Longitudinal Metabolomics and High-Density EEG Signatures of One-Year Recurrent Ischemic Stroke: Exploratory Multimodal Classification and Internal Evaluation

매년 수백만 명의 사람들이 첫 번째 뇌졸중에서 살아남지만, 곧이어 닥쳐올 두 번째 뇌졸중의 지속적인 위협에 직면합니다. 의사들은 오랫동안 연령, 혈압, 초기 손상의 심각도 등을 살피는 표준 체크리스트에 의존하여 누가 다시 사건을 겪을지 추측해 왔으나, 이러한 도구들은 환자가 회복하는 과정에서 몸 안에서 일어나는 미묘하고 변화무쌍한 변화들을 놓치는 경우가 많습니다. 뇌졸중은 단일한 시점의 사건이 아닙니다. 그것은 뇌가 소통하는 방식과 신체의 화학적 성질이 어떻게 진화하는지를 변화시키는 하나의 과정입니다. 누구에게 위험이 닥칠지 진정으로 이해하기 위해, 과학자들은 병원 입원 당시의 스냅샷을 넘어 환자의 혈액과 뇌 활동이 1년에 걸쳐 어떻게 살아 움직이며 변화하는지를 추적하기 시작했습니다.

최근 중국의 한 연구팀은 두 가지 매우 다른 유형의 데이터를 결합하는 것이 현재의 방법들보다 두 번째 뇌졸중을 더 정확하게 예측할 수 있는지 테스트하기 위해 연구를 수행했습니다. 그들은 혈전이 뇌로 가는 혈류를 막아 발생하는 급성 허혈성 뇌졸중을 겪은 428명의 성인을 추적 조사했습니다. 연구팀은 이 환자들로부터 1년 동안 두 가지 특정 정보 스트림을 수집했습니다. 첫째, 신체가 에너지를 어떻게 처리하고, 염증과 싸우며, 조직을 어떻게 복구하는지를 반영하는 혈액 내 미세한 화학 분자들의 집합인 대사체(metabolome)를 분석하기 위해 반복적인 혈액 샘플을 채취했습니다. 둘째, 환자가 휴식을 취하는 동안 뇌의 전기적 활동을 매핑하기 위해 100개 이상의 센서를 두피에 배치하는 기술인 고밀도 뇌파 검사(EEG)를 사용했습니다. 이러한 화학적 및 전기적 패턴이 시간이 지남에 따라 어떻게 변하는지를 추적함으로써, 연구진은 건강을 유지할 사람과 재발을 경험할 사람을 구별하는 특징적인 징후를 찾아내고자 했습니다end.

2020년에서 2022년 사이 한 병원에서 진행된 이 연구는 1년 이내에 두 번째 뇌졸중을 경험한 환자 51명을 식별했으며, 나머지 377명은 그렇지 않았습니다. 연구진은 혈액과 뇌 데이터의 패턴을 학습하기 위해 컴퓨터 모델을 구축했습니다. 이 모델은 데이터의 복잡성을 처리하도록 설계되었습니다. 즉, 변화하는 혈액 화학을 하나의 타임라인으로 취급하고, 뇌의 전기적 연결을 관계의 네트워크로 다루었습니다. 연구팀이 이 전체 모델을 테스트했을 때, 이 모델은 두 그룹을 구별해 내는 매우 강력한 능력을 보여주었으며, 우연에 의해 기대되는 수준을 훨씬 뛰어넘어 두 번째 뇌졸중의 위험을 정확히 식별해 냈습니다. 모델의 성능은 단순히 해당 그룹 내에서 두 번째 뇌졸중이 발생한 사람의 수를 바탕으로 한 단순한 추측보다 눈에 띄게 우수했으며, 이는 모델이 실제적인 생물학적 신호를 포착했음을 시사합니다.

그러나 연구진은 퍼즐의 각 조각이 실제로 얼마나 기여하는지에 대해 신중하게 질문을 던졌습니다. 그들은 뇌의 전기적 데이터를 제거하고 혈액 화학에만 의존하여 동일한 테스트를 다시 수행했습니다. 모델은 여전히 높은 정확도를 유지했지만, 전체 버전보다는 약간 낮았습니다. 그다음에는 혈액 데이터를 제거하고 뇌 신호만을 유지하는 실험을 진행했는데, 이 역시 강력한 결과를 나타냈습니다. 이러한 비교는 결정적인 통찰을 드러냈습니다. 즉, 혈액 내의 화학적 변화가 예측력의 대부분을 보유하고 있다는 점이었습니다. 뇌 데이터를 추가했을 때 정확도가 약간 더 높아지기는 했지만, 이 연구는 혈액 검사만으로도 필요한 정보의 대부분을 포착할 수 있음을 시사합니다. 뇌 데이터는 혈액 결과와 모순되지 않았으나, 환자의 상태에 대한 보완적인 관점을 제공했을 뿐, 이 특정 예측에 있어서는 대사 변화보다 덜 결정적이었습니다.

이러한 유망한 결과에도 불구하고, 저자들은 이 작업이 임상에서 즉시 사용할 수 있는 최종 해결책이 아니라 탐색적인 단계임을 강조합니다. 이 연구는 사후적(retrospective) 연구였으므로, 데이터를 먼저 수집한 후 모델을 구축했다는 점에서 결과를 미래의 환자들에게 얼마나 확신 있게 적용할 수 있는지에 한계가 있습니다. 연구진은 모델이 다른 병원의 완전히 새로운 집단을 대상으로 테스트되지 않았음을 언급했는데, 이는 모델이 현실 세계에서 작동함을 증명하기 위해 필요한 단계입니다. 또한, 연구는 모델에 사용된 모든 혈액 샘 샘플이 두 번째 뇌졸중이 발생하기 전에 채취되었는지 완전히 검증하지 못했는데, 이는 미래를 예측하기 위한 도구로서 매우 중요한 세부 사항입니다. 연구팀은 자신들의 발견이 생명을 구하는 데 확인된 방법이라기보다는, 다중 모달(multimodal) 접근 방식이 효과적이라는 것을 보여주는 개념 증명(proof of concept)으로 간주되어야 한다고 명시적으로 밝혔습니다.

앞으로 나아가기 위해서는 더 엄격한 테스트가 필요합니다. 연구진은 다음 단계로 모델의 설정을 고정하고 새로운 환자 집단에 테스트하여, 미래의 정보가 예측에 유입되지 않도록 해야 한다고 제안합니다. 또한 뇌 스캔을 추가함으로써 얻는 작은 개선이 장비를 설정하는 데 드는 추가적인 시간, 비용, 복잡성을 감수할 가치가 있는지도 결정해야 합니다. 만약 혈액 검사만으로도 결합된 접근 방식만큼 우수한 성과를 낸다면, 의료계는 뇌졸중 생존자를 모니터링하기 위해 더 단순하고 확장 가능한 전략을 채택할 수 있을 것입니다. 현재로서는 이 연구가 의사들이 두 번째 뇌졸중에 대비해 신체의 진화하는 화학적 변화를 추적하며 한발 앞서 나갈 수 있는 미래에 대한 희망적인 전망을 제공하는 동시에, 강력한 컴퓨터 모델을 신뢰할 수 있는 의료 도구로 만드는 데는 시간, 인내, 그리고 추가적인 검증이 필요하다는 사실을 상기시켜 줍니다.