Feature consistency in transdiagnostic connectome-based models of sustained attention and autism symptoms

이 연구는 다양한 데이터셋과 인구집단에서 지속적 주의력과 자폐증 증상을 예측하는 연결체 기반 모델들의 특징이 연령과 임상 진단에 따라 phenotype 특이적으로 변할 수 있음을 보여주었습니다.

핵심

🧠 핵심 비유: "전 세계 교통 지도 비교 프로젝트"

상상해 보세요. 연구진들은 전 세계 5 개의 다른 도시 (데이터셋) 에서 **교통 흐름 (뇌의 연결)**을 분석했습니다. 이 도시들은 다음과 같은 특징이 있습니다:

1. 어린이 도시들: 자폐증이나 주의력 결핍 (ADHD) 이 있는 아이들과 없는 아이들이 섞여 있습니다.
2. 성인 도시들: 건강한 성인들만 있습니다.
3. 목적지: 어떤 도시는 "아이들이 얼마나 잘 집중하는지"를 예측하는 지도를 만들었고, 다른 도시는 "아이들의 자폐 증상 정도"를 예측하는 지도를 만들었습니다.

연구진은 이 5 개의 지도를 꺼내서 **"집중력을 유지하는 데 쓰이는 공통된 '골목길' (뇌 연결) 이 정말로 존재할까?"**라고 질문했습니다.

🔍 주요 발견 3 가지

1. "완벽한 공통 골목길은 없었다" (하지만 비슷한 구역은 있음)

연구진은 5 개 도시의 지도를 모두 겹쳐봤습니다. 그런데 놀랍게도 5 개 도시 모두에 딱 맞는 '단 하나의 공통 골목길'은 발견되지 않았습니다.

• 비유: 마치 "전 세계 모든 도시에서 사람들이 출근할 때 반드시 지나는 '단 하나의 길'은 없다"는 것과 같습니다.
• 하지만: 모든 지도에서 시각 (눈) 이나 운동 (손) 을 담당하는 구역, 그리고 생각을 정리하는 고등 사고 구역이 집중력과 관련되어 있다는 점은 비슷했습니다. 즉, '정확한 길'은 달라도 '교통이 붐비는 큰 도로망'은 비슷하게 보였습니다.

2. "목적지가 다르면 지도도 달라진다"

가장 흥미로운 점은 예측하려는 목표 (상표) 에 따라 지도가 완전히 달라진다는 것입니다.

• 비유: "서울의 출근길 지도"와 "서울의 관광 지도"는 완전히 다르죠.
• 연구 결과:
  • '집중력'을 예측하는 지도들끼리는 서로 매우 비슷했습니다. (아이들이나 성인이나, 집중력만 보면 뇌가 비슷하게 작동함)
  • '자폐 증상'을 예측하는 지도들은 집중력 지도와는 달랐습니다.
  • 특이한 사례: 같은 아이들 (90% 이상 겹침) 로부터 두 개의 지도를 만들었는데, 하나는 '집중력'을, 다른 하나는 '자폐 증상'을 예측하도록 했더니, 두 지도는 거의 겹치는 부분이 없었습니다. 이는 같은 뇌라도 "무엇을 보려고 하느냐"에 따라 사용하는 연결 고리가 완전히 바뀐다는 뜻입니다.

3. "나이가 들면, 그리고 진단이 다르면 지도가 변한다"

지도의 모양은 사람의 나이와 **진단 여부 (자폐증 유무)**에 따라 달라졌습니다.

• 비유: 어린이들의 교통 지도와 성인의 지도는 다르고, 건강한 사람의 지도와 자폐증이 있는 사람의 지도도 다릅니다.
• 결론: 뇌의 연결 방식은 고정된 것이 아니라, 나이가 들면서 발달하고, 개인의 상태에 따라 유연하게 변한다는 것을 보여줍니다.

💡 이 연구가 우리에게 주는 메시지

이 논문은 **"뇌의 집중력이라는 것은 하나의 고정된 공식이 아니라, 사람마다, 상황마다 조금씩 다른 '맞춤형 지도'를 가지고 있다"**고 말합니다.

• 과거의 생각: "집중력이 좋은 뇌는 다 똑같은 모양일 거야."
• 이 연구의 결론: "아니, 집중력도 사람마다, 나이에 따라, 그리고 어떤 증상을 보려는지에 따라 뇌가 사용하는 '경로'가 달라. 그래서 모든 사람에게 똑같은 치료법이나 지도를 적용하기는 어렵다."

🚀 요약

이 연구는 5 개의 서로 다른 뇌 데이터를 분석하여, 집중력과 자폐증을 예측하는 뇌 지도를 비교했습니다. 그 결과, 완벽하게 일치하는 '핵심 뇌 연결'은 없었지만, 집중력 예측 모델끼리는 비슷하고, 자폐증 예측 모델과는 달랐으며, 나이와 진단 상태에 따라 뇌의 연결 패턴이 변한다는 사실을 발견했습니다.

이는 앞으로 뇌 질환을 치료하거나 집중력을 향상시킬 때, 모두에게 똑같은 방법을 적용하기보다 개인의 나이와 상태에 맞는 '맞춤형 접근'이 필요함을 시사합니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 지속적 주의력 (Sustained attention) 은 일상생활과 임상적 맥락 (ADHD, 자폐 스펙트럼 장애 등) 에서 핵심적인 신경생물학적 과정입니다. 주의력 결핍은 자폐증 및 ADHD 와 같은 신경발달 장애에서 공통적으로 나타나는 증상입니다.
• 문제: 지속적 주의력을 지원하는 뇌의 신경생물학적 기제가 무엇인지, 그리고 이것이 자폐증과 ADHD 와 같은 서로 다른 진단군 (Transdiagnostic) 에서 일관된 패턴을 보이는지 여부는 명확하지 않습니다.
  • 기존 연구들은 주의력이나 자폐증 증상을 예측하는 개별 연결체 기반 예측 모델 (Connectome-based predictive models) 을 개발해 왔으나, 이러한 모델들이 서로 다른 데이터셋과 인구집단에서 얼마나 일관된 기능적 연결 (Functional connectivity) 특징을 공유하는지에 대한 체계적인 비교는 부족했습니다.
  • 특히, 동일한 피험자 집단을 사용하더라도 예측 대상 (주의력 수행 vs 자폐증 증상) 이 다르면 뇌 연결 패턴이 어떻게 달라지는지, 그리고 연령이나 진단 유무가 모델의 유사성에 어떤 영향을 미치는지 규명할 필요가 있었습니다.

2. 연구 방법론 (Methodology)

이 연구는 이전에 발표된 5 개의 초진단적 (Transdiagnostic) 연결체 기반 예측 모델 (CPM) 을 재분석하고 비교하는 방식으로 진행되었습니다.

• 사용된 데이터셋 (5 개 모델):

  1. ABIDE 모델: 자폐증 유무가 있는 229 명 (평균 연령 10.45 세). 휴식기 fMRI 사용. 예측 변수: 사회적 반응성 척도 (SRS) 총점.
  2. 예일 청소년 자폐 모델 (Yale youth autism): 63 명 (평균 11.7 세, 자폐증 포함). gradCPT(지속적 주의력 과제) 수행 중 fMRI 사용. 예측 변수: ADOS-2 총점.
  3. 청소년 주의력 모델 (Youth attention): 70 명 (평균 11.59 세, 자폐증 포함). gradCPT 수행 중 fMRI 사용. 예측 변수: gradCPT 수행 정확도 (d').
     • 참고: 모델 2 와 3 은 약 90% 의 피험자가 중복되지만 예측하는 표현형 (Phenotype) 이 다름.
  4. avCPT 모델: 43 명 (평균 22.4 세, 신경정상). 오디오 - 비주얼 지속적 주의력 과제 수행 중 fMRI 사용. 예측 변수: 과제 정확도.
  5. 성인 주의력 모델 (Adult attention): 25 명 (평균 22.8 세, 신경정상). gradCPT 수행 중 fMRI 사용. 예측 변수: 과제 정확도.

• 데이터 전처리 및 분석 기법:

  • 공통 파셀레이션 (Parcellation): 모든 데이터에 268 노드의 기능적 뇌 지도 (Schaefer atlas) 를 적용하여 기능적 연결체 (Connectome) 를 생성.
  • CPM 재분석: 원본 연구의 네트워크 크기가 상이하여 비교를 위해 모든 모델에서 행동과 가장 강하게 상관관계가 있는 상위 1,000 개의 양 (+) 및 음 (-) 연결 (Edges) 을 추출하여 일정한 크기로 통일.
  • 중복성 분석 (Overlap Analysis):
    • Edge 수준: 모델 간 공유된 연결 (Edges) 의 수를 카운트하고, 무작위 네트워크 (Null models) 와 비교하여 통계적 유의성 검정 (Hypergeometric test).
    • Network 수준: 10 개 주요 기능적 네트워크 (Default mode, Frontoparietal 등) 간의 연결 쌍 (Network pairs) 기여도 분석.
  • 표현 유사성 분석 (Representational Similarity Analysis, RSA):
    • 각 데이터셋의 전체 연결체 벡터와 행동 간의 상관관계를 계산하여 '기능적 중요도 벡터' 생성.
    • 이 벡터들 간의 유사성 행렬을 생성하고, 이를 연령, 진단 유무 (자폐증 비율), 과제 유형 (휴식기 vs 과제), 예측 행동 유형 (주의력 점수 vs 자폐 증상) 등의 예측 변수와 회귀 분석하여 모델 유사성에 영향을 미치는 요인 규명.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 연결체 (Edge) 및 네트워크 수준의 일관성

• 전체적 일관성 부재: 5 개 모델 모두에서 공통적으로 나타나는 '핵심 연결체 (Core set of edges)'는 존재하지 않았습니다. 5 개 모델 모두에서 공유된 연결은 없었으며, 4 개 모델에서 공유된 연결도 통계적으로 유의하지 않았습니다.
• 모델 간 유사성:
  • 예측 표현형에 따른 차이: 주의력 수행을 예측하는 모델들 (Youth attention, avCPT, Adult attention) 은 서로 더 높은 수준의 연결체 중복을 보였습니다. 반면, 자폐증 증상을 예측하는 모델들 (ABIDE, Yale youth autism) 은 주의력 모델들과는 다른 패턴을 보였습니다.
  • 동일 표본, 다른 예측: 약 90% 의 피험자가 겹치는 두 모델 (자폐증 증상 예측 vs 주의력 수행 예측) 은 통계적으로 유의한 연결체 중복을 보이지 않았습니다. 이는 모델의 특징이 예측하려는 표현형 (Phenotype) 에 따라 구체적으로 결정됨을 시사합니다.
• 네트워크 기여도:
  • 양 (+) 네트워크: 시각 (Visual), 운동 (Motor), 기본 모드 (Default mode) 네트워크가 모든 샘플에서 가장 높은 비율의 연결을 차지했습니다.
  • 음 (-) 네트워크: 시각, 기본 모드, 소뇌 (Cerebellum) 네트워크가 주요했습니다.
  • 초진단적 패턴: 자폐증 예측 모델 간에는 이질적 연합 네트워크 (Heteromodal association networks) 를 포함하는 3 개의 공유 네트워크 쌍이, 주의력 예측 모델 간에는 시각/운동/이질적 네트워크를 포함하는 2 개의 공유 네트워크 쌍이 발견되었습니다.

B. 모델 유사성에 영향을 미치는 요인 (RSA 결과)

• 연령 (Age): 샘플 간 평균 연령 차이가 클수록 뇌 - 행동 벡터의 유사성이 감소했습니다 (양의 상관관계). 이는 발달 과정에서의 연결체 변화를 반영합니다.
• 자폐증 진단 (Autism Diagnosis): 샘플 내 자폐증 진단 비율이 유사할수록 오히려 뇌 - 행동 벡터의 유사성이 감소했습니다 (음의 상관관계). 이는 자폐증 내의 이질성 (Subtypes) 이 뇌 연결 패턴에 다양한 영향을 미칠 수 있음을 시사합니다.
• 비유의 요인: fMRI 스캔 유형 (휴식기 vs 과제) 이나 예측된 행동의 종류 (주의력 점수 vs 자폐 증상) 는 통계적으로 유의한 영향을 미치지 않았습니다. 다만, 예측하는 표현형이 유사한 경우 (예: 둘 다 주의력 예측) 에는 뇌 연결 패턴이 더 유사해지는 경향이 관찰되었습니다.

4. 논의 및 의의 (Significance)

• 표현형 특이성 (Phenotype-specificity): 지속적 주의력과 관련된 뇌 연결 패턴은 보편적인 '핵심 네트워크'라기보다는 예측하려는 구체적인 행동 표현형 (주의력 수행 vs 자폐 증상) 에 따라 달라지는 것으로 나타났습니다. 이는 ADHD 와 자폐증이 행동적 유사성을 공유하더라도, 이를 뒷받침하는 신경생물학적 기제가 완전히 동일하지 않을 수 있음을 의미합니다.
• 분산된 신경 기제: 지속적 주의력은 뇌의 특정 영역이 아닌, 시각, 운동, 기본 모드, 소뇌 등 뇌 전체에 분산된 네트워크의 복잡한 상호작용을 통해 지원됩니다.
• 발달 및 진단의 중요성: 연령과 임상적 진단 상태는 뇌 - 행동 예측 모델의 구조에 중요한 변수로 작용합니다. 따라서 단일한 모델로 모든 연령대와 진단군을 설명하려는 시도는 한계가 있으며, 표본의 특성을 고려한 정밀한 접근이 필요합니다.
• 임상적 함의: 초진단적 (Transdiagnostic) 접근이 유용하지만, 신경생물학적 마커를 찾을 때는 연령과 진단 유무, 그리고 예측하려는 구체적인 증상을 세밀하게 고려해야 함을 강조합니다.

5. 결론

이 연구는 5 개의 다양한 초진단적 데이터셋을 활용하여 지속적 주의력과 관련된 기능적 연결체 모델의 일관성을 검증했습니다. 결과는 전 연령대와 진단군에 적용 가능한 단일한 '핵심 연결체'는 존재하지 않으며, 모델의 유사성은 예측된 표현형, 연령, 그리고 진단 상태에 의해 크게 조절됨을 보여주었습니다. 이는 신경발달 장애 연구에서 뇌 - 행동 관계를 이해할 때 표본의 이질성과 표현형의 구체성을 고려한 정밀 신경과학 (Precision Neuroscience) 의 중요성을 시사합니다.