🧬 biology

Differential Lifespan Trajectories of Cerebral Asymmetry in Chinese and Western Populations

이 연구는 뇌의 비대칭성이 중국인과 서구 인구 집단 사이에서 서로 다른 생애 궤적을 따른다는 것을 밝혀내며, 이는 개인의 뇌 비대칭성을 정확하게 평가하고 신경 질환과 관련된 편차를 탐지하기 위해 인구 집단별로 일치된 규범 모델이 필수적임을 입증한다.

원저자: Chunshui Yu, Liyuan Lin, Lianglong Sun, Caihong Wang, Jintao Zhang, Qi Huang, Jing Zhang, Chao Liu, Qiujin Qian, Bing Zhang, Ming Meng, Xinyuan Liang, Mingrui Xia, Feng Liu, Huaigui Liu, Nan Chen, JinChunshui Yu, Liyuan Lin, Lianglong Sun, Caihong Wang, Jintao Zhang, Qi Huang, Jing Zhang, Chao Liu, Qiujin Qian, Bing Zhang, Ming Meng, Xinyuan Liang, Mingrui Xia, Feng Liu, Huaigui Liu, Nan Chen, Jinzhu Yang, Bo Hou, Zeyu Liu, Chu-Chung Huang, Yongqiang Yu, huanhuan Cai, Jiang Qiu, Qunlin Chen, Ying Wei, Peifang Miao, Hongwen Song, Weiwei Men, Yunxia Li, Yaou Liu, Yunyun Duan, Peng Zhang, Ning Yang, Xue-Ru Fan, Qing Cai, Xiaoxue Gao, Shijun Qiu, Yujie Liu, Sha Tao, Meiyun Wang, Yu Shen, Qiyong Gong, Xiaoqi Huang, Yanghua Tian, Gong-Jun Ji, Wenzhen Zhu, Fang Xie, Jianfeng Feng, Hu Li, Jia-Hong Gao, Tianzi Jiang, Xiongzhao Zhu, Yuhan Zhang, Liping Liu, Hanjun Liu, Weihua Liao, Peipeng Liang, Dawei Wang, Huali Wang, Tengfei Guo, Zhengjia Dai, Su Lui, Kai Xu, Lingjiang Li, Peng Xie, Chunliang Feng, Guang-Bin Cui, Jinsong Wu, Xuntao Yin, Guosheng Ding, Junfang Xian, Lianping Zhao, Jie Lu, Zhifen Liu, Ying Han, Zhen Yuan, XILIN ZHANG, Tian-Mei Si, Fuqing Zhou, Yanchao Bi, Dan Wu, Fei Gao, Fei Wang, Shaozheng Qin, Gang Wang, Feng Chen, Zhiqiang Zhang, Jing Sui, Huafu Chen, Jinhua Cai, Shuwei Liu, Zuojun Geng, Chen Zhang, Ning Mao, Hong Yin, Bo Liu, Heng Ma, Bo Gao, Yanwei Miao, Xiang-Zhen Kong, Yuan Zhou, Li Liu, Jianping Hu, Liang Wang, Quan Zhang, Hua Shu, Peijun Wang, Tatia M.C. Lee, Qingjiu Cao, Li Yang, Xi Zhang, Wenbo Luo, Meng Liang, Hongxiang Yao, Meng Li, Hao Huang, Yun Peng, Zaizhu Han, Chao Zhou, Haibo Xu, Ming Feng, Wen Shen, Yuzheng Hu, Huajun Chen, Ying Wang, Gaolang Gong, Zhihan Yan, Xiaojun Xu, Jun Liu, Guangxiang Chen, Pan Wang, Yunjun Yang, Cheng Luo, Tong Han, Huiguang He, Ce Chen, Qihong Zou, Hesheng Liu, Hui Zhang, Chao Chai, Chunming Lu, Yiheng Tu, Yong Liu, Danhua Lin, Weihua Zhao, Xiufeng Xu, Xiaoli Liu, Zaixu Cui, Zheng Wang, Ruiwang Huang, Zhanjiang Li, Yunzhe Liu, Xiaojun Li, Xiujie Yang, Nan Zhang, Antao Chen, Bin Zhang, Pengmin Qin, Chen Liu, Zhenwei Yao, Yanjun Wei, Huishu Yuan, Feng Wang, Yu Zhang, Quan Zhang, Fang Hu, Huan Xie, Xuehai Wu, Jiaojian Wang, Guo-Guang Fan, Zhiqun Wang, Dongling Zhang, Hui Zhong, Yonggang Wang, Lijun Bai, Yongmei Li, Xinhua Wei, Jinhui Wang, Yi Zhang, Hongjian He, Shuyu Li, Tijiang Zhang, Fan Jiang, Jian Yang, Feiyan Chen, Alzheimer’s Disease Neuroimaging Initiative -, CHIMGEN Consortium, DIDA-MDD Working Group -, MCADI Consortium -, Chinese Lifespan Brain Mapping Consortium -, Tian Tian, Long Jiang Zhang, Dongtao Wei, Jiajia Zhu, Ching-Po Lin, Feng Feng, Kuncheng Li, Xiaochu Zhang, Zhaoxiang Ye, Qi Dong, Wen Qin, Yong He

게시일 2026-08-19

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Chunshui Yu, Liyuan Lin, Lianglong Sun, Caihong Wang, Jintao Zhang, Qi Huang, Jing Zhang, Chao Liu, Qiujin Qian, Bing Zhang, Ming Meng, Xinyuan Liang, Mingrui Xia, Feng Liu, Huaigui Liu, Nan Chen, Jinzhu Yang, Bo Hou, Zeyu Liu, Chu-Chung Huang, Yongqiang Yu, huanhuan Cai, Jiang Qiu, Qunlin Chen, Ying Wei, Peifang Miao, Hongwen Song, Weiwei Men, Yunxia Li, Yaou Liu, Yunyun Duan, Peng Zhang, Ning Yang, Xue-Ru Fan, Qing Cai, Xiaoxue Gao, Shijun Qiu, Yujie Liu, Sha Tao, Meiyun Wang, Yu Shen, Qiyong Gong, Xiaoqi Huang, Yanghua Tian, Gong-Jun Ji, Wenzhen Zhu, Fang Xie, Jianfeng Feng, Hu Li, Jia-Hong Gao, Tianzi Jiang, Xiongzhao Zhu, Yuhan Zhang, Liping Liu, Hanjun Liu, Weihua Liao, Peipeng Liang, Dawei Wang, Huali Wang, Tengfei Guo, Zhengjia Dai, Su Lui, Kai Xu, Lingjiang Li, Peng Xie, Chunliang Feng, Guang-Bin Cui, Jinsong Wu, Xuntao Yin, Guosheng Ding, Junfang Xian, Lianping Zhao, Jie Lu, Zhifen Liu, Ying Han, Zhen Yuan, XILIN ZHANG, Tian-Mei Si, Fuqing Zhou, Yanchao Bi, Dan Wu, Fei Gao, Fei Wang, Shaozheng Qin, Gang Wang, Feng Chen, Zhiqiang Zhang, Jing Sui, Huafu Chen, Jinhua Cai, Shuwei Liu, Zuojun Geng, Chen Zhang, Ning Mao, Hong Yin, Bo Liu, Heng Ma, Bo Gao, Yanwei Miao, Xiang-Zhen Kong, Yuan Zhou, Li Liu, Jianping Hu, Liang Wang, Quan Zhang, Hua Shu, Peijun Wang, Tatia M.C. Lee, Qingjiu Cao, Li Yang, Xi Zhang, Wenbo Luo, Meng Liang, Hongxiang Yao, Meng Li, Hao Huang, Yun Peng, Zaizhu Han, Chao Zhou, Haibo Xu, Ming Feng, Wen Shen, Yuzheng Hu, Huajun Chen, Ying Wang, Gaolang Gong, Zhihan Yan, Xiaojun Xu, Jun Liu, Guangxiang Chen, Pan Wang, Yunjun Yang, Cheng Luo, Tong Han, Huiguang He, Ce Chen, Qihong Zou, Hesheng Liu, Hui Zhang, Chao Chai, Chunming Lu, Yiheng Tu, Yong Liu, Danhua Lin, Weihua Zhao, Xiufeng Xu, Xiaoli Liu, Zaixu Cui, Zheng Wang, Ruiwang Huang, Zhanjiang Li, Yunzhe Liu, Xiaojun Li, Xiujie Yang, Nan Zhang, Antao Chen, Bin Zhang, Pengmin Qin, Chen Liu, Zhenwei Yao, Yanjun Wei, Huishu Yuan, Feng Wang, Yu Zhang, Quan Zhang, Fang Hu, Huan Xie, Xuehai Wu, Jiaojian Wang, Guo-Guang Fan, Zhiqun Wang, Dongling Zhang, Hui Zhong, Yonggang Wang, Lijun Bai, Yongmei Li, Xinhua Wei, Jinhui Wang, Yi Zhang, Hongjian He, Shuyu Li, Tijiang Zhang, Fan Jiang, Jian Yang, Feiyan Chen, Alzheimer’s Disease Neuroimaging Initiative -, CHIMGEN Consortium, DIDA-MDD Working Group -, MCADI Consortium -, Chinese Lifespan Brain Mapping Consortium -, Tian Tian, Long Jiang Zhang, Dongtao Wei, Jiajia Zhu, Ching-Po Lin, Feng Feng, Kuncheng Li, Xiaochu Zhang, Zhaoxiang Ye, Qi Dong, Wen Qin, Yong He

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 완벽하게 대칭적인 물체가 아닙니다. 거울에 비친 모습과 약간 다른 손처럼, 우리 뇌의 왼쪽과 오른쪽은 서로 뚜렷한 모양과 크기를 가지고 있습니다. 이러한 차이, 즉 비대칭성은 우리 뇌가 어떻게 구성되어 있는지를 보여주는 근본적인 특징입니다. 이것이 대부분의 사람들에게서 언어 처리는 주로 왼쪽에, 공간 추론은 종종 오른쪽에 치우쳐 일어나는 이유입니다. 과학자들은 이러한 차이가 유년기부터 노년기에 이르기까지 성장함에 따라 변화한다는 것과, 이러한 차이에서 나타나는 특이한 패턴이 신경학적 질환을 알리는 신호가 될 수 있다는 것을 오래전부터 알고 있었습니다. 그러나 지금까지, 무엇이 인간 뇌의 "정상"인지를 이해하기 위해 사용된 표준 지도들은 거의 전적으로 서구 혈통의 사람들을 대상으로 그려졌습니다. 이는 중요한 공백을 남겼습니다. 즉, 세계 한 지역에서 뇌 발달을 지배하는 규칙이 다른 지역에도 동일하게 적용되는지 알 수 없었던 것입니다.

하나의 거대한 새로운 연구가 중국인과 서구인의 뇌 지도를 비교함으로써 이 공백을 채웠습니다. 대규모 국제 팀이 이끄는 연구진은 출생부터 100세까지의 연령대를 아우르는 43,037명의 건강한 중국인과 56,339명의 건강한 서구인의 뇌 스캔 데이터를 수집했습니다. 연구진은 뇌 표면의 두께와 심부 구조의 부피와 같은 244가지의 서로 다른 뇌 구조적 특징을 측정하여, 평생에 걸쳐 좌우 비대칭이 어떻게 변화하는지 조사했습니다. 연구 결과, 두 집단은 많은 유사성을 공유하면서도 서로 뚜렷하게 다른 경로를 따른다는 것이 밝혀졌습니다. 측정된 뇌 특징 중 4분의 1 이상에서, 중국인의 경우 평생 동안 비대칭이 발달하는 방식은 서구인의 방식과 같지 않았습니다. 예를 들어, 어떤 영역에서는 한 인구 집단에서 왼쪽이 오른쪽보다 더 크게 성장하는 반면 다른 인구 집단에서는 그 반대의 현상이 나타나거나, 이러한 변화의 시기가 수십 년씩 차이가 나기도 합니다.

이러한 차이는 단순히 학술적인 호기심에 그치는 것이 아니라, 의사와 과학자들이 뇌 스캔을 해석하는 방식에 실질적인 영향을 미칩니다. 연구진은 "서구적" 지도를 사용하여 "중국인"의 뇌를 이해하거나 그 반대의 경우에 오류가 발생하는지 테스트했습니다. 그 결과, 실제로 오류가 발생한다는 것을 발견했습니다. 서구 데이터로 구축된 모델을 사용하여 건강한 중국인의 뇌를 평가했을 때, 그 모델은 정상적인 변이를 비정상적인 것으로 분류하는 경우가 많았습니다. 반대로 중국 모델을 서구인의 뇌에 적용했을 때도 동일한 오류가 발생했습니다. 연구는 특정 인구 집단에 맞춰 구축된 모델이 무엇이 진정으로 건강하고 무엇이 병적인지를 식별하는 데 훨씬 더 뛰어나다는 것을 보여주었습니다. 연구진이 알츠하이머병, 조현병, 우울증과 같은 질환을 가진 환자들을 살펴보았을 때, 인구 특이적 모델이 이러한 질병과 관련된 미세한 뇌 변화를 감지하는 데 훨씬 더 정확했습니다. 잘못된 인구 집단의 지도를 사용하는 것은 질병을 명확히 보는 것을 어렵게 만들었으며, 때로는 질병을 놓치거나 정상적인 차이를 질병의 징후로 오인하게 만들었습니다.

또한 이 연구는 이러한 차이가 남성과 여성 사이에서도 일관되게 나타나는지 탐구했습니다. 연구진은 대다수의 뇌 특징에 대해 중국인과 서구인 집단 간의 차이가 성별에 관계없이 동일하다는 것을 발견했습니다. 그러나 성별에 따라 차이의 패턴이 뒤바뀌는 몇 가지 예외가 있었는데, 이는 생물학적 요인과 환경이 복잡하게 상호작용하며 뇌를 형성한다는 점을 시사합니다. 연구진은 자신들의 연구 결과가 연구 대상이 된 집단에 국한된다는 점을 주의 깊게 언급했습니다. 중국 참가자들은 압도적으로 한족 혈통이었고, 서구 참가자들은 주로 백인 계열이었습니다. 이는 생성된 지도가 이 특정 집단들에게는 매우 정확하지만, 해당 지역 내의 다른 소수 민족이나 전 세계의 다른 인구 집단에는 완벽하게 적용되지 않을 수 있음을 의미합니다.

궁극적으로, 이 작업은 인간의 뇌에 단 하나의 보편적인 표준이 존재한다는 생각에 도전합니다. 재단사가 한 사람의 체형에 맞춘 패턴을 다른 사람에게 완벽하게 맞추기 위해 조정 없이 사용할 수 없는 것처럼, 신경과학자들도 한 인구 집단의 뇌 지도를 사용하여 다른 인구 집단을 정확하게 평가할 수 없습니다. 연구는 뇌 건강과 질병을 진정으로 이해하기 위해서는 별도의 인구 특이적 도표를 구축해야 한다고 결론짓습니다. 그렇게 함으로써, 우리는 신경학적 상태의 진단이 단순히 맞지 않는 비교에 의한 혼란이나 치료의 누락을 초래하는 것이 아니라, 특정 개인에게 무엇이 정상인지에 대한 진정한 이해를 바탕으로 이루어지도록 보장할 수 있습니다. 보다 정밀하고 포용적인 과학을 향한 이러한 변화는 배경에 상관없이 모든 이에게 뇌 영상 기술이 더욱 신뢰할 수 있는 도구가 될 것임을 약속합니다.

기술 요약: 중국 및 서구 인구 집단 간 뇌 비대칭의 차별적 수명 궤적

문제 제기

뇌 비대칭은 언어, 얼굴 인식, 시공간 처리와 같은 핵심적인 신경인지 기능의 기초가 되는 인간 뇌 조직화의 근본적인 원리이다. 비정상적인 비대칭은 신경정신 질환(예: 알츠하이머병, 조현병, 주요 우울 장애)과 연관되어 있으나, 일반 인구 집단에서의 정상적인 뇌 비대칭 양상은 여전히 불완전하게 규명되어 있다. 결정적으로, 조상 집단(ancestral populations)에 따라 구조적 비대칭의 수명 궤적이 달라지는지 여부는 불분명하다. 기존의 대규모 연구들은 뇌 비대칭에 대한 규범적 모델을 구축했으나, 조상 집단 간의 이러한 궤적 차이를 체계적으로 조사한 연구는 없다. 이러한 공백은 인구 집단 유래 뇌 영상 모델의 일반화 가능성에 대한 우려를 불러일으킨다. 구체적으로, 한 인구 집단(예: 서구)에서 구축된 규범적 모델이 다른 인구 집단(예: 중국)에 적용될 때 개인 수준의 평가에서 편향을 유발할 수 있는지에 대한 의문이 제기된다.

방법론

데이터 수집 및 코호트

본 연구는 두 개의 뚜렷한 조상 집단으로 구성된 방대한 다기관 데이터셋을 활용하였다:

중국 코호트: 0~100세 사이의 건강한 참가자 43,037명 (중국 29개 성, 384개 사이트에서 모집, 98.76% 한족).
서구 코호트: 0~100세 사이의 건강한 참가자 56,339명 (호주, 벨기에, 캐나다, 아일랜드, 네덜란드, 스위스, 영국, 미국 등 8개 서구 국가의 174개 사이트에서 모집, 87.75% 백인).

또한, 검증을 위해 독립적인 테스트 데이터셋을 사용하였다:

건강한 테스트 세트: 중국인 4,041명 및 서구인 5,477명.
임상 사례-대조군 세트: 양쪽 인구 집단에서 추출한 알츠하이머병(AD), 경도 인지 장애(MCI), 조현병(SZ), 주요 우울 장애(MDD) 쌍.

표현형 추출 및 처리

MRI 처리: 구조적 MRI 데이터는 연령별 파이프라인을 사용하여 처리되었다. 2세 이상의 참가자는 FreeSurfer(v6.0.0 또는 UKB 파이프라인)를 통해 처리되었고, 2세 미만은 iBEAT v2.0 또는 dHCP 파이프라인을 사용하였다. 모든 피질 표면은 표준 fsaverage 공간에 정렬되었다.
표현형: Desikan–Killiany 아틀라스(34개 피질 영역 × 7가지 측정치: 부피, 표면적, 두께, 평균 곡률, 가우시안 곡률, 폴딩 지수, 곡률 지수)와 6개의 피질 하부 부피를 사용하여 244쌍의 구조적 뇌 MRI 표현형을 추출하였다.
비대칭 지수 (AI): 각 표현형에 대해 AI는 $(L - R) / (L + R)$ 로 계산되었다 (여기서 $L$ 과 $R$ 은 좌우 반구의 값).

규범적 모델링

통계적 프레임워크: 수명 궤적은 GAMLSS(Generalized Additive Models for Location, Scale, and Shape)를 사용하여 모델링되었다. 이 유연한 프레임워크를 통해 반응 분포의 위치(location), 척도(scale), 형태(shape)가 연령 및 성별의 함수로서 변화하도록 하였다.
분포 선택: Bayesian Information Criterion (BIC)를 기준으로 최적의 반응 분포(피질 표현형의 경우 Generalized t-distribution, 피질 하부 부피의 경우 Skew-t 분포)를 선택하였다.
모델 적합: 모델에는 연령(fractional polynomial을 통해 모델링됨)과 성별에 대한 고정 효과와 스캐너 사이트에 대한 무작위 절편이 포함되었다.
분류: 수명 궤적은 95% 신뢰 구간(CI)을 기반으로 패턴(예: 우측 편향, 좌측 편향, 우측에서 좌측으로의 전환)으로 분류되었다.

비교 분석

궤적 비교: 두 인구 집단 모두에서 유지된 221개 표현형에 대해 '중국-서구' 차이 곡선을 계산하였다. 이 곡선들은 다섯 가지 패턴(우측 편향, 좌측 편향, 우측-좌측 전환, 좌측-우측 전환, 미분류)으로 범주화되었다.
예측 정확도: 인구 집단 일치 모델(동일한 인구 집단에서 훈련 및 테스트됨)과 인구 집단 불일치 모델(population-mismatched models)을 비교하기 위해 정규화된 평균 제곱근 오차(NRMSE)를 사용하여 표본 외(out-of-sample) 예측 정확도를 평가하였다.
분포 보정: 모델 유래 편차 z-점수가 기대되는 표준 정규 분포와 일치하는지 평가하기 위해 Kolmogorov–Skirnov (KS) 검정을 사용하였다.

임상 검증: 인구 집단 일치 모델이 관찰된 사례-대조군 AI 차이를 얼마나 잘 재현하는지 결정하기 위해 급내 상관 계수(ICC)를 계산하였다.

주요 결과

1. 상이한 수명 궤적

비교된 221개 표현형 중 73.76%는 중국과 서구 인구 집단 간에 일치하는 비대칭 패턴(예: pars opercularis에서의 일관된 좌측 편향)을 보였으나, 26.24%는 상이한 패턴을 나타냈다. 예를 들어, 외측 안와전두 피질의 표면적은 중국 인구에서는 우측 편향이었으나, 서구 인구에서는 좌측 편향이었다.

2. 복잡한 차이 패턴

중국-서구 비대칭 차이 곡선은 생애 전반에 걸쳐 다양한 궤적을 나타냈다:

우측 편향: 45.7% (중국 AI < 서구 AI).
좌측 편향: 26.2% (중국 AI > 서구 AI).
우측-좌측 전환: 11.8%.
좌측-우측 전환: 10.0%.
미분류: 6.3%.
이러한 결과는 한 인구 집단의 규범 차트를 다른 인구 집단에 적용하는 것이 개인의 비대칭 평가에 체계적인 편향을 초래할 수 있음을 시사한다.

3. 인구 집단 일치 모델의 우수성

예측 정확도: 인구 집단 일치 모델이 불일치 모델보다 유의하게 높은 예측 정확도를 보였다. 중국 테스트 샘플에서, 중국 모델은 서구 모델에 비해 Cohen's $d$ 0.69 ( $P = 2.39 \times 10^{-28}$ )를 달성했다. 반대로, 서구 샘플에서는 서구 모델이 중국 모델보다 우수했다 ( $d = 0.37, P = 3.53 \times 10^{-15}$ ).
분포 보정: 인구 집단 일치 모델은 모델 유래 편차 z-점수가 표준 정규 분포에 더 가깝게 부합하도록 하였다. 중국 샘플의 경우, 서구 모델은 42개 표현형에서 정규성으로부터의 유의미한 이탈을 보인 반면, 중국 모델은 단 1개의 표현형에서만 이탈을 보였다. 서구 샘플에서도 유사한 경향이 관찰되었다.

4. 임상적 유용성

인구 집단 일치 규범 모델은 질환 관련 비대칭 편차를 더 정확하게 재현하였다. 예를 들어, 중국 사례-대조군 쌍에서, 모든 질환에 대해 일치 모델의 ICC가 불일치 모델보다 유의하게 높았다 (예: SZ: 0.87 vs 0.69; MDD: 0.86 vs 0.55). 이는 불일치 모델을 사용하는 것이 질환 관련 편차를 은폐하거나 잘못 특징지을 수 있음을 시사한다.

의의 및 주장

저자들은 본 연구가 조상 집단 간 구조적 뇌 비대칭의 수명 규범 궤적을 비교한 최초의 대규모 연구라고 주장한다. 주요 의의는 인구 집단 불일치가 뇌 차트 기반의 개인 수준 평가에 편향을 도입한다는 점을 입증한 데 있다.

논문은 다음과 같이 주장한다:

규범 모델은 보편적이지 않다: 구조적 뇌 비대칭 궤적은 무시할 수 없는 인구 특이적 변이를 나타낸다.
임상적 함의: 인구 집단이 불일치하는 규범 모델을 사용하는 것은 환자의 신경정신 질환 관련 편차를 부정확하게 탐지하여 임상적 해석을 혼란스럽게 할 수 있다.
권고 사항: 정확한 진단 및 평가를 보장하기 위해 인구 대표성이 있는 뇌 비대칭 규범 차트가 필요하다. 모든 인구 집단을 위한 모델 구축은 현실적으로 어려울 수 있으나, 저자들은 임상 현장에서 개인 수준 추론의 정밀도를 높이기 위해 주요 조상 집단에 대한 모델 개발이 반드시 필요하다고 주장한다.

결론적으로, 뇌 비대칭의 핵심 특징은 인구 집단 간 공유되지만, 생애 전반에 걸친 이러한 특성의 역동적인 진화는 신뢰할 수 있는 임상 적용을 위해 인구 특이적 모델링을 요구할 만큼 충분히 구별된다.