한의학연구원, 안구 운동 데이터로 치매위험군 조기 선별

간단한 안구 움직임 추적기술로 인지저하 조기 발견 지원

[대전=뉴시스] 기계학습모델에 따른 정확도(민감도·특이도). 인구학적정보(Demo), 안구움직임 정보(EM), 치매선별검사지(MMSE) 정보를 결합한 모델에서 가장 높은 정확도(민감도 0.727 및 특이도 0.818)를 보였다.(사진=한의학연구원 제공) *재판매 및 DB 금지

[대전=뉴시스] 김양수 기자 = 한국한의학연구원은 디지털임상연구부 김재욱 박사팀이 광주치매코호트 연구팀과 공동으로 안구 움직임 데이터를 활용해 치매위험군을 조기에 발견할 수 있는 안구운동 변화에 따른 경도인지 장애 지표를 제시했다고 22일 밝혔다.

경도인지장애는 인지기능에 장애는 있으나 치매라고 할 만큼 심하지 않는 치매 전단계의 인지저하상태로 김 박사팀은 다양한 생체지표를 활용한 비침습적이고 경제적인 인지장애 선별모델 개발연구를 진행 중이다.

지난 2019년에는 '뇌파' 측정을 통한 치매위험군 식별 연구에 이어 이번에는 안구움직임 데이터를 활용한 경도인지장애 환자 식별연구를 진행했다.

이번에 김 박사팀은 총 594명의 노인 인구(정상대조군 428명, 경도인지장애 환자군 166명)를 대상으로 컴퓨터를 활용, 간단한 인지과제를 수행하며 대상자의 안구 움직임 데이터를 수집·분석하고 기계학습모델을 활용해 분류모델을 구축했다.

이어 ▲인구통계정보(Demo)+안구 움직임 데이터(EM) ▲인구통계정보+치매선별검사지(MMSE) 정보 ▲인구통계정보+안구 움직임 데이터+MMSE 등 각기 다른 데이터 조합을 적용한 3가지 분류모델를 설정하고 성능을 평가했다.

모델별 분류 성능 비교 결과, 각각 AUROC점수가 0.752, 0.767, 0.840로 확인됐다. AUROC(Area Under the Receiver Operating Characteristic) 점수는 분류모델의 성능을 평가하는 지표로 1점에 가까울수록 모델의 분류 성능이 뛰어나고 일반적으로 0.8점 이상인 경우 좋은 성능의 분류 모델로 평가된다.

연구팀관계자는 "안구움직임(EM) 수행 특성만을 활용한 모델은 AUROC 0.715, MMSE 총점 만으로는 AUROC 0.743, EM 또는 MMSE 점수를 성별, 연령, 교육수준과 같은 기초 인구학적 정보(Demo)와 결합하면 AUROC가 각각 0.752 및 0.767로 개선됐다"며 "또 Demo, EM, MMSE 모두를 기계학습 변수로 활용하면 AUROC 0.840으로 성능이 향상됐다"고 설명했다.

이번 모델 평가 결과는 기존 정보들과 함께 간단한 안구 움직임 데이터를 활용하면 더 효과적인 분류 모델을 만들 수 있어 인지장애 판별 가능성을 높여준다는 것을 보여준다.

연구 성과는 국제 전문학술지인 '프론티어스 뉴로사이언스'(Frontiers Neuroscience, IF 5.152)에 지난 15일 게재됐다.(논문제목: Eye Movement Changes as an Indicator of Mild Cognitive Impairment)

김재욱 박사는 "급속한 노령화 등으로 발생하는 치매는 심각한 사회적 문제"라며 "이 연구를 VR 등의 디지털 헬스 기기에 적용한다면 치매안심센터, 보건소, 1차 의료기관 등에서 치매 위험군을 조기에 선별하고 치매 예방을 위한 다양한 프로그램에 참여시킬 수 있을 것으로 기대한다"고 말했다.

☞공감언론 뉴시스 kys0505@newsis.com