MRI 기반 인공지능 치매 진단 모델 개발

주장고령화 사회에서 치매 진단의 접근성을 높이기 위해 인공지능 기반의 진단 체계가 필요합니다. 전문의에 의존하는 기존 방식은 의료 자원이 부족한 지역에서 한계가 뚜렷합니다.

팩트연구진은 레즈넷18(ResNet18) 모델로 내측 측두엽 위축(MTA), 전두엽 위축(ERICA), 전반적 뇌 위축(GCA) 등 MRI 시각적 점수를 예측했습니다. 덴스넷121(DenseNet121) 모델을 적용해 MRI 기반의 치매 단계 분류도 수행했습니다.

팩트인공지능이 예측한 시각적 점수와 임상 데이터를 통합한 모델은 최대 75.24%의 정확도를 기록했습니다. 이는 MRI 영상만을 단독으로 사용한 모델의 정확도인 63.44%보다 우수한 성능입니다.

교차검증몬트리올 인지평가(MoCA) 점수를 모델에 포함했을 때 분류 정확도가 오히려 낮아지는 현상이 나타났습니다. 이는 특정 임상 데이터 적용 과정에서 편향이 발생할 가능성을 시사합니다.

팩트섀플리 가산 설명(SHAP) 분석 결과, 간이 정신상태 검사(MMSE), MoCA, 연령 등 임상 데이터가 모델 결정에 큰 영향을 미쳤습니다. 반면 MRI 점수는 알츠하이머병 분류 과정에서 더 중요한 역할을 수행했습니다.

교차검증연령별 혼동 행렬 분석 결과, 젊은 환자군에서 오분류가 발생하는 경향을 확인했습니다. 이는 초기 질환에 대한 민감도가 모델마다 다를 수 있음을 의미합니다.

주장개발한 인공지능 시스템은 전문의가 부족한 태국 농촌 지역과 같은 곳에서 치매 조기 선별 도구로 활용 가능합니다. 의료 전문가에 대한 의존도를 낮추어 진단 과정을 간소화하는 것이 핵심입니다.

팩트본 연구는 태국 시리랏 병원 기관심사위원회(COA no. SI 533/2023)의 윤리적 승인을 받았습니다. 연구 자금은 태국 국가연구위원회(NRCT)의 지원을 받아 수행했습니다.

주장앞으로 다양한 인구 집단에 대한 모델의 일반화 가능성을 확보할 계획입니다. 실제 임상 현장에서 예측의 견고함을 높이는 것이 중요한 과제입니다.

출처해당 연구 결과는 2026년 5월 11일 사이언티픽 리포트에 게재되었으며, 이를 교차 검증했습니다. (https://www.nature.com/articles/s41598-026-51725-2)