AI 뇌영상 분석으로 자폐 치료 변화 식별
핵심 요약
fMRI와 AI를 결합해 자폐 환자의 뇌 특성과 치료 후 변화를 분석하는 방법이 개발됐다. 하두정소엽과 시상을 중심으로 자폐 아동의 뇌 기능 연결성 저하가 확인됐다. 환자별 뇌 변화를 조기 진단과 치료 경과 예측용 바이오마커로 확장할 계획이다.
한경림 한국과학기술연구원(KIST) 뇌과학연구소 책임연구원이 참여한 국제 공동 연구진이 기능적 자기공명영상(fMRI)과 인공지능(AI)을 결합해 자폐스펙트럼장애 환자의 뇌 특성과 치료 후 변화를 분석하는 방법을 개발했다. 증상 관찰만으로는 드러나지 않는 환자별 뇌 기능 변화를 객관적으로 살필 수 있는 가능성을 제시한 연구다.
자폐 아동의 fMRI 데이터를 분석한 결과, 정상 발달 아동보다 뇌 영역 사이의 기능적 연결성이 전반적으로 낮은 경향이 확인됐다. 감각 정보를 통합하는 하두정소엽과 감각 신호 전달에 관여하는 시상을 중심으로 연결성 저하가 특히 뚜렷했다. 연구진은 AI가 실제 뇌 네트워크 변화를 반영하는지 평가하기 위해 ‘생성적 매니폴드 감사(GMA)’ 프레임워크도 설계했다.
GMA 검증 과정에서는 정상 발달군의 뇌 연결 패턴을 학습한 AI에서 특정 뇌 영역의 연결을 차단한 뒤, 모델이 단순한 데이터 손실과 실제 네트워크 구조의 변화를 구별하는지 분석했다. 대규모 자폐 뇌영상 데이터셋인 ABIDE와 서울대병원 자폐 아동 임상 데이터를 적용한 결과, 생성형 AI 모델인 디노이징 오토인코더가 비교 모델보다 구조적 변화를 더 정확히 구분했다.
자폐스펙트럼장애는 사회적 상호작용의 어려움, 제한된 관심과 반복행동 등을 보이는 신경발달장애로, 진단과 치료 경과 평가는 증상 관찰에 상당 부분 의존해 왔다. 이번 분석에서는 임상 증상이 호전된 환자도 뇌 기능 네트워크의 변화 양상이 개인별로 다를 수 있다는 점이 확인됐다. 연구진은 조기 진단과 치료 경과 예측에 활용할 바이오마커 개발로 연구를 확장할 계획이다. 한소연 멜버른대 교수와 김붕년 서울대병원 교수 연구진이 함께한 이번 성과는 8월 9일부터 13일까지 제주국제컨벤션센터에서 열리는 ‘ACM SIGKDD 2026’의 ‘AI for Science’ 세션에서 발표된다.