Diagnostic Prediction of Attention-Deficit/Hyperactivity Disorder in Children Using AULA: A Virtual Reality-Based Continuous Performance Task

주의력 결핍 과잉 행동 장애(ADHD)를 진단하는 것은 오랫동안 부모와 교사가 작성한 설문지와 함께, 아이들이 조용한 방에서 단순한 과업에 집중하도록 요구하는 표준화된 검사에 의존해 왔습니다. 이러한 방법들은 잘 확립되어 있지만, 아이의 주의력이 실제 세상에서 실제로 어떻게 작동하는지에 대한 복잡한 현실을 포착하는 데는 종종 어려움을 겪습니다. 전형적인 교실에서 학생은 선생님의 말을 들으려고 노력하는 동시에, 종이가 바스락거리는 소리, 옆 사람의 속삭임, 그리고 사람들이 지나다니는 움직임을 무시해야 합니다. 전통적인 검사들은 이러한 복잡성을 거의 재현하지 못하며, 이로 인해 아이의 뇌가 끊임없는 주의 분산의 유혹을 어떻게 처리하는지 파악하기 어렵게 만듭니다. 더욱이, ADHD의 증상은 아이마다 매우 다르게 나타날 수 있으며, 이 질환은 단순히 검사 점수 하나가 아니라 아이의 집중력이 순간순간 얼마나 흔들리는지에 의해 정의되는 경우가 많습니다.

조용한 검사실과 시끄러로운 교실 사이의 간극을 메우기 위해, 연구자들은 가상 현실(VR)로 눈을 돌리기 시작했습니다. 이 기술은 헤드셋을 착용한 사람에게는 실제처럼 느껴지지만, 동시에 완벽하게 통제되고 측정 가능한 3차원 몰입형 환경을 구축할 수 있게 해줍니다. 연구자들은 아이를 현실적인 방해 요소가 가득한 시뮬레이션된 교실에 배치함으로써, 압박감이 있는 상황에서 아이의 주의력이 어떻게 유지되는지를 정확히 관찰할 수 있습니다. 이 접근 방식은 이전에는 불가능했던 수준의 세부적인 방식으로 행동을 측정하는 방법을 제공하며, 아이가 정답을 맞혔는지 틀렸는지뿐만 아니라, 몸의 움직임, 반응하는 데 걸린 시간, 그리고 환경이 변함에 따라 주의력이 어떻게 변화했는지까지 포착해 냅니다.

피델 레본-오르티스(Fidel Rebón-Ortiz)와 이레네 알리체 키키 글리올리(Irene Alice Chicchi Giglioli)가 지운티 네스플로라(Giunti Nesplora)와 협력하여 진행한 최근 연구는 AULA라고 불리는 특정 가상 현실 도구를 사용하여 이 아이디어를 시험했습니다. 연구진은 이 몰입형 환경과 고급 컴퓨터 알고리즘을 결합하여 ADHD가 있는 아이와 없는 아이를 구별할 수 있는지 확인하고자 했습니다. 연구진은 6세에서 16세 사이의 아동 및 청소년 352명을 모집하였으며, 두 집단의 인원수를 동일하게 맞추었습니다. 연구에 참여한 모든 아이는 정상 또는 교정된 정상 시력과 청력을 가지고 있었으며, ADHD 그룹은 표준 의료 기준에 따른 공식적인 임상 진단을 받은 상태였습니다.

아이들은 가상 현실 헤드셋을 쓰고 디지털 교실로 들어갔습니다. 이 시뮬레이션 내부에서 아이들은 가상의 선생님에게 주의를 기울이는 동시에, 반 친구가 쪽지를 전달하거나 속삭이는 것과 같은 방해 요소를 무시하는 등 실제 학교 수업을 모방한 과업을 수행하도록 요청받았습니다. 시스템은 아이들이 작업하는 동안 반응 시간부터 머리와 손의 미세한 움직임에 이르기까지 방대한 양의 데이터를 기록했습니다. 연구진은 특히 방해 요소가 있을 때와 조용할 때를 비교하여 아이들의 수행 능력을 조사했습니다. 그들은 반응 시간이 매 순간 얼마나 변하는지, 혹은 방해 요소를 무시하려고 할 때 실수가 얼마나 자주 발생하는지와 같이 ADHD의 고유한 특징을 드러낼 수 있는 데이터 패턴을 찾고자 했습니다.

이 풍부한 정보의 흐름을 수집한 후, 연구팀은 머신러닝이라 불리는 과정을 통해 가장 중요한 단서들을 찾아냈습니다. 단순히 한두 개의 숫자를 보는 대신, 컴퓨터는 수십 가지의 서로 다른 측정치를 분석하여 어떤 것이 두 집단을 가장 잘 구분하는지 확인했습니다. 연구 결과, 가장 결정적인 징후는 단순히 아이가 얼마나 빨리 답을 하느냐가 아니라, 얼마나 일관성을 유지하느냐에 있었습니다. ADHD가 있는 아이들은 특히 방해 요소를 무시하려고 할 때 반응 시간의 불안정성이 훨씬 더 크게 나타났습니다. 또한 그들은 두 가지 특정 유형의 오류를 현저히 많이 범했는데, 즉 목표물을 놓치거나, 가상 교실에 소음과 움직임이 가득할 때 가만히 있어야 할 상황에서 버튼을 누르는 오류를 범했습니다.

이 연구는 예측에 가장 유용한 14가지 핵심 변수를 식별했습니다. 여기에는 반응 시간이 얼마나 요동치는지, 방해 요소가 있을 때 발생한 오류의 횟수, 그리고 주의력이 과업으로부터 얼마나 멀어졌는지에 대한 측정치가 포함되었습니다. 연구진이 이러한 특정 변수들을 여러 가지 컴퓨터 모델에 입력했을 때, 결과는 놀라웠습니다. 모델들은 매우 높은 정확도로 아이들을 분류해 냈으며, 93% 이상의 사례에서 아이가 어느 집단에 속하는지를 정확히 식별했습니다. 가장 성능이 뛰어난 모델들은 전통적인 테스트 방법에서 흔히 볼 수 있는 수준을 훨씬 뛰어넘는 정밀도로 두 집단을 구별해 냈습니다.

가장 중요한 발견 중 하나는 방해 요소의 존재가 엄청난 차이를 만든다는 점이었습니다. 가장 중요한 변수들은 아이들이 시끄럽고 분주한 환경에서 집중하려고 노력할 때 측정된 것들이었습니다. 이는 ADHD가 단순히 정적인 특성이 아니라, 개인의 집중 능력이 주변 환경에 의해 크게 영향을 받는 상태라는 이론을 뒷받침합니다. 환경이 단순하고 조용할 때 ADHD가 있는 아이는 또래와 비슷하게 수행할 수 있지만, 인지적 부하가 증가하고 방해 요소가 나타나면 주의력이 불안정해지고 충동 조절 능력이 약화됩니다. 연구는 가상 현실 환경이 이러한 특정한 어려움을 유발할 수 있음을 보여주었으며, 이를 통해 컴퓨터가 문제를 명확하게 볼 수 있도록 했습니다.

연구진은 또한 컴퓨터 모델이 인간 관찰자가 놓칠 수 있는 미세한 패턴을 포착할 수 있다는 점에 주목했습니다. 예를 들어, 모델은 가상 공간 내에서의 신체 움직임이 주의력과 연관되어 있음을 찾아냈습니다. 어떤 경우에는 아이의 신체적 불안정함이 처음에는 명확히 보이지 않는 복잡한 방식으로 주의력 유지 능력과 상호작용하는 것으로 나타났습니다. 가상 현실 테스트 데이터와 이러한 고급 컴퓨터 기법을 결합함으로써, 이 연구는 아이의 주의력 건강에 대한 훨씬 더 정확하고 객관적인 그림을 그려내는 것이 가능하다는 것을 입증했습니다.

결과가 유망하기는 하지만, 저자들은 이것이 더 큰 여정의 한 단계임을 조심스럽게 언급했습니다. 이 연구는 특정 그룹의 아이들을 대상으로 했으며, ADHD의 모든 변형이나 흔히 동반되는 다른 질환들을 모두 포함하지는 않았습니다. 연구에 사용된 컴퓨터 모델은 복잡하며, 연구진은 의사들이 이 모델들을 임상에서 널리 사용하기 전에 모델이 어떻게 결론에 도달하는지를 이해해야 한다는 점을 인정했습니다. 그러나 이 연구는 현실적인 방해 환경에 아이들을 배치하고 높은 정밀도로 반응을 측정하는 것이 전통적인 검사로는 할 수 없는 방식으로 ADHD의 핵심적인 과제를 드러낼 수 있다는 강력한 근거를 제공합니다.

궁극적으로 이 연구는 진단을 향한 새로운 길을 제시합니다. 주관적인 보고와 단순한 검사에서 벗어나, 몰입감 있고 데이터가 풍부한 환경으로 나아감으로써 임상의들은 아이의 주의력이 가진 진정한 본질을 볼 수 있는 도구를 갖게 될 것입니다. 이 연구는 우리가 실제 교실의 도전 과제들을 재현할 때, ADHD가 있는 아이들과 그렇지 않은 아이들 사이의 차이가 명확하고 측정 가능한 형태로 드러난다는 것을 보여줍니다. 이러한 접근 방식은 진단의 정확도를 높일 뿐만 아니라, 주의력이 어떻게 작동하는지, 압박 속에서 어떻게 무너지는지, 그리고 아이들이 실제로 살아가는 복잡하고 시끄러운 세상 속에서 어떻게 지원될 수 있는지에 대한 더 깊은 이해를 제공합니다.