국내 연구진에 의해 뇌파를 분석해 우울증을 진단하는 기술이 개발됐다. 향후 우울증 진단 정확도를 높이는 데 도움이 될 것으로 보인다.

한국뇌연구원이 인지과학연구그룹 이찬희 선임연구원과 서울성모병원 채정호 교수 공동연구팀이 머신러닝 기법을 이용해 우울증 환자의 다중뇌파를 분석하는 기술을 개발했다고 30일 밝혔다.

우울증은 정신질환 중에서도 형태가 다양하고 복잡해 뇌파만으로는 정밀진단이 어렵다. 또 우울증을 감별하는 뇌파지표로 사용되는 안정상태정량뇌파(REEG), 청각P300 유발전위(P300A), 세로토닌 활성도를 반영하는 LDAEP 등이 우울증 환자에게서 일관되지 않게 나타난다는 연구결과들도 있어 진단에어려움이 있다.

공동연구팀은 약물치료 경험이 없는 우울증 환자 31명과 정상인 31명을 대상으로 3가지 우울증 뇌파지표(REEG, P300A, LDAEP)를 측정한 뒤, 머신러닝을 활용해 3가지 우울증 뇌파지표 중 하나만 사용했을 때(단일 패러다임)와 모두 사용했을때(다중 패러다임)의 성능을 분석했더니, 다중뇌파 분석기술의 분류성능이 정확도가 더 높다는 것을 확인했다.

연구팀은 뇌파에서 30개의 기능(P300A 14개, LDAEP 14개, REEG 2개)을 선택해 이들의 다중 패러다임 특징을 서포트벡터머신(SVM)과 선형판별분석(LDA) 분류기를 활용해 성능을 확인했다.

그 결과 SVM에서는 정확도가 90%였으며, LDA에서는 14개의 특징에서 정확도가 94%로 확인됐다. 이는 두 분류기에서 각각의 패러다임을 비교했을때보다 분류성능이 더 높다는 뜻이다.

특히 우울증 환자의 뇌파는 정상인에 비해 P300 지표가 더 높고, LDAEP 지표는 더 낮은 것으로 나타났다. 우울증 환자는 높은 알파·델타파 구간에서 안정상태정량뇌파(REEG)의 절대강도가 감소한 것으로 나타났다. 이러한 결과들을 활용해 공동연구팀은 뇌파를 측정했을 때 우울증 환자를 94.52%의 정확도로 구분할 수 있었다고 밝혔다. 

이찬희 선임연구원은 “뇌파의 진단 능력 한계를 극복하기 위해 머신러닝을 이용한 학습모델의 개발이 중요하다”며 “이번 연구에서 개발한 뇌파 분류 모델은 향후 병원에서 우울증 환자를 진단하는데 큰 도움이 될 것”이라고 말했다.

 채정호 교수역시 “이번 연구결과는 증상도 다양하고, 생물학적 복잡성을 가진 우울증을 진단하는데 뇌파 분석이 유용한 도움이 될 수 있다는 점에서 큰 의의가 있다”고 말했다

한국뇌연구원 장국인 박사가 제1저자로 참여한 이번 연구는 국제학술지 '정동장애저널'(Journal of affective disorders)' 최신호에 게재됐다.