“`html
뇌 스캔으로 치매 진행 예측 가능
경도 인지 장애를 앓는 환자의 약 40%가 진단 후 3년 이내에 치매로 진행됩니다. 이 빠른 진행은 가장 위험한 환자를 식별할 수 있는 신뢰할 수 있는 도구의 중요성을 강조합니다. 최근 연구에 따르면, 광범위하게 접근 가능하고 비용이 저렴한 뇌 영상 기술인 스캔을 통한 뇌 부피 분석을 통해 이 진행을 예측할 수 있는 것으로 나타났습니다.
연구원들은 경도 인지 장애를 앓는 791명의 환자 데이터를 분석했습니다. 그 중 40%가 3년 이내에 치매로 진행되었습니다. 연구 결과에 따르면, 치매로 진행된 환자들은 평균 연령이 더 높고, 여성 비율이 더 높으며, 알츠하이머병 위험을 높이는 것으로 알려진 유전적 변이를 보유하고 있는 경우가 많았습니다. 또한 임상 검사를 통해 평가된 초기 인지 상태도 더 악화되어 있었습니다.
스캔 분석을 통해 뇌의 특정 영역에서 뚜렷한 차이점이 발견되었습니다. 치매로 진행된 환자들은 하측 측뇌실의 확장이 더 심하고, 두정엽과 후두엽 영역에서 뇌척수액으로 채워진 공간이 더 넓어졌습니다. 이러한 변화는 뇌 위축, 즉 뇌 부피의 감소를 반영하며, 이는 일반적으로 알츠하이머병의 진행과 연관되어 있습니다.
이 진행을 예측하기 위해 과학자들은 인공지능 기반 모델을 개발했습니다. 이 모델은 나이 또는 인지 검사 결과와 같은 임상 데이터와 스캔에서 얻은 부피 측정치를 결합합니다. 이 모델은 약 84%의 경우에서 정확하게 위험 환자를 식별할 수 있는 주목할 만한 정확도를 보였습니다. 여섯 가지 요소가 특히 결정적임이 밝혀졌습니다: 나이, 유전적 변이, 초기 인지 손상 수준, 그리고 언급된 영역에서 뇌 위축의 세 가지 특정 측정치입니다.
스캔의 사용은 주요한 장점을 제공합니다: 이 기술은 이미 임상 실무에서 뇌종양이나 혈관 사고와 같은 인지 장애의 다른 원인을 배제하기 위해 일반적으로 사용되고 있습니다. 따라서 이 부피 분석을 통합하는 것은 추가 검사를 필요로 하지 않기 때문에, 실용적이고 경제적인 접근 방식입니다. MRI나 뇌척수액의 생체 표지자와 같은 다른 방법들과 달리, 스캔은 대부분의 병원에서 접근 가능하며 침습적인 절차를 필요로 하지 않습니다.
연구 결과는 이 접근 방식이 치매로의 진행을 정확하게 예측할 뿐만 아니라 가장 영향력 있는 요소를 식별할 수 있음을 보여줍니다. 예를 들어, 해마에 가까운 영역인 하측 측뇌실의 위축은 위험 증가의 강력한 지표입니다. 해마는 기억에 핵심적인 역할을 하며, 그 크기 감소는 종종 알츠하이머병의 초기 단계에서 관찰됩니다. 또한, 복잡한 인지 기능에 관여하는 신경망과 연관된 두정엽과 후두엽의 변화는 질병 진행에서 그들의 중요성을 확인시킵니다.
이 모델은 환자 관리에 상당한 영향을 미칠 수 있습니다. 단기간에 치매를 발전시킬 높은 위험이 있는 환자를 식별함으로써, 의사는 모니터링을 조정하고 조기 개입을 제안하며 환자와 가족에게 더 잘 알릴 수 있습니다. 반대로, 위험이 낮은 사람들은 불필요한 검사나 너무 잦은 상담을 피할 수 있습니다. 이 위험 층화는 또한 빠른 진행을 보일 가능성이 높은 참여자를 타겟팅함으로써 임상 시험의 효율성을 높일 수 있으며, 이는 새로운 치료법 개발을 촉진할 수 있습니다.
이 연구는 종종 기본 진단 도구로 여겨지는 스캔이 예후를 위한 핵심 요소가 될 수 있음을 확인합니다. 이미 사용 가능한 데이터를 활용함으로써, 이 방법은 환자나 보건 시스템에 부담을 증가시키지 않으면서 개인 맞춤형 의학을 위한 접근 가능한 솔루션을 제공합니다.
“`
Sources du média
Document de référence
DOI : https://doi.org/10.1038/s41598-026-45439-8
Titre : Scalable CT-based prognostic modeling of dementia conversion in mild cognitive impairment
Revue : Scientific Reports
Éditeur : Springer Science and Business Media LLC
Auteurs : Seongbeom Park; Jehyun Ahn; Duk L. Na; Hee Jin Kim; Hyemin Jang; Jun Pyo Kim; Sung Hoon Kang; Jihwan Yun; Min Young Chun; Sang Won Seo; Kichang Kwak