[해외DS] ML로 알츠하이머 병기를 더 정확히 예측한다

코넬대 소속 연구원, 무증상 환자도 쓸 수 있는 알츠하이머 병기 예측 시스템 개발 MRI, PET 데이터 누락된 부분도 처리하는 신경망에 기반한 ML 모델 전체 게놈 또는 이미징 데이터 활용한다면 정확도 향상될 것

pabii research

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소 (MDSA R&D)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.

연구 결과를 통해 환자의 병기와 무관하게 어떤 ‘스캔’ 방식이 더 훌륭한지를 알 수 있습니다.

사진=GETTY IMAGES

머신 러닝은 알츠하이머 치료에 도움을 줄 수 있습니다.

AI Business에 따르면 코넬 대학 소속 연구원들이 ML을 이용해 병기에 따른 최상의 치료 방법의 범위를 좁히는 데 성공했습니다. 무증상 환자인 경우에도요. 정상적인 인지 능력을 보이는 상황에서 가벼운 장애까지, 이들의 병기는 다양했습니다.

이 모델은 사람이 이미 가벼운 인지 장애를 보이고 있을 때 더 정확한 ‘감소’ 예측이 가능함을 보여주었습니다. 어떤 사람이 정상적인 인지 능력을 보인다면 모델의 ‘미래 시간 범위’ 예측 능력은 떨어집니다.

이 연구의 수석 저자인 Mert Sabuncu는 “우리는 알츠하이머병을 조기 발견할 수 있어야 하며 누가 빨리 악화되고 누가 상대적으로 느린 경과를 보일지 알 수 있어야 합니다. 그래야 다양한 위험 그룹을 계층화하고 어떤 치료 방법이든 써 볼 수 있어요.”라고 전했습니다. Sabuncu는 공과 대학과 Cornell Tech의 전기 및 컴퓨터 공학 부교수이자 Weill Cornell Medicine의 방사선 전기 공학 부교수입니다.

이 연구는 PLOS ONE 지에 게재됐습니다. 주 저자는 Cornell University의 전기 및 컴퓨터 공학 박사 과정 학생 Batuhan Karaman이고요.

과학자들은 공동 저자인 스탠포드 대학 Elizabeth Mormino 교수와 협력해 5년치 개인 데이터를 평가할 수 있는 ML 모델을 활용했습니다. 모델의 기반이 된 신경망은 PET(양전자 방출 단층 촬영)나 MRI 스캔 같은 데이터의 비어 있는 부분을 처리할 수 있습니다.

알츠하이머병 신경영상 이니셔티브(Alzheimer’s Disease Neuroimaging Initiative)가 MRI 및 PET 스캔과 환자의 유전 정보가 포함된 데이터 셋을 제공했습니다. 여기에는 가벼운 인지 장애를 보이거나 인지적으로 정상인 것으로 간주되는 사람들에 대한 데이터도 포함됐습니다.

MRI는 이 두 가지 병기에 모두 유용하게 활용됩니다. 가벼운 증상을 보이는 사람에게는  PET 스캔이 도움이 되는데, PET 스캔으로는 분자 바이오마커(예: 아밀로이드 및 타우 단백질)를 평가하고 더 나은 치료 계획을 위한 더 정확한 진단을 내릴 수 있어요.

연구자들은 무증상 환자가 언제 경미한 증상을 보이게 될지 예측했는데, 1년 범위 예측이 5년 범위 예측보다 정확했대요. 하지만 경미한 인지 장애를 가진 환자가 알츠하이머 치매로 악화되는 상황이라면 예측의 정확성은 4년 범위에서 가장 높았습니다.

이 ML 모델을 제작한 이들은 요약 측정 대신 전체 게놈 혹은 이미징 데이터를 분석하는 방향으로 미세 조정을 수행해 정확성을 높이고 싶다고 말했습니다.


The treatment of Alzheimer’s disease can be targeted with the help of machine learning.

Researchers at Cornell University leveraged ML to narrow down the best treatment depending on the patient’s stage of the disease, even if they weren’t exhibiting any signs at all. The stages range from exhibiting normal cognitive skills to mild impairment.

The model demonstrated that predicting decline was more accurate when a person was already displaying mild cognitive impairment. When an individual seems cognitively normal, the model is less accurate for a future time range.

“We really need to be able to catch Alzheimer’s disease early on and be able to tell who’s going to progress fast and who’s going to progress slower, so that we can stratify the different risk groups and be able to deploy whatever treatment options we have,” said the study’s senior author Mert Sabuncu, associate professor of electrical and computer engineering in the College of Engineering and Cornell Tech, and of electrical engineering in radiology at Weill Cornell Medicine.

The study was published in the journal PLOS ONE. Electrical and computer engineering doctoral student Batuhan Karaman at Cornell University is the lead author.

The scientists partnered with co-author, Professor Elizabeth Mormino of Stanford University, to leverage an ML model capable of evaluating five years’ worth of a person’s data. The underlying neural network could also handle missing data, like missing PET (positron emission tomography) and MRI scans.

The Alzheimer’s Disease Neuroimaging Initiative provided the dataset, which included MRI and PET scans, as well as patient genetic histories. It also data on included individuals showing mild cognitive impairment or considered cognitively normal.

For both stages, MRIs are useful tools. When a person is displaying mild symptoms, PET scans can evaluate molecular biomarkers (e.g. amyloid and tau proteins) and give a more accurate diagnosis for a better treatment plan.

The researchers found that predicting when a person transitions from showing no symptoms to mild symptoms in one year is more accurate than a five-year time horizon. But when a person moves from mild cognitive impairment to Alzheimer’s dementia, the model works better for a four-year timeline.

The minds behind the ML model want to fine-tune it to analyze complete genomic or imaging data instead of summary measurements for improved accuracy.

Similar Posts