최근 아동의 ADHD에 대한 관심이 높아지고 있는 가운데 국내 의료진에 의해 손쉽게 진단할 수 있는 가능성이 열려 주목된다.

10일 서울대학교병원 김붕년, 카이스트 정범석, 가톨릭대 유재현 교수팀이 AI를 기반으로 하는 ADHD와 정상발달 아동을 구분할 수 있는 복합 뇌 영상분석 알고리즘을 개발했다고 밝혔다.

집중력 저하, 산만함, 충동성을 특징으로 하는 ADHD의 진단은 다양한 발달력평가, 평가척도활용, 진단면접도구의 사용 등 장시간의 전문적인 수련이 필요한 임상진단과정에 의해 이루어진다.

각 증상의 평가과정에서 부모나 교사보고에 의존하는 면이 또한 많은데, 부모와 교사의 주관적인 판단이 개입될 여지가 있어 조심스러운 점이 많다는 문제를 가지고 있다. 불안이 높은 부모의 경우, 자녀의 문제에 대해서 심각성을 높게 보고할 가능성이 있으며, 반대일 가능성도 있으므로 정보의 신뢰도를 신중하게 고려하는 작업이 필요했다. 또한, 치료가 꼭 필요한 아이임에도 부모나 돌보는 사람들의 잘못된 믿음으로 인해 치료 의뢰가 안 되고 증상이 악화돼, 이차적인 합병증으로 고통받는 경우도 상당수 있다.

이러한 요소들로 인해, ADHD 진단과정은 임상가의 높은 숙련도가 요구되며, 다양한 신경심리학적 검사와 증상의 시간적 발달변화에 따른 추가적이 추적관찰이 필수적이었다.

연구팀이 개발한 복합뇌영상 자료를 기반으로 한 프로그램은 47명의 ADHD군과 47명의 정상군의 fMRI, DTI, aMRI 등 다양한 뇌 영상으로부터 데이터를 획득해, 두드러지게 차이나는 요소(features)를 확인하고, 이후 기계학습을 통해 축적된 데이터로부터 반복 학습된 모델이 해당 뇌가 ADHD 환자의 뇌인지 정상인의 뇌인지 가려내도록 하였다. 본 연구를 통해 개발된 모델은 85% 정도의 정확도로 정상아동과 ADHD 아동을 구분할 수 있었다. 이는 복합 뇌영상 자료만으로 확인된 것으로는 매우 높은 정확도이다.

본 프로그램이 주목한 것은 뇌의 몇몇 중요 부위에 발생한 발달적 이상이었다. ADHD 환자의 뇌는 “중요 자극을 선별하는 네트워크”과 “반응 억제를 담당하는 전전두엽”에 구조적인 결함이 뚜렷이 존재했다. 즉, ADHD에서 흔히 관찰되는 부주의, 과잉행동-충동성 증상 또한 위의 구조적 뇌 네트워크 결함으로 설명할 수 있는 것으로 밝혀졌다.

김붕년 교수는 “이번 연구를 통해 뇌영상 빅데이터를 통해, 정상적으로 발달하는 아이와 ADHD 환아를 구별할 수 길이 열렸다”며 “다양한 뇌 구조 및 기능영상은 AI 기반 플랫폼을 통해, 향후 ADHD행동의 원인을 좀 더 온전하게 설명할 수 있어 진단과 치료제 개발 등 잠재력이 무궁무진하다”고 말했다.

이번 연구는 ‘뇌 영상과 행동(Brain Imaging & Behavior)’ 최신호에 게재됐다.