ADHD는 집중력 저하, 산만함, 충동성 등이 특징인 질환으로 발병 여부를 결정할 수 있는 명확한 생물학적 근거가 없고 객관적인 측정 방법이 아직 확립되지 않아 진단이 쉽지 않다.

지금까지의 ADHD 진단은 부모의 보고나 관찰에 의존했지만 주관적인 판단이 개입될 여지가 많아 객관성을 확보하기가 힘들었으며 이를 판단하는 임상가도 높은 숙련도가 요구되고 다양한 신경심리학적 검사와 증상의 시간적 발달변화에 따른 추가적이 추적관찰이 필수적이었다.

서울대병원 김붕년, 카이스트 정범석, 가톨릭대 유재현 교수팀은 기계학습 방법을 이용해 뇌 영상만으로 ADHD와 정상발달 아동을 구분할 수 있는 알고리즘을 개발했다고 밝혔다.

연구팀은 각각 47명의 ADHD 아동과 정상 아동을 대상으로 뇌자기공명영상(fMRI)과 확산텐서영상(DTI) 등을 이용해 다양한 뇌 영상 데이터를 확보했다.

데이터 분석 결과, 뇌의 몇몇 중요 부위에 발생한 발달적 이상이 있었는데  ADHD 아동의 뇌는 정상 아동에 견줘 중요 자극을 선별하는 네트워크와 반응 억제를 담당하는 전전두엽에 구조적인 결함이 뚜렷했다. 연구팀은 이런 뇌 네트워크 결함이 부주의, 과잉행동, 충동성 등의 증상으로 이어졌다고 추론했다.

이런 결과를 기반으로 연구팀은 기계학습을 거쳐 특정 뇌가 ADHD 환자의 뇌인지 정상인의 뇌인지 가려낼 수 있는 프로그램을 개발했으며 연구 참여 아동의 진단 기술 정확도는 85% 이상에 달했고 새로운 환자군 데이터에서도 유사한 수행 능력을 보였다고 설명했다.

김붕년 교수는 “이번 연구에서 뇌영상 빅데이터를 활용해 정상적으로 발달하는 아이와 ADHD 환아를 구별할 수 있게 됐다”면서 “다양한 뇌 구조 및 기능영상은 AI 기반 플랫폼을 통해, 향후 ADHD행동의 원인을 완벽히 설명할 수 있는 근거가 될 수 있기에 잠재력이 무궁무진하다”고 전했다.

한편, 이번 연구는 ‘뇌 영상과 행동(Brain Imaging & Behavior)’ 에 게재됐다.