜 이 연구가 중요할까요? (비유: "맞춤형 의약")

기존에는 모든 뚜렛 장애 환자에게 같은 약이나 같은 치료법을 시도했습니다. 하지만 이는 마치 모든 사람의 키와 체형이 다르다는 것을 무시하고, 모두에게 똑같은 사이즈의 옷을 입히려는 것과 같습니다. 옷이 맞지 않으면 불편할 뿐만 아니라 효과가 없을 수도 있죠.

이 연구는 **"아, 이 환자는 A 타입 옷이 잘 맞고, 저 환자는 B 타입 옷이 잘 맞구나!"**라고 찾아낸 것입니다.

• 진단: 환자를 더 정확하게 분류할 수 있게 됩니다.
• 치료: 각 그룹에 맞는 약이나 치료법을 개발할 수 있습니다.
• 원인 규명: 유전자를 다시 분석할 때, "이 유전자는 A 타입 환자에게만 영향을 주는구나"라고 찾아낼 수 있어, 질병의 진짜 원인을 더 빨리 찾을 수 있습니다.

🌍 흥미로운 발견: "지역에 따라 다르다?"

연구자들은 전 세계 (미국, 유럽, 한국 등) 에서 데이터를 모았습니다. 재미있는 점은 한국 환자들은 다른 나라 환자들에 비해 강박 장애 (OCD) 가 거의 없는 '순수'한 뚜렛 장애가 많았다는 것입니다. 이는 유전적 배경이나 문화적 차이 때문일 수 있어, 앞으로 더 연구해 볼 가치가 있습니다.

🚀 결론

이 논문은 **"뚜렛 장애는 하나일 수 없다"**는 것을 증명했습니다. 마치 다양한 꽃들이 한 화분에 모여 있듯, 뚜렛 장애 환자들도 서로 다른 특징을 가진 여러 그룹으로 나뉩니다.

이제 우리는 이 5 개의 그룹을 기준으로 더 정교한 치료와 연구를 진행할 수 있게 되었습니다. 이는 환자들에게 더 나은 치료와 더 빠른 이해를 가져다줄 것입니다.

---

한 줄 요약:

"모두가 같은 뚜렛 장애가 아닙니다. 이 연구는 환자들을 5 개의 서로 다른 '팀'으로 나누어, 각 팀에 맞는 맞춤형 치료와 연구를 가능하게 했습니다."

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 이질성 (Heterogeneity): 투렛 장애 (Tourette Disorder, TD) 는 발병 시기, 증상 심각도, 그리고 다른 신경발달 장애 (OCD, ADHD 등) 와의 공존 여부 등 표현형이 매우 이질적인 신경발달 장애입니다.
• 유전적 복잡성: TD 는 높은 유전성을 가지지만, 단일 유전적 원인이 아닌 다유전자적 (polygenic) 인과 관계로 추정됩니다. 기존 대규모 유전체 연구에서도 TD 위험에 기여하는 유전적 변이를 명확히 규명하는 데 한계가 있었습니다.
• 기존 연구의 한계: 기존 하위 유형 식별 연구들은 표본 크기가 작거나, 특정 증상이나 공존 질환에 국한된 데이터를 사용하거나, 인구통계학적 편향이 있어 포괄적인 하위 유형을 식별하는 데 한계가 있었습니다.
• 연구 목표: 대규모 임상 데이터를 활용하여 비지도 학습 (Unsupervised Clustering) 기법을 적용하여 TD 의 임상적으로 의미 있는 하위 유형을 식별하고, 이를 통해 진단, 치료 및 유전적 기전 이해를 향상시키는 것입니다.

2. 연구 방법론 (Methodology)

• 데이터 소스: 투렛 국제 협력 유전학 (TIC Genetics) 연구의 데이터를 사용했습니다. 전 세계 20 개 이상의 사이트에서 수집된 4,435 명의 임상 평가 데이터 중, 최종 분석을 위해 865 명의 TD 환자를 선별했습니다.
  • 선별 기준: TD 진단이 명확한 환자만 포함, 유전적 이상이나 중증 정신과적 질환이 있는 경우 제외, 가족 내 중복 제거 (한 가족당 1 명), 진단 데이터가 누락되거나 '평가 불가'인 경우 제외.
• 변수 처리:
  • 14 개의 범주형 변수 (Categorical Variables) 를 사용 (틱, OCD, ADHD, 삼발리증 (Trichotillomania) 진단 및 증상, 발병 시기, 성별, 지역 등).
  • 상호 배타적인 변수들을 단일 범주형 변수로 통합하고, 발병 나이는 '조기 (≤10 세)'와 '후기 (>10 세)'로 이분화했습니다.
• 클러스터링 기법: 두 가지 비지도 학습 알고리즘을 적용하여 결과의 견고성을 검증했습니다.
  1. K-Means 클러스터링: 범주형 데이터를 주성분 분석 (MCA) 을 통해 연속형 주성분 (PCs) 으로 변환한 후 사용. 최적의 클러스터 수 (K) 를 실루엣 통계 (Silhouette Statistics) 와 클러스터 안정성을 기반으로 결정 (최종 5 개 클러스터 선택).
  2. 베이지안 계층적 클러스터링 (BHC): 디리클레 과정 (Dirichlet Process) 을 기반으로 한 확률적 모델로, 거리 측정을 명시적으로 지정하지 않고 자동으로 최적의 클러스터 수를 추론. 범주형 데이터를 직접 처리.
• 분석 도구: R 언어 (stats, FactoMineR, BHC BioConductor 패키지 등) 를 사용하여 통계 분석 및 가시화를 수행했습니다.

3. 주요 결과 (Key Results)

두 가지 다른 클러스터링 방법 (K-Means 와 BHC) 은 서로 다른 수의 클러스터를 생성했으나, 임상적으로 의미 있는 5 개의 주요 하위 유형을 공통적으로 식별했습니다.

• 클러스터 1 (ADHD + 조기 발병 OCD):
  • 특징: ADHD 동반率高, OCD 조기 발병 (≤10 세), 삼발리증 없음, 남성 및 자폐 스펙트럼 장애 (ASD) 비율 높음.
  • 크기: 210 명 (K-Means 기준).
• 클러스터 2 (삼발리증 중심):
  • 특징: 삼발리증 (Trichotillomania) 동반, 미국 지역 출신 비율 높음, OCD 동반.
  • 크기: 40 명 (상대적으로 소수).
• 클러스터 3 (OCD 중심, 여성 우세):
  • 특징: 높은 OCD 동반율, 낮은 ADHD, 삼발리증 없음, 여성 및 유럽 지역 출신 비율 높음.
  • 크기: 289 명.
• 클러스터 4 (단순 TD, 공존 질환 낮음):
  • 특징: 다른 신경발달 장애 (OCD, ADHD, ASD) 동반율이 매우 낮음, 삼발리증 없음, 한국 (아시아) 지역 출신 비율이 압도적으로 높음.
  • 크기: 229 명.
• 클러스터 5 (ADHD 중심, OCD 없음):
  • 특징: OCD 없음, 높은 ADHD 동반율, ASD 동반, 남성 비율 높음.
  • 크기: 97 명.

주요 발견 사항:

• 지역적 차이: 아시아 (한국) 환자군은 OCD 공존율이 서양 환자군 (40-60%) 에 비해 현저히 낮았음 (약 10%). 이는 인구집단별 유전적 배경이나 평가 차이를 시사합니다.
• 성별 차이: 여성은 주로 OCD 와 연관된 하위 유형에, 남성은 ADHD 및 삼발리증과 연관된 하위 유형에 더 많이 분포했습니다.
• 방법론적 일치: 서로 다른 알고리즘 (거리 기반 vs 확률 기반) 이 유사한 4 개의 대규모 클러스터를 식별함으로써 결과의 신뢰성이 입증되었습니다.

4. 주요 기여 (Key Contributions)

1. 새로운 하위 유형 정의: 기존 연구에서 간과되었던 '삼발리증 동반 유형'과 '지역별 (아시아) 공존 질환 패턴'을 포함한 5 가지 임상적으로 명확한 TD 하위 유형을 제시했습니다.
2. 대규모 다국적 데이터 활용: 단일 코호트가 아닌 전 세계 20 개 사이트의 대규모 데이터를 활용하여 인구통계학적 편향을 줄이고 일반화 가능한 결과를 도출했습니다.
3. 비지도 학습 접근법: 사전 가설 (Prior Hypothesis) 없이 데이터 자체의 패턴을 기반으로 하위 유형을 발견하여, 기존 연구의 한계를 극복했습니다.
4. 유전학 연구의 기반 마련: 임상적 하위 유형을 정의함으로써, 향후 각 하위 유형별로 유전체 데이터 (SNP, 전체 엑솜 시퀀싱 등) 를 계층화 분석 (Stratified Analysis) 하여 유전적 표지자를 찾는 데 필수적인 토대를 마련했습니다.

5. 의의 및 향후 전망 (Significance)

• 정밀 의학 (Precision Medicine): TD 를 단일 질환이 아닌 이질적인 하위 유형들의 집합으로 이해함으로써, 환자 맞춤형 진단 및 치료 전략 수립이 가능해집니다.
• 유전적 기전 규명: 임상적 하위 유형별로 유전체 분석을 수행하면, 기존에 발견되지 않았던 TD 관련 유전자나 변이를 발견할 수 있는 통계적 검정력 (Power) 이 크게 향상될 것입니다.
• 임상적 함의: 특히 삼발리증이나 지역별 차이와 같은 요인이 TD 의 하위 유형 분류에 중요한 역할을 한다는 점은, 향후 임상 평가 시 이러한 요소들을 체계적으로 고려해야 함을 시사합니다.
• 한계 및 향후 과제: 데이터의 일부가 보호자 보고에 의존한다는 점, 아시아 지역 표본의 상대적 부족, 그리고 다른 틱 장애 포함 여부 등의 한계가 있으나, 향후 유전 데이터와의 통합 분석을 통해 TD 의 병인론과 치료법을 혁신할 것으로 기대됩니다.