[메디칼타임즈=최선 기자] 수면 중 측정한 뇌파(EEG) 데이터를 딥러닝으로 분석해 인지 기능과 질병 상태, 사망 위험까지 동시에 예측할 수 있는 '뇌 건강 점수(brain health score)'를 도출했다는 연구 결과가 나왔다.

대규모 수면다원검사 데이터를 분석한 결과 이 점수는 기존 인구학적 정보 기반 모델이나 전통적인 EEG 지표보다 일관되게 높은 예측력을 보였으며, 점수가 높을수록 사망 위험이 유의하게 낮은 것으로 나타났다.

미국 베스 이스라엘 디코네스 메디컬센터(BIDMC) 신경학과 울프강 갠지스버그 등 연구진이 진행한 수면 뇌파를 통한 뇌 건강 멀티 코호트 딥러닝 바이오마커 연구 결과가 국제학술지 NEJM AI에 26일 게재됐다(DOI: 10.1056/AIoa2500487).

수면은 기억 형성과 신경 회복, 대사 조절 등 뇌 기능 유지에 핵심적인 역할을 하는 생리 과정으로 알려져 있다. 특히 수면 중 나타나는 뇌파 패턴은 신경퇴행성 질환이나 인지 저하 등 다양한 뇌 건강 상태와 연관된다는 연구가 축적돼 왔다.

그간 연구는 렘수면 비율, 수면 스핀들 밀도 등 특정 EEG 특징을 개별적으로 분석하는 방식이 대부분으로 이런 접근은 뇌 건강이 다양한 생리 신호의 상호작용으로 나타난다는 점을 충분히 반영하지 못한다는 한계가 있었다.

또한 전문가가 정의한 제한된 특징에 의존하기 때문에 EEG 데이터에 숨어 있는 새로운 패턴을 발견하기 어렵다는 지적도 있었다는 점에 착안, 연구진은 전문가가 사전에 정의한 특징 없이 EEG 데이터를 그대로 학습하는 엔드투엔드 딥러닝 모델을 구축했다.

분석에는 6개 코호트에서 수집된 총 2만7000명의 수면다원검사 기록 3만6000건이 사용됐다. EEG 데이터는 1차원 시계열 또는 시간–주파수 스펙트로그램 형태로 변환돼 모델에 입력됐다.

모델은 멀티태스크 딥 뉴럴 네트워크 구조로 설계돼 인지 기능 지표와 질병 상태, 수면 생리 지표 등을 동시에 예측하도록 학습됐다.

이 과정에서 모델은 EEG 데이터로부터 1024차원의 '뇌 건강 잠재 공간'을 학습했고, 연구진은 이를 다시 압축해 하나의 뇌 건강 점수로 정리했다. 이후 이 점수의 성능을 인구학적 정보 기반 모델, 기존 EEG 생리 지표 모델, 전통적인 머신러닝 모델과 비교 분석했다.

분석 결과 딥러닝 기반 뇌 건강 점수는 1표준편차 증가할 때 사망 위험이 약 31~35% 감소하는 것으로 나타났다. 인지 기능 예측에서는 단순 인구학적 모델 대비 상관계수가 최대 0.40 수준까지 높아졌으며, 질병 상태 분류에서도 기존 기준선인 AUC 0.50~0.55에서 0.65~0.75 수준으로 성능이 향상돼 무작위 수준에 가까웠던 기존 모델보다 정확도가 높아졌다.

특히 연령을 보정한 Cox 비례위험 분석에서는 뇌 건강 점수가 높을수록 사망 위험이 크게 감소하는 경향이 확인됐다. 점수가 1표준편차 증가할 때 사망 위험은 약 31~35% 낮아졌으며, 위험비는 0.65~0.69 수준으로 나타났다.

연구진은 딥러닝 모델이 기존 수면 생리 지표뿐 아니라 기존에 명확히 정의되지 않았던 새로운 EEG 패턴까지 함께 활용했기 때문에 이러한 성능 향상이 가능했던 것으로 분석했다. 실제 잠재 공간 분석 결과 모델은 전통적으로 알려진 수면 생리 신호와 함께 추가적인 EEG 특징을 동시에 반영하고 있는 것으로 나타났다.

연구진은 이번 연구가 수면 EEG 데이터를 활용해 뇌 건강을 통합적으로 평가할 수 있는 디지털 바이오마커의 가능성을 보여준다고 평가했다.

수면다원검사는 이미 임상에서 널리 활용되는 검사라는 점에서 향후 뇌 건강 상태를 정량적으로 평가하거나 장기 건강 위험을 예측하는 지표로 발전할 가능성이 있다는 설명이다. 연구진은 향후 EEG뿐 아니라 심박, 호흡 등 다양한 생체 신호를 결합한 멀티모달 분석으로 확장할 경우 뇌 건강 평가 정확도를 더욱 높일 수 있을 것으로 전망했다.