한국뇌연구원은 인지과학연구그룹 이찬희 선임연구원과 서울성모병원 채정호 교수 공동연구팀이 머신러닝 기법을 이용해 우 울증 환자의 다중뇌파를 분석하는 기술을 개발하였다고 밝혔다. 

우울증은 정신질환 중에서도 형태가 다양하고 복잡하여 뇌파만으로는 정밀진단이 어렵다. 또한 우울증을 감별하는 뇌파지표로 사용되는 안정상태정량뇌파(REEG), 청각P300유발전위(P300A) 및 세로토닌 활성도를 반영하는 LDAEP 등이 우울증 환자에게서 일관되지 않게 나타난다는 연구결과들도 있어 진단에 한계가 있었다.
 

공동연구팀은 약물치료 경험이 없는 우울증 환자 31명과 정상인 31명 을 대상으로 3가지 우울증 뇌파지표(REEG, P300A, LDAEP)를 측정한 뒤, 머신러닝을 활용하여 3가지 우울증 뇌파지표 중 하나만 사용했을 때(단일 패러다임)와 모두 사용하였을 때(다중 패러다임)의 성능을 분석했다. 그 결과, 다중뇌파 분석기술의 분류성능이 정확도가 더 높다는 것을 확인하였다.

연구팀은 뇌파에서 30개의 기능(P300A 14개, LDAEP 14개, REEG 2 개)을 선택해, 이들의 다중 패러다임 특징을 서포트벡터머신(SVM)과 선형판별분석(LDA) 분류기를 활용하여 성능을 확인하였다. 

그 결과 SVM에서는 정확도가 90%였으며, LDA에서는 14개의 특징에서 정확 도가 94%로 확인되었다. 이는 두 분류기에서 각각의 패러다임을 비교 하였을 때보다 분류성능이 더 높다는 뜻이다.
 

▲ 우울증(MDD) 환자와 정상인(HC)의 LDAEP 슬로프 비교

특히 우울증 환자의 뇌파는 정상인에 비해 P300 지표가 더 높고, LDAEP 지표는 더 낮은 것으로 나타났다. 우울증 환자는 높은 알파 및 델타파 구간에서 안정상태정량뇌파(REEG)의 절대강도가 감소한 것으로 나타났다.

공동연구팀은 이러한 결과들을 활용해 뇌파를 측정했을 때 우울증 환자를 94.52%의 정확도로 구분할 수 있었다고 밝혔다.

교신저자인 이찬희 박사는 “뇌파의 진단 능력 한계를 극복하기 위해 머신러닝을 이용한 학습모델의 개발이 중요하다”며, “이번 연구에서 개발한 뇌파 분류 모델은 향후 병원에서 우울증 환자를 진단하는데 큰 도움이 될 것”이라고 말했다.

공동교신저자인 채정호 교수도 “이번 연구결과는 증상도 다양하고, 생물학적 복잡성을 가진 우울증을 진단하는데 뇌파 분석이 유용한 도움이 될 수 있다는 점에서 큰 의의가 있다”고 말했다.

한국뇌연구원 장국인 박사가 제1저자로 참여한 이번 연구는 국제학술지 ‘정동장애저널 (Journal of affective disorders) (IF 6.533)’ 최신호에 게재되었다.

* (논문명) 약물 치료경험이 없는 우울증 환자와 정상인 간의 뇌파 다중 패러다임을 사용한 머신러닝 학 습 기반 분류 (원제: Machine learning-based classification using electroencephalographic multi-paradigms between drug-naive patients with depression and healthy controls)

* (저자) 장국인(제1저자), 김성권, 채정호(교신저자), 이찬희(교신저자)

글. 우정남 기자 insight1592@gmail.com