AI의 도움으로 알츠하이머 예측하기

최근 알츠하이머 협회가 발표한 연구는 수백만 명의 생명을 구할 수 있는 새로운 조기 발견 방법에 대한 빛을 비춥니다. 이 연구는 AI를 활용한 자동 예측 프로토콜과 음성 스캔 방법을 결합하여 경도 인지 장애(MCI)에서 알츠하이머 병(AD)으로의 진행을 6년 기간 내에 정확히 판단하는 것을 조사합니다. 알아야 할 내용은 다음과 같습니다.

알츠하이머 및 치매

알츠하이머 및 치매를 겪고 있거나 친척을 도와본 사람이라면 상황의 어려움을 잘 알 수 있습니다. 특히 알츠하이머 병은 전 세계적으로 치매의 주요 원인입니다. 이는 시간이 지남에 따라 사람의 정신 능력을 점진적으로 악화시키는 뇌 질환이며, 증상은 단순한 건망증에서 기억 상실, 방향 감각 상실, 자기 방치, 언어 상실까지 점차 진행됩니다. 특히 경도 인지 장애(MCI)를 겪는 환자는 알츠하이머 병에 걸릴 확률이 훨씬 높습니다.

알츠하이머 병 사실

알츠하이머 병은 미국에서 6번째로 큰 사망 원인이며 전 세계적으로도 주요 문제로 남아 있습니다. 2023년 연구에 따르면 미국인 670만 명 이상이 이 병을 앓고 있으며, 환자는 스스로를 돌볼 수 없고, 가족 구성원을 인식하지 못하거나 일상적인 작업을 수행하지 못하게 됩니다.

출처 – 위키피디아

안타깝게도 연구는 미래에 위험이 증가할 것이라고도 지적했습니다. 2060년까지 미국인 1380만 명이 이 병을 앓게 될 것으로 예측되었습니다. 이러한 요인들은 많은 연구자들이 위험을 줄이고 많은 생명을 구할 수 있는 해결책과 예방 방법을 모색하도록 이끌었습니다.

AD 병리학

AD 병리학은 질병의 무게에 의해 뇌가 어떻게 퇴화하기 시작하는지를 나타내는 용어입니다. 현재 방법은 신경심리학 검사(NPT)를 수행해야 하며, 이를 통해 의료 전문가가 베타-아밀로이드 펩타이드(Aβ), 과인산화 타우 단백질, 반응성 성상세포, 미세아교세포 활성화 및 기타 바이오마커 수준을 모니터링할 수 있습니다. 이러한 모든 요인은 만성 염증 및 AD 발병과 관련된 다른 문제를 나타낼 수 있습니다.

AD 병리학의 현재 한계

환자의 AD 위험을 판단하는 이러한 방법에는 몇 가지 중대한 단점이 있습니다. 첫째, 비용이 많이 듭니다. 각 검사는 수천 달러에 달할 수 있어 보험이 있거나 자금에 접근할 수 있는 사람에게만 제공됩니다. 또한 이러한 방법은 종종 침습적입니다. 피부를 절개해야 할 때마다 감염 및 기타 합병증 위험이 증가합니다.

AD 탐지의 미래는 음성 기반

연구자들은 언어 감소와 MCI 사이에 직접적인 상관관계가 있음을 발견했습니다. 따라서 이러한 변화를 문서화하고 기록하기 위한 많은 작업이 진행되었습니다. 현재 신경심리학 검사에서 수천 시간 분량의 음성 녹음이 이용 가능하며, 이 녹음에는 다른 데이터도 함께 첨부되어 있습니다. 이 FHS 연구는 가장 큰 녹음 데이터 세트입니다.

프레이밍햄 심장 연구 (FHS)

프레이밍햄 심장 연구(FHS)는 1948년부터 진행되어 왔습니다. 심혈관 건강에 대한 장기 연구로, 뇌졸중이나 심장마비를 겪은 수천 명의 남성을 조사했습니다. 장기적인 접근 방식 덕분에 연구자들은 10~30년 위험 예측 모델을 만들 수 있었으며, 이는 예방, 약물 개발 및 현재 AI 모델 프로그래밍에 필수적이었습니다.

이 협력 연구는 국립심장, 폐 및 혈액 연구소(NHLBI)와 보스턴 대학교의 지원을 받고 있으며, 지금까지 수행된 가장 오래되고 성공적인 심혈관 연구 중 하나입니다. 따라서 이 데이터는 수많은 의료 혁신에 기여했으며 장기 건강 데이터의 강력한 원천으로 남아 있습니다.

연구의 일환으로 2005년에 음성 테스트가 데이터에 도입되었습니다. 그 이후로 과학자들은 AD 이전 및 진행 중인 환자들의 수천 개 음성 패턴을 기록했습니다. 이러한 녹음은 AD 진행 과정에 대한 귀중한 통찰을 제공했습니다.

인공지능이 진단 방법을 향상시킵니다

AI 혁신은 엔지니어가 보다 진보되고 효율적인 조기 경보 시스템을 만들 수 있게 했습니다. 이 경우 AI 자연어 처리(NLP)를 사용하여 인지 저하를 나타내는 언어적 특징을 진단했습니다. 알고리즘은 수백만 개의 데이터 포인트를 교차 참조하여 환자의 커뮤니케이션을 기반으로 치매 척도에 정확히 배치할 수 있습니다.

알츠하이머 및 치매 연구

연구는 NLP 기술과 머신러닝 방법을 적용하여 MCI와 치매의 예측 모델을 향상시켰습니다. 연구팀은 n + 166명의 프레이밍햄 심장 연구(FHS) 참가자들의 인터뷰 녹음을 사용해 이러한 모델을 만들었습니다. 모델은 인구통계학적 정보부터 전체 데이터 스펙트럼까지 다양한 옵션을 포괄했습니다.

이전 시도와의 주요 차이점은 연구팀이 정상 인지보다 MCI에서 AD로의 진행에 주로 초점을 맞췄다는 점입니다. 이 접근법에는 진행성 MCI 90건과 안정성 MCI 76건이 포함되었습니다. 이 데이터는 핵심 요인을 검토하는 고급 AI 알고리즘에 투입되었습니다.

입력 데이터

시스템은 하위 테스트 점수와 TAS를 주요 예측 지표로 활용하는 로지스틱 회귀 모델 변형을 사용했습니다. 이 접근법의 일환으로 팀은 먼저 프레이밍햄 심장 연구(FHS) 데이터의 가져오기를 간소화하는 전사 도구를 만들었습니다.

음성 데이터

166명의 참가자에게서 수집된 음성 데이터는 각 사람과의 1시간 길이 인터뷰를 포함했습니다. 이 데이터는 이미 디지털로 기록·저장되어 있었으며, 팀은 이를 텍스트로 쉽게 변환하고 AI 모델에 적용할 방법을 개발해야 했습니다.

범용 문장 인코더

범용 문장 인코더는 FHS 데이터 가져오기 작업량을 줄이기 위해 설계되었습니다. 시스템은 자동으로 FHS 데이터를 스캔하고 각 환자 전사본의 특정 구간을 기반으로 벡터 임베딩을 생성합니다. 이 접근법은 AI가 보다 정밀한 예측을 수행하면서 작업량을 낮추는 데 도움을 줍니다.

AI 모델 개선

연구팀은 이러한 전사본을 활용해 강력한 AI 딥러닝 알고리즘을 만들었습니다. 시스템은 자동으로 FHS 보고서에서 무작위 데이터를 호출하고 샘플링합니다. 이 데이터는 하위 테스트 콘텐츠를 생성·인코딩하는 데 사용되었습니다. 총 8개의 특정 임베딩이 AD 진행 및 MCI를 측정하는 데 활용되었습니다.

로지스틱 회귀 모델

각 하위 테스트 콘텐츠와 연관된 정량적 데이터를 기반으로 새로운 AI 모델이 훈련되었습니다. 콘텐츠는 점수를 매겨 모델링을 위한 개별 입력값으로 사용되었습니다. 이러한 모델은 분해·테스트를 거쳐 각 모델에 대한 (TAS) 전사 평균 점수를 산출했으며, 이 점수와 TAS를 통해 AI가 MCI 진행을 정확히 모니터링할 수 있었습니다.

주요 모델은 참가자에 대한 풍부한 데이터를 포함했습니다. 구체적으로 인구통계, APOE 보유 상태, 건강 요인 및 FHS 연구에서 가져온 텍스트 특징을 포함했으며, 6년 이내 AD 발병을 판단하는 정확도가 거의 80%에 달해 가장 높은 점수를 기록했습니다.

팀은 또한 참가자 인구통계 데이터만을 고려한 모델을 테스트했으며, FHS 텍스트 입력을 주요 검토 소스로 활용한 텍스트 전용 모델도 시험했습니다. 특히 인구통계 AI 모델은 68.8% 정확도로 AD를 예측했으며, 모든 관련 데이터를 포함한 가장 정확한 모델은 79% 정확도를 달성했습니다.

모델 테스트

각 모델의 성능은 정확도, 정밀도, 민감도 및 특이성을 포함한 핵심 요소를 검토하는 그룹 k-폴드 교차 검증 방식을 사용해 테스트되었습니다. 또한 교차 검증 및 특징 선택 테스트가 수행되었습니다.

결과

연구 결과는 고무적입니다. 새로운 AI 탐지 모델은 6년 이내 AD 발병을 판단하는 데 79% 정확도를 보였습니다. 팀은 입력 데이터가 많을수록 AI가 개인의 위험을 더 정확히 판단한다는 것을 발견했습니다. 따라서 음성 데이터, 연령, 성별 및 교육 수준 모두가 개인의 AD 노출 위험에 영향을 미치는 요인으로 작용합니다.

알츠하이머 병 연구의 이점

이 연구가 일반인에게 제공할 수 있는 몇 가지 중요한 이점이 있습니다. 첫째, AI 기반 예측 방법은 훨씬 더 저렴하고 대중에게 접근하기 쉽습니다. 현재 영리 목적의 의료 시스템 내에서 진행되는 테스트 비용은 실험실 및 샘플 사용 필요성으로 인해 계속 상승하고 있습니다. 새로운 AI 시스템은 이러한 필요성을 없애 모든 참가자의 비용을 크게 절감합니다.

또한 자동화된 탐지 시스템을 통합하면 의사와 의료 전문가가 치료 및 약물을 보다 정확하고 신속하게 처방할 수 있어 많은 경우 생사를 가르는 차이를 만들 수 있습니다.

비침습적

이 AI 기반 AD 탐지 방법은 비침습적입니다. 의사가 조직 샘플을 채취해 AD 진행 상황을 판단할 필요가 없어 감염 및 기타 합병증 위험을 줄입니다.

이 연구로 혜택을 받을 수 있는 기업

여러 기업이 이 새로운 자동화 AI AD 탐지 방법을 통합함으로써 제품과 서비스를 개선할 수 있습니다. 이 기업들은 AD 예방 및 예측 방법에 특화되어 있어 환자 진단 및 처방을 보다 빠르게 할 수 있게 됩니다. 오늘날 이 기술을 통합할 수 있는 두 기업을 소개합니다.

1. Biogen

BIIB 가격 차트

Biogen은 미국 매사추세츠에 본사를 둔 선도적인 바이오테크 기업입니다. 이 회사는 신경 및 자가면역 질환을 예방·치료·지원하기 위한 다양한 제품을 보유하고 있습니다. 연구진이 만든 자동화 AD 탐지 모델을 통합하면 회사의 대응 속도가 크게 향상될 것입니다.

Biogen 주식은 그 역사와 시장 위치 때문에 강력한 입지를 가지고 있습니다. 지난 4년간 완만하고 꾸준한 상승세를 보였으며 현재 시가총액은 331억 달러입니다. 분석가들은 선구적인 노력과 조기 예방 방법에 대한 수요 증가로 매출이 추가로 상승할 것으로 전망합니다.

2. Eisai

도쿄에 기반을 둔 Eisai는 의료 연구·개발 분야에서 세계적인 영향력을 가지고 있습니다. 이 회사는 의약품 수출입을 전문으로 하며, Biogen을 포함한 다른 선도 브랜드와 알츠하이머 병 약물 협약을 체결했습니다. 이 협약을 통해 기업들은 데이터를 자유롭게 공유하여 이 질환의 진단 및 치료에 중대한 돌파구를 마련하고자 합니다.

Eisai는 시장을 선도하며 매우 성공적인 의약품 연구·개발에 기여했습니다. 투자 커뮤니티의 강력한 지원을 받으며 Argus 미국 ESG 모델 포트폴리오에 포함되었습니다. 이 주식 추천은 환경·지배구조·사회 기준을 기반으로 합니다. 이러한 이유로 ESALY는 모든 포트폴리오에 현명한 추가가 됩니다.

AI 헬스케어의 미래

이 연구는 알츠하이머 환자들의 관심을 끈 많은 연구 중 하나에 불과합니다. 곧 자동화되고 매우 저렴한 가정용 진단 도구가 등장해 누구나 어디서든 자신의 건강 위험을 모니터링할 수 있게 될 것입니다. 이러한 장치는 알츠하이머 예방에만 국한되지 않을 것입니다. 여기 몇 가지 다른 멋진 AI 의료 혁신을 소개합니다.

AI 뇌졸중 감지

AI 시스템은 이제 뇌졸중을 감지하는 데 활용되고 있습니다. 응급 인력에게는 환자가 뇌졸중이나 다른 질환을 겪고 있는지 판단하는 것이 생명을 구하는 첫 단계가 됩니다. 특히 RMIT 대학의 생체공학 엔지니어 팀은 AI를 활용해 몇 초 만에 CVA를 식별하는 새로운 도구를 만들었습니다. 이 소프트웨어는 스마트폰 카메라를 사용해 얼굴 특징을 분석해 뇌졸중 여부를 판단합니다.

AI 지원 음성

AI 지원 음성은 의료 분야에서 크게 개선된 또 다른 영역입니다. 이 시스템은 대형 언어 모델을 사용해 사고나 장애로 인해 말을 할 수 없는 사람들이 실시간으로 문장을 만들 수 있도록 돕습니다. 이 기술은 이미 의사소통 문제를 겪는 수천 명에게 역경을 극복하고 보다 만족스러운 삶을 살도록 돕고 있습니다.

AI 지원 움직임

AI 시스템은 수백만 명의 이동성을 향상시키는 데에도 기여했습니다. 연구자들은 이제 AI를 활용해 외골격의 성능을 개선하고 있습니다. 이전에는 사용자가 원격 조종기로 조작해야 했던 이 장치는 이제 사용자의 다음 움직임을 판단하고 자동으로 계단, 가파른 경사면 및 일반적인 보행 보조 시스템으로는 불가능한 지형을 오를 수 있도록 도와줍니다.

AI가 알츠하이머 병을 이기는 데 도움

AI 기술은 알츠하이머 병을 겪는 사람들이 기억이 흐려지는 것을 추적하고 더 나은 삶을 살도록 도울 수 있습니다. 이번 최신 개발은 AI 예방 및 진단이 이 질환을 최종적으로 이기는 첫 단계가 될 수 있음을 보여줍니다. 따라서 이 연구는 미래에 더 건강하고 인지적으로 활발한 인구를 위한 문을 열며 새로운 수준의 자신감을 제공합니다. 더 많은 멋진 AI 개발을 보려면 클릭하세요.