노인 신경심리검사 수행의 뇌 연결성-기반 예측

Abstract

신경심리검사는 뇌 병리에 따른 행동 기능의 손상 위험을 평가하는 도구이다. 신경심리검사는 치매 질환의 진단 및 미래의 치매 발병 위험을 평가하는 데에 유용한 것으로 알려져 있지만, 검사가 측정하는 행동 수행이 어떤 뇌의 기능적 속성을 반영하기 때문에 그러한 유용성을 갖는지 분명하지 않다. 연구 1에서는 지역 사회에 거주하는 151명의 노인들을 대상으로 신경심리검사와 휴지기 뇌 기능 영상 자료가 획득되었다. 주의/작업기억, 집행통제, 일화기억 그리고 시공간 구성 기능에 해당하는 인지 영역별 요인 구조를 확인한 후, 요인 점수의 개인차를 예측하는 뇌 연결성의 모형을 구성했다. 정규화 기법과 교차 타당화 절차를 통해 예측에 기여하는 신경 특징들의 최적의 조합을 조율했으며, 모형의 예측 인자가 많고 적음에 따라 예측 정확도가 달라지는 양상을 탐색했다. 연구 결과, 뇌 연결성의 분산된 예측 모형을 통해 새롭게 주어지는 뇌 기능 영상 자료의 주의/작업기억, 집행통제, 일화기억 수행을 예측할 수 있었다(r = 0.28~0.42). 일부 뇌 영역은 예측에 선택적인 기여했으나, 광범위한 해부학적 구조물과 기능적 네트워크의 영역들이 신경심리검사 수행에 대한 예측적 정보를 포함하고 있었다. 두 번째로 신경심리검사 수행의 연결성-기반 예측 모형이 뇌 연결망 내에서 중요한 위치를 점하는 영역의 속성을 반영하는지 확인했다. 뇌 전체 연결망에서 군집을 형성하는 모듈 구조를 확인한 후, 각 뇌 영역마다 네트워크 내에서의 위치 특성에 대한 중요성 순위가 매겨졌다. 모듈-내 연결성이 높은 허브 속성이 강할수록 주의/작업기억, 유창성, 전환/억제, 일화기억 기능에 대한 예측 가중치가 높았으며, 모듈-간 연결성이 높은 뇌 영역의 가교 속성이 강할수록 유창성과 일화기억 기능에 대한 예측 가중치가 높았다. 특히 모듈-내와 모듈-간 연결에서 모두 중요한 역할을 갖는 가교 허브 속성을 가진 영역의 연결성이 강할수록 일화기억 기능이 우수했다. 연구 2에서는 연결성-기반 모형이 새로운 맥락에서의 자료 일반화되는지 확인하기 위해 644명의 뇌 기능적 영상과 신경심리검사 자료를 포함하는 OASIS-3의 자료를 활용했다. OASIS-3의 자료에서 구성된 예측 모형을 연구 1의 KSHAP 자료에 적용함으로써 신경심리검사의 예측 점수를 추정했다. 예측 결과, 자료-간의 외적 교차타당화의 예측력은 동일한 자료 내에서 수행된 내적 교차타당화의 예측력보다 전반적으로 낮았으나(r = 0.05~0.29), 집행기능과 운동 및 처리속도를 반영하는 검사에서는 유사한 수준의 예측력을 유지했다. 본 연구는 노년기 신경심리검사 수행의 개인차가 광범위하게 분산된 뇌 연결성을 반영하고 있으며, 새로운 자료에서의 수행을 예측할 수 있는 뇌 연결성 패턴이 있음을 확인했다. 신경심리검사의 연결성-기반 예측 모형은 치매 증상의 신경생물학적 기전과 행동 기능 사이를 잇는 신경 표지로서 활용될 수 있음을 시사한다.

Neuropsychological test is an essential tool in assessing cognitive and functional changes associated with late-life neurocognitive disorders. Despite the abundance of information that neuropsychological test provides, the brain-wide neural basis of the test performance remains unclear. In Study 1, neuropsychological tests and resting brain function imaging data were obtained from 151 elderly people living in the community. After confirming five-factor structure of cognitive domains, we constructed a model of brain connectivity predicting each factor score. Through cross-validation procedures, the optimal combination of neural features was identified. As a result, the distributed prediction model of brain connectivity could predict attention/working memory, executive function, and episodic memory performance (r = 0.28 ~ 0.42). Moreover, widely distributed anatomical and functional regions contributed to the prediction. Second, we examined whether the identified predictive models of neuropsychological tests reflect the brain regions with important topological positions among the brain network. Each brain area was ranked in the importance of location in the network (within-module, between-module connectivity). The results showed that brain hub and bridging regions with higher within- and between- connectivity contained larger predictive weights. Moreover, excluding hub and bridging regions in the predictive analysis resulted in a significant decrease in predictive accuracy. Study 2 confirmed whether the predictive models of neuropsychological tests are generalizable to the external dataset contexts. OASIS-3, which collected 644 brain functional images and neuropsychological data, was used for model training and validation to determine whether the predictive model could be generalized to new data sources. The predictive scores of neuropsychological tests were estimated by applying the predictive model constructed from the data of OASIS-3 to the KSHAP data of Study 1. The predictive power of external cross-validation between the data and the data was generally lower than the predictive power of internal cross-validation performed within the same data (r = 0.05 ~ 0.29). This study suggests that individual differences in the performance of older adults neuropsychological tests reflect widely distributed brain connectivity, and such multivariate pattern can be applied to novel individuals. The connectivity-based predictive model can be a promising marker that can bridge gap between late-life pathophysiological process and behavioral function relevant to dementia symptoms.