EEG Microstate Aggregate Conditional Entropy Derived from Markov Modelling as a AD-Specific Biomarker: Differentiating Alzheimer’s Disease from Frontotemporal Dementia and Healthy Controls

기술 요약: 알츠하이머병 특이적 바이오마커로서의 EEG 마이크로스테이트 집합 조건 엔트로피

문제 정의
휴지기 뇌는 임계 상전이(critical phase transition) 근처에서 작동하며, 이 상태는 최대 정보 처리 능력 및 역동적 유연성과 연관된 체제이다. 이러한 체제로부터의 이탈은 제약된 전이 구조(constrained transition structures)를 특징으로 하며, 이는 알츠하이머병(AD)과 같은 신경퇴행성 질환과 관련이 있다. 전이 구조의 다양성을 정량화하기 위한 기존 지표들은 기능적 자기공명영상(fMRI)에 크게 의존하고 있으나, 이러한 방법들은 비용과 시간이 많이 소요되며, 특히 자원이 부족한 환경에서 진단용 스크리닝에 필요한 시간적 해상도를 갖추지 못하고 있다. EEG 마이크로스테이트는 대규모 뇌 역동성에 대한 높은 시간 해상도의 창을 제공하지만, 마이크로스테이트 전이 시퀀스에 정보 이론적 마르코프 모델링을 적용하여 건강한 대조군(HC) 및 전두측엽 치매(FTD)와 같은 기타 치매와 차별화할 수 있는 물리 기반의 해석 가능한 지표를 도출한 선행 연구는 없었다.

방법론
본 연구는 OpenNeuro 데이터셋 ds004504에서 추출한 85명의 참가자(HC 27명, AD 35명, FTD 23명)의 휴지기 EEG 데이터를 활용하였다. 분석 파이프라인은 다음과 같다:

1. 전처리: 밴드패스 필터링(1–40 Hz), 평균 재참조(average re-referencing), 그리고 MNE-Python을 이용한 아티팩트 제거를 위한 독립 성분 분석(ICA).
2. 마이크로스테이트 추출: 전역장 전력(Global Field Power, GFP) 피크 식별 후 수정된 K-평균 클러스터링(K=4)을 사용하여 EEG 시계열에 이산 마이크로스테이트 레이블(A–D)을 할당함.
3. 마르코프 모델링: 각 참가자에 대한 1차 경험적 전이 확률 행렬($T$) 구축. 1차 마르코프 가정의 타당성은 하위 샘플에 대한 우도비 검정(likelihood ratio tests) 및 베이지안 정보 기준(BIC)을 통해 확인됨.
4. 지표 도출: 전이 행렬의 **집합 조건 엔트로피(Aggregate Conditional Entropy, ACE)**를 행 평균 샤논 조건 엔트로피로 정의하여 산출함:
   $$ACE(T) = \frac{1}{K} \sum_{i} H(X_{t+1} | X_t = i) = -\frac{1}{K} \sum_{i} \sum_{j} T_{ij} \log_2 T_{ij}$$
   저자들은 최대 엔트로피(Maximum Entropy, MaxEnt) 프레임워크 하에서, 정상 분포 제약이 경험적 행렬 자체로부터 도출될 때, 경험적 행렬 $T$가 분석적으로 최대 엔트로피 해가 됨을 공식적으로 입증하였다. 따라서 $ACE(T)$의 직접적인 계산은 수치적 최적화 없이도 필요충분조건을 만족한다.
5. 통계 분석: 그룹 간 차이는 Kruskal-Wallis 검정과 사후 순열 검정(10,000회 반복) 및 Holm-Bonferroni 교정을 통해 평가되었다. 진단 성능은 ROC 분석(AUC)을 통해 평가되었다.

주요 기여

1. 새로운 파이프라인: K-means 마이크로스테이트 추출을 형식적 정보 이론적 근거를 가진 개별 참가자별 $ACE(T)$ 지표로 변환하는 완전 재현 가능한 오픈 소스 Python 파이프라인을 제공한다.
2. 이론적 근거: $ACE(T)$가 관찰된 마이크로스테태 점유율과 일치하는 최대 무작위 마르코프 체인의 엔트로피를 나타냄을 입증하는 공식적 유도를 통해, 딥러닝이나 복잡한 피팅 절차 없이도 이를 구현할 수 있음을 확인하였다.
3. 감별 진단: AD가 HC와 구별된다는 것을 통계적으로 엄격하게 입증하였으며, 특히 FTD 코호트를 포함함으로써 질병 특이성에 초점을 맞추었다.
4. 접근성: MRI 인프라나 독점 소프트웨어가 필요하지 않은 구현 방식을 통해, 자원이 제한된 환경에서의 확장 가능한 신경학적 스크리닝에 적합하도록 하였다.

결과

• 그룹 간 차이: 세 그룹 간에 $ACE(T)$의 유의미한 차이가 관찰되었다 (Kruskal-Wallis $H(2) = 7.464, p = 0.024$).
• AD vs. HC: AD 참가자는 HC에 비해 유의미하게 감소된 $ACE(T)$를 보였다 ($\Delta ACE = 0.067$ bits; Cohen's $d = 0.705$; Holm-교정 $p = 0.021$). 이러한 감소는 더 제약된 마이크로스테이트 전이 구조를 의미한다. AD vs. HC 분류 AUC는 0.691 (95% CI: 0.555–0.819)이었다.
• FTD vs. HC: FTD 참가자는 HC와 유의미한 차이를 보이지 않았다 ($p = 0.963$; AUC = 0.517). 저자들은 이 결과가 질병 특이성이 확인된 것이 아니라, 본 연구가 효과 크기 $d=0.811$보다 작은 값을 탐지하기에는 통계적 검정력이 부족했기 때문이라고 설명하였다.
• AD vs. FTD: AD는 FTD보다 유의미하게 낮은 $ACE(T)$를 보였다 ($\Delta ACE = -0.066$ bits; Holm-교정 $p = 0.042$).
• 벤치마킹: 세타/알파 스펙트럼 전력 비율이 $ACE(T)$보다 우수한 단변량 분류기로 나타났다 (AUC = 0.765 vs. 0.691). 순열 엔트로피(PeEn) 및 샘플 엔트로피(SampEn)와의 비교는 본 연구에서 사용된 속도 최적화 전처리 조건의 파라미터 불일치로 인해 결론을 내릴 수 없는 것으로 간주되었다.
• 강건성: 민감도 분석을 통해 결과가 서로 다른 마이크로스테이트 수($K=3$ ~ $6$), GFP 임계값, 에포크 길이에 대해서도 안정적임을 확인하였다. 점유 엔트로피 제어 분석은 $ACE$의 감소가 불균형한 마이크로스테이트 점유 때문이 아니라 제약된 전이 역동성 때문임을 확인해주었다.

의의 및 주장
본 논문은 마르코프 모델 기반의 집합 조건 엔트로피가 EEG 마이크로스테이트 시퀀스에 대한 해석 가능하고 이론적 근거가 확실한 전이 다양성 바이오마커를 제공한다고 주장한다. 주요 의의는 딥러닝이나 MRI 인프라 없이도 AD를 구분할 수 있다는 점에 있다. 저자들은 $ACE(T)$를 기존의 스펙트럼 바이오마커(본 코호트에서 더 높은 AUC를 보임)를 대체하는 지표가 아니라, AD의 제약된 신경 역동성이라는 이론적 개념과 직접 연결되는 보완적 지표로 위치시킨다. 본 연구는 결과가 예비적 단계이며, 임상적 유용성을 완전히 평가하기 위해서는 외부 검증을 포함한 더 큰 규모의 다기관 코호트에서의 재현이 필요함을 명시하고 있다. 또한, 본 연구는 임계성 이론(criticality theory)과의 수학적 매핑을 주장하기보다는 개념적 연결로 프레임화하며, 이를 명확히 구분하였다.