강남세브란스병원 정신건강의학과 김은주 교수와 경성현 박사 연구팀이 빅데이터를 기반으로 수학을 통해 주의력 결핍 과잉행동 장애(ADHD) 아동의 뇌영상을 구분하는 연구를 발표해 주목된다.

그동안 주의력 결핍 과잉행동 장애는 부모나 선생님의 보고, 설문지 작성, 행동 관찰 등의 방법에 의존해 진단해 왔던 것이 사실.

하지만 김은주·경성현 연구팀은 객관적 신경생물학적 데이터에 위상수학 데이터 분석 방법을 뇌영상 분석에 적용한 연구를 실시해 진단의 신뢰성을 높였다.

위상수학(topology, 토폴로지) 데이터 분석은 데이터 사이의 유사성을 찾아 일종의 형태(네트워크)를 만들어 냄으로써 기존에 보이지 않던 데이터 특성을 시각적으로 보이는 연구 방법이다.

김은주·경성현 연구팀은 400여 명의 주의력 결핍 과잉행동 장애(ADHD) 환자 및 정상발달 아동의 뇌영상(fMRI) 자료를 위상수학 데이터 방법론으로 분석해 공통점을 찾아냈다.

연구 결과에 따르면 그래프 상의 노드가 파란색일수록 뇌영상 상에서 ADHD 아동에서 나타나는 질환요소가 거의 없는 정상발달 아동군, 붉을수록 그 반대로 큰 환자 군이라고 해석할 수 있다.

또한, 연구팀은 분석을 통해 정상 아동에서는 노드가 파란색일수록 지능지수(IQ)가 높고, ADHD(주의력 결핍과잉행동장애) 아동군에서는 노드가 붉을수록 증상도가 심하고, 동반되는 다른 정신과적 질환의 수도 증가한다는 것을 밝혔다.

뿐만 아니라, 정상군이나 환자군 둘 중 하나로만 진단하던 기존의 분석법과 달리 그래프에서 초록 또는 노란색으로 표시되는 노드 구간을 ADHD 구분이 모호한 영역으로 구분해 시각화했다.

김은주 교수는 "주의력결핍과잉 행동장애 연구에 뇌영상 데이터를 활용하기 위해 위상수학 데이터 분석을 처음으로 적용한 사례"라며 "거대하고 복잡한 임상 자료를 분석해 그 안에서 새로운 패턴을 발견하고 이를 통해 주의력결핍과잉 행동장애 환자의 특징을 객관적으로 범주화한 것"이라고 말했다.

공동 연구자인 경성현 박사는 "실제로 빅데이터가 질병 진단이나 환자 특성 파악에 어떻게 활용될 수 있는지를 확인한 연구"라며 "ADHD 환자 뿐 아니라 다른 환자군의 특성 분석에도 활용될 수 있는 만큼, 차세대 의학의 미래를 보여주는 기초 연구가 되기를 바란다"고 전했다.

한편, 이번 연구 결과를 그 학문적 성과를 인정받아 미국 공공과학 도서관 온라인 국제학술지인 PLoS One(임팩트 지수=3.23)에 소개됐다.