일본의 머신러닝 모델로 알츠하이머 스크리닝이 한 단계 도약

파격적인 발전으로, 일본의 오이타 대학과 제약 회사 에이사이(Eisai)는 알츠하이머병(AD)의 주요 병리적 요인인 뇌 내 아밀로이드 베타(Aβ) 축적을 예측하도록 설계된 세계 최초의 머신러닝 모델을 공개했습니다.

이 혁신적인 모델은 손목 밴드 센서에서 수집한 데이터를 활용하여 생물학적 및 생활습관 데이터를 통해 뇌 Aβ 축적을 쉽게 스크리닝합니다.

조기 발견 과제의 해결책

치매 사례의 60% 이상을 차지하는 알츠하이머병은 뇌 내 Aβ의 점진적 축적으로 특징지어집니다. 이 과정은 임상 증상이 나타나기 약 20년 전에 시작됩니다. 

이 시급한 문제에 대응하여, Aβ를 표적으로 하는 치료제 개발 노력이 있어 왔으며, 그 결과 일본에서 인간화 비가용성 응집 Aβ 단클론 항체가 승인되었습니다.

이러한 약물의 효과는 경도 인지 장애가 있는 개인의 Aβ 축적을 증상 발현 전에 이상적으로 조기 발견하는 데 달려 있습니다. 뇌 Aβ 축적의 식별은 양전자 방출 단층촬영(아밀로이드 PET) 및 뇌척수액 검사(CSF 검사)와 같은 고가이고 침습적인 방법에 의존합니다. 

이러한 테스트는 제한된 의료 기관에서만 가능하며 상당한 재정적 및 절차적 부담을 초래합니다. 결과적으로, 아밀로이드 PET 또는 CSF 검사가 필요한 후보자를 식별하기 위한 저렴하고 사용하기 쉬운 스크리닝 방법에 대한 지속적인 탐구가 이루어져 왔습니다.

이전 연구들은 인지 기능 테스트, 혈액 검사 및 뇌 영상을 사용하여 뇌 Aβ 축적을 예측하려고 시도했지만, 이 머신러닝 연구는 “생물학적 데이터”와 “생활습관 데이터”에 중점을 둔 선구적인 접근 방식을 대표합니다.

머신러닝의 돌파구

오이타 대학과 에이사이(Eisai)의 협력은 뇌 Aβ 축적을 예측할 수 있는 선구적인 머신러닝 모델을 탄생시켰습니다. 이 모델이 다른 점은 기존 인지 및 영상 테스트와 달리 손목 밴드 센서 데이터를 활용한다는 것입니다. 

생물학적 및 생활습관 데이터를 활용하여 이 최첨단 기술은 알츠하이머병의 조기 스크리닝에 유망한 해결책을 제공합니다.

아밀로이드 베타(Aβ)의 역할

아밀로이드 베타(Aβ)는 알츠하이머병 발생에서 중심적인 역할을 하는 단백질입니다. AD에서 Aβ는 임상 증상이 뚜렷해지기 훨씬 전에 뇌에서 축적되기 시작합니다. 이 축적은 중요한 병리적 요인이므로 치료 개입의 주요 표적이 됩니다. 

Aβ 축적을 조기에 감지하는 것은 치료의 효능을 극대화하는 데 필수적입니다. 이는 질병의 진행을 늦추거나 완화할 수 있는 적시 의료 개입을 가능하게 하기 때문입니다.

전통적인 감지 방법

양전자 방출 단층촬영(아밀로이드 PET) 및 뇌척수액 검사(CSF 검사)는 전통적으로 뇌 Aβ 축적을 감지하는 주요 수단이었지만, 이러한 방법은 여러 가지 과제를 제시합니다.

제한된 가용성: 모든 의료 기관이 아밀로이드 PET 또는 CSF 검사를 수행할 수 있는 능력을 갖춘 것은 아니며, 이는 이러한 진단 도구への 접근을 제한합니다.

높은 비용: 이러한 테스트는 매우 비싸서 많은 환자에게 재정적 부담이 될 수 있습니다.

침습성: 아밀로이드 PET 및 CSF 검사 절차는 환자에게 침습적이고 불편할 수 있습니다.

새로운 접근 방식

오이타 대학과 에이사이(Eisai)가 개발한 파격적인 머신러닝 모델은 전통적인 감지 방법과 크게 다릅니다. 손목 밴드 센서에서 데이터를 통합함으로써 이 접근 방식은 생물학적 및 생활습관 데이터를 활용하여 뇌 Aβ 축적을 예측합니다.

이 혁신은 알츠하이머병 위험이 있는 개인을 식별하기 위해 더 접근 가능하고, 비용 효율적이며, 비침습적인 수단을 약속합니다.

운동 부족, 사회적 고립, 수면 장애, 고혈압, 당뇨병 및 심혈관 질환과 같은 생활습관 및 의학적 상태를 포함한 다양한 위험 요인이 알츠하이머병에 영향을 미칩니다. 

이전 연구들은 주로 인지 및 영상 테스트에 의존했지만, 이 머신러닝 모델은 예측 능력을 향상시키기 위해 더 광범위한 “생물학적 데이터”와 “생활습관 데이터”를 고려합니다.