Prediction of Amyloid β-Positivity with both MRI Parameters and Cognitive Function Using Machine Learning

초록

목적 경도인지장애와 알츠하이머 치매 환자에서 아밀로이드베타 양성을 예측할 수 있는MRI 특징을 알아보고 머신러닝으로 아밀로이드베타 양성 예측 모형의 성능을 알아보고자하였다.대상과 방법 후향적 및 단면조사연구로 경도인지장애와 알츠하이머 치매 총 139명의 환자를대상으로 하였다. 이들은 모두 뇌 MRI와 아밀로이드 PET-CT를 시행하였다. 대상자는 아밀로이드 베타 양성군(n = 84)과 아밀로이드 베타 음성군(n = 55)으로 분류하였다. 시각적 분석으로는 뇌백질 고신호 병변의 Fazekas 척도와 뇌미세출혈 개수를 시행하였다. 정량분석으로뇌백질 고신호 병변의 부피와 국소뇌부피를 측정하였다. 다중 로지스틱 회귀분석과 머신러닝 기법으로 아밀로이드베타 양성을 가장 잘 예측할 수 있는 MRI 특징을 확인하였다.결과 시각적분석에서 아밀로이드베타 양성군은 뇌백질 고신호 병변의 Fazekas 척도(p =0.02)와 뇌미세출혈 개수(p = 0.04)가 유의미하게 높았다. 해마, 내후각피질, 설전부의 국소뇌부피들은 아밀로이드베타 양성군에서 유의미하게 작았다.(p<0.05). 제3뇌실(p=0.002)의 부피는 아밀로이드베타 양성군에서 유의미하게 컸다. 간이 정신 상태 검사와 국소뇌부피를 이용하여 머신러닝기법을 이용했을 때 좋은 정확도를 보였다(81.1%). 결론 간이 정신 상태 검사, 제3뇌실과 해마 부피를 이용한 머신러닝의 적용은 아밀로이드베타 양성을 예측하는데 활용될 수 있다.

키워드