최근 ADHD 여부를 보다 손쉽게 진단할 수 있는 가능성이 열렸다. 서울대학교병원 김붕년, 카이스트 정범석, 가톨릭대 유재현 교수팀은 인공지능(AI)를 기반으로 ADHD와 정상발달 아동을 구분할 수 있는 복합 뇌 영상분석 알고리즘을 개발했다고 10일 밝혔다.
집중력 저하, 산만함, 충동성을 특징으로 하는 ADHD의 진단은 다양한 발달력평가, 평가척도활용, 진단면접도구의 사용 등 장시간의 전문적인 수련이 필요한 임상진단과정에 의해 이루어진다.
각 증상의 평가과정에서 부모나 교사보고에 의존하는 면이 많은 편이며, 이때문에 주관적 판단이 개입될 여지가 있어 진단에 조심스러운 부분이 있다. 이러한 점은 ADHD 진단의 어려움으로 꼽혀왔다. 불안이 높은 부모의 경우, 자녀의 문제에 대해 심각성을 높게 보고할 가능성이 있으며, 반대의 경우도 있으므로 정보의 신뢰도를 신중하게 고려해야 했다.
이 프로그램은 뇌의 몇몇 중요 부위에 발생한 발달적 이상에 주목했다. ADHD 환자의 뇌는 ‘중요 자극을 선별하는 네트워크’와 ‘반응 억제를 담당하는 전전두엽’에 구조적 결함이 뚜렷했다. 즉, ADHD에서 흔히 관찰되는 부주의, 과잉행동, 충동성 증상 또한 위의 구조적 뇌 네트워크 결함으로 설명할 수 있는 것으로 밝혀졌다.
김붕년 교수는 “뇌영상 빅데이터를 통해 정상적으로 발달하는 아이와 ADHD 환아를 구별할 수 있는 길이 열렸다”며 “다양한 뇌 구조 및 기능영상은 AI 기반 플랫폼을 통해 향후 ADHD의 원인을 좀 더 온전하게 설명할 수 있어, 진단과 치료제 개발 등 잠재력이 커졌다”고 말했다.
이번 연구는 ‘뇌 영상과 행동(Brain Imaging&Behavior)’ 최신호에 게재됐다.
