파킨슨병 진단 전 최대 7년까지 눈 스캔으로 증상 감지

 (moorfields.nhs.uk)
2P by GN⁺ | ★ favorite | 댓글 1개
  • Moorfields Eye Hospital와 UCL Institute of Ophthalmology 연구팀은 망막 이미지에서 파킨슨병 관련 표지를 찾아, 임상적 발현 평균 7년 전에도 확인할 수 있음을 보임
  • AI 분석으로 AlzEye 데이터셋의 결과를 더 넓은 UK Biobank 데이터베이스에서 반복해, 유병률이 0.1~0.2%로 낮은 조건에서도 미세한 표지를 확인함
  • 핵심 검사인 OCT는 1분 미만에 망막 단층 이미지를 만들고, 1/1000mm 수준의 세부 정보를 제공하는 비침습적 안과 검사임
  • 아직 개인별 파킨슨병 발병 예측에는 쓰기 어렵지만, 위험군을 찾는 사전 선별 도구로 발전할 가능성이 있음
  • OCT는 뇌 스캔보다 빠르고 저렴하며 확장성이 높아, 더 넓은 인구의 영상 검사가 향후 예측 분석으로 이어질 수 있음

망막 이미지에서 확인한 파킨슨병 표지

  • Moorfields Eye Hospital와 UCL Institute of Ophthalmology의 Siegfried Wagner, Pearse Keane가 이끈 팀은 파킨슨병 환자에서 임상적 발현 평균 7년 전 나타나는 표지를 확인함
  • 이번 결과는 파킨슨병 망막 이미징을 다룬 현재까지 가장 큰 연구에서 나왔으며, 진단 수년 전 해당 소견을 보인 첫 사례로 제시됨
  • 연구는 American Academy of Neurology의 의학 저널 Neurology® 에 게재됨

데이터셋과 분석 방식

  • 연구팀은 AI의 도움으로 눈 스캔에서 파킨슨병 표지를 찾음
  • AlzEye 데이터셋에서 나온 결과를 더 넓은 UK Biobank 데이터베이스에서 반복했고, 건강한 자원자 데이터에서도 같은 발견이 재현됨
  • 두 대규모 데이터셋을 함께 사용해 유병률이 0.1~0.2% 로 낮은 파킨슨병에서도 미세한 표지를 식별할 수 있었음
  • AlzEye 데이터셋은 망막 이미지와 관련 임상 데이터의 세계 최대 데이터베이스인 INSIGHT를 통해 만들어짐

OCT와 oculomics의 역할

  • 눈은 오래전부터 신체 건강의 여러 측면을 직접 보여주는 창으로 여겨져 왔음
  • 고해상도 망막 이미지는 현재 안과 진료에서 일상적으로 쓰이며, 특히 OCT라는 3D 스캔이 안과 클리닉과 시내 안경원에서 널리 사용됨
  • OCT는 1분 미만에 눈 뒤쪽 망막의 단면을 만들고, 1/1000mm 수준의 세부 정보를 제공함
  • 망막 스캔은 피부 표면 아래 세포층을 볼 수 있는 유일한 비침습적 방법으로 다뤄짐
  • 강력한 컴퓨터를 활용하면서 대량의 OCT와 눈 이미지를 사람이 분석하는 시간의 일부만으로 정확히 처리할 수 있게 됨
  • 머신러닝은 눈 이미지만으로 신체 전반의 숨은 정보를 찾는 데 쓰이며, 이런 연구 분야를 oculomics라고 부름

다른 질환 연구와의 연결

  • 눈 스캔 데이터는 이전에도 알츠하이머병, 다발성 경화증, 최근에는 조현병 같은 신경퇴행성 또는 관련 질환의 신호를 찾는 데 사용됐음
  • 이번 연구는 같은 흐름에서 파킨슨병의 초기 표지를 망막 이미지에서 찾은 사례임

연구 협력과 NHS 데이터 연결

  • 연구에는 Moorfields Eye Hospital, University Hospital Birmingham, Great Ormond Street Hospital, Oxford University Hospital, University College Hospital London, UCL Great Ormond Street Institute of Child Health의 NIHR Biomedical Research Centres가 협력함
  • 영상 인터뷰에 따르면 첫 단계는 Moorfields Eye Hospital을 방문한 10만 명 이상의 눈 스캔을 잉글랜드 전체의 병원 입원 국가 데이터와 연결해 파킨슨병 환자의 눈 특징을 찾는 방식이었음
  • 두 번째 단계에서는 영국 일반 인구의 건강한 집단에서 같은 특징을 확인했고, 파킨슨병 진단 평균 최대 7년 전에도 해당 특징이 존재함을 찾음
  • 통합 의료 제공자인 NHS, 대규모 데이터셋, 고성능 컴퓨팅 인프라, Moorfields와 UCL의 AI 전문성이 연구 수행에 필요했음

개인 예측은 아직 준비되지 않음

  • Siegfried Wagner는 개인이 파킨슨병을 앓게 될지 예측할 준비는 아직 되지 않았다고 밝힘
  • 다만 이 방법이 질환 위험군을 위한 사전 선별 도구가 될 수 있기를 기대함
  • 증상 전 여러 질환의 신호를 찾을 수 있다면, 사람들은 일부 질환을 막기 위한 생활 방식 변화를 시도할 시간을 얻고 임상의는 신경퇴행성 질환의 발병과 영향을 늦출 수 있음

확장성과 공중보건 활용 가능성

  • Louisa Wickham은 더 넓은 인구에서 영상 검사를 늘리는 일이 미래 공중보건에 큰 영향을 주고, 결국 예측 분석으로 이어질 것이라고 봄
  • OCT 스캔은 이 목적에서 뇌 스캔보다 더 확장 가능하고, 비침습적이며, 비용이 낮고, 빠름
  • 관련 자료로 ITV News 인터뷰와 Academic article이 제공됨

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 실제 논문을 보는 게 좋음: https://n.neurology.org/content/neurology/early/2023/08/21/W...
    가장 강한 신호를 보인 지표에서도 전구기 파킨슨 환자와 대조군의 분포가 상당히 겹침. 일부 값은 거의 파킨슨의 결정적 표지처럼 보이지만, 겹치는 구간에서는 단독 지표로 쓰면 위양성률이 높아져 유용성이 떨어짐
    파킨슨을 꽤 이른 시점에 상당 비율 잡아낼 가능성은 있어 보이지만, 이 방법 하나만으로 위양성과 위음성을 모두 낮추기는 어려워 보임. 보도자료는 더 보수적인 논문을 들뜬 톤으로 요약한 것이라는 점도 감안해야 함

    • “파킨슨을 상당히 이른 시점에 잡아낼 가능성”이 있다면, 생활습관 변화 말고 조기 개입은 무엇이 될 수 있는지 궁금함
      아는 한 파킨슨 치료는 사실상 평생 도파민 약을 먹는 것에 가깝고, 결국 내성이 생겨 효과가 떨어지며 점점 더 높은 용량이 필요해짐. 시작하는 순간 뇌의 남은 수명 카운트다운도 같이 시작되는 셈처럼 느껴짐
    • 논문에도 “더 얇은 INL과 GCIPL이 파킨슨병 발생 위험 증가와 관련이 있었지만, 특히 INL의 효과 크기가 작아 개인 단위의 조기 파킨슨 표지자로서 실용 가치는 현재 제한적”이라고 되어 있음
      조금 찾아보니 건강한 젊은 성인에서도 GCIPL 두께의 개인차가 꽤 크고, 그 범위가 연구에서 검출한 효과보다 더 큼. 실제로는 병의 초기 발병을 잡으려면 평생 GCIPL을 추적해야 할 수도 있고, GCIPL 얇아짐만으로 파킨슨을 진단하기에도 부족해 보임. 알츠하이머 같은 다른 질병에서도 나타나고, 어쩌면 자연 노화의 결과일 수도 있음

  • 이 분야를 하던 회사로 RightEye와 Neuralight가 떠오름:
    https://techcrunch.com/2018/02/17/righteyes-portable-eye-tra...
    https://techcrunch.com/2022/05/24/neuralight-aims-to-track-a...
    지금은 더 많을 것 같음. 기억하기로 이런 데이터는 “정밀 검사를 받아보라”는 신호를 주는 데 매우 좋음. 진단을 내리는 게 아니라, 예를 들어 눈 움직임이 느려지는 현상이 상관관계가 있고 손 떨림 같은 뚜렷한 증상보다 훨씬 일찍 감지할 수 있다는 정도임

    • 움직임만의 문제가 아님. 망막 조직은 뇌와 같은 배아 조직에서 발달함. 아마 구조나 혈관계도 봤을 것임
      이 분야에서 가장 인상적인 일화는 선천성 실명인 사람 중 조현병이 발생한 사례가 없다는 것임
    • 조기 진단이 실제로 유용한지 궁금함

  • 앞으로 10년 안에 치매에 걸릴 것을 알게 된다는 생각은 흥미롭지만, 그걸 아는 게 좋은 일인지는 단순하지 않음
    이 생각을 끝까지 밀어붙이면 조금 우습기도 함. “알고 있는 것”이 사회적 규범이 되면 어떨까? 공공장소에서 곧 치매가 올 사람에게 줄 서기 우선권을 줄까? 놀이공원, 교통 예약, 호텔 예약, 술집, 영화관 전부 생각해볼 수 있음. 이 특정 계층을 대상으로 한 서비스 산업이 하룻밤 사이에 생길 수도 있음

    • 즐거운 일은 아니지만, 어려운 의학적 상태를 두고 장기 계획을 세울 수 있다는 건 모르는 것보다 분명히 낫다고 봄. 재정 계획부터 계단 없는 단층 주택처럼 상태에 맞는 집을 찾는 일까지 포함됨
      가까운 미래에 파킨슨 진행을 늦추는 질병 조절 약물에 대한 이해가 더 좋아지길 바람. Exenatide 같은 약이 실제로 파킨슨 진행을 늦춘다는 확인이 나오면, 가능한 한 빨리 알고 싶을 것임
    • 치료 불가능한 병에 걸릴 거라는 걸 아는 건 단점뿐임. 현재를 즐기기보다 앞으로 올 시간을 두려워하게 됨
    • 공공장소에서 곧 치매가 올 사람에게 줄 서기 우선권 같은 걸 준다면, 암 환자에게도 그렇게 하고 있는지 생각해봐야 함
    • 이미 그렇게 하고 있음. 암이나 치매에 걸릴 수 있다고 판단되면 보험 가입을 거절하고 기회를 빼앗는 식으로 흘러감
    • 남은 날을 마음껏 즐길 수도 있겠지만, 죽고 나면 그런 경험은 자신에게 아무 차이를 만들지 않음. 남는 것은 살아 있는 사람들의 마음속에 남을 유산임. 다른 사람을 밀쳐내고 그들의 상속분까지 써버린 사람으로 기억되고 싶지는 않음
      생각해볼 만한 일임

  • “머신러닝이라는 AI의 한 유형을 사용해 컴퓨터가 이 이미지들만으로 몸 전체에 대한 숨은 정보를 찾아낼 수 있게 됐다”라니, 이제 컴퓨터가 AI를 사용해 뭔가를 한다는 말이 되는 건가
    늘 “AI가 X를 했다”, “AI가 Y를 발견했다”라고 하면서, “크레인이 건물을 지었다”라고는 안 하는 게 재미있음

    • 이상한 표현이라고 보기는 어려움. 귀속은 늘 도구를 조작하고 결과를 해석하는 사고 주체에게 감
      예를 들어 갈릴레오가 목성을 본 것이지 망원경이 목성을 본 게 아님. Joe가 벽을 지은 것이지 크레인이 벽을 지은 게 아님
      이 경우에는 AI가 사고 주체이고 인간이 아니므로 그런 표현이 나오는 것임. 인간이 AI를 만들었다고 해서 귀속이 사라지는 것도 아님. Joe가 어머니에게서 태어났다고 해서 Joe의 어머니가 벽을 지었다고 말하지 않는 것과 같음
    • 크레인은 오래되고 잘 알려진 기계인 반면, AI는 새롭고 대부분에게 일종의 블랙박스라서 그런 표현이 나오는 듯함

  • 치료법은 없더라도 파킨슨에 진전이 있다는 건 좋은 일임
    아버지가 파킨슨을 앓았고, 금속과 탈지제를 다루던 엔지니어로 수년간 트리클로로에틸렌에 노출됐기 때문에 그 물질이 원인이 될 수 있다는 분명한 데이터 포인트였음
    [1] https://www.science.org/content/article/widely-used-chemical...

    • 브레이크 클리너에 들어 있는 TCE에 노출된 적이 있어서 나도 위험할 수 있겠음. 링크 고마움

  • 이미 주머니 속에 매우 정교한 카메라를 들고 다니고 있음
    스마트폰을 활용해 Star Trek이 약속했던 트라이코더 같은 장치를 만들 수 있기까지 얼마나 걸릴까
    Apple Watch도 가능성이 있어 보이고, 언젠가는 사람이 진단을 받으러 의사에게 가는 게 아니라, 이미 나온 진단을 확인하고 성공적인 치료 계획을 안내받으러 가는 세상을 상상함

    • 개발도상국에서는 좋은 선택지가 될 가능성이 큼 [1] [2]. 다만 스마트폰용 추가 광학장치, 즉 “안저 카메라” 같은 것을 고려해야 함. 선진국에서는 전통적인 안과 검진에 묶여 들어갈 가능성이 높음
      이점은 기존 영상 촬영 과정에서 머신러닝으로 더 많은 데이터를 뽑아내는 데 있음. 이런 것들은 데이터 파이프라인 구현으로 보면 됨
      “망막의 고해상도 이미지는 이제 안과 진료의 일상적인 일부가 됐다. 특히 안과 클리닉과 시내 안경점에서 널리 쓰이는 3D 스캔인 광간섭단층촬영(OCT)이 그렇다. 1분도 안 걸려 OCT 스캔은 눈 뒤쪽 망막의 단면을 1/1000밀리미터 수준까지 매우 자세하게 생성한다”
      [1] https://www.cureus.com/articles/106024-effective-low-cost-op...
      [2] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5609317/
    • 의사들과 관련 업계, 그리고 쓸모없는 FDA 같은 기관들이 이런 흐름에 강하게 맞설 것으로 예상함. 늘 그렇듯이
    • Google은 스마트폰으로 심박수 측정, 피부 질환 식별, 눈 사진을 통한 질병 감지, 일종의 청진기 역할을 하는 연구를 해왔음:
      https://ai.googleblog.com/2023/02/google-research-2022-beyon...

  • 이건 사람을 돕는 데가 아니라 보험 보장 거절에 악용될 것임

    • 미국에서는 2014년부터 기존 질환을 이유로 건강보험에서 사람을 배제하는 것이 금지되어 있음
      특정 장기요양보험이나 생명보험에 가입하려고 하면서 이를 공개하지 않았다면 보험을 잃을 위험이 있을 수는 있음
      하지만 기존 질환 때문에 건강보험을 잃을까 봐 검진이나 진료를 피해서는 안 됨. 그런 시대는 거의 10년 전에 끝났음
    • 실제로 그럴 수 있음. 순효과는 보장을 거절당할 수 있다는 것임
      검사를 받을 때 이런 부분은 설명해주지 않음
    • 이런 식의 생각은 거의 모든 의학적 발전에 적용할 수 있음. 적절한 규제가 문제를 해결할 수 있음

  • 파킨슨의 기전이 모든 사람에게 같은지조차 알고 있나? 아니면 각자 임의적이고 고유하게 망가진 여러 현상이 비슷한 증상으로 끝나고, 임상의가 느슨한 공통 이름을 붙인 것에 가까운 걸까
    어제 이 논문을 읽었음: https://www.frontiersin.org/articles/10.3389/fchem.2023.1106... 이런 도구를 인간 유기체와 개별 환자 수준으로 확장할 수 있다면 좋지 않을까? CPU와 GPU로는 그렇게 큰 것을 제대로 시뮬레이션할 수 없으니, 그 부족분을 머신러닝으로 보완하는 식임. 세계 최고의 첩보기관보다 더 높은 해상도로 개별 질병의 사생활을 들여다볼 수 있다면 어떨까
    이런 일을 해보고 싶다는 꿈이 있으니 채용 중이면 이메일을 보내주면 좋겠음

  • “Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs”라는 글을 썼음. 여기서 볼 수 있음: https://www.nature.com/articles/s41467-023-39631-x
    이런 모델 다수가 인구 보건에 유망한 장점을 주지만, 편향과 실행에 관련된 과제도 여전히 많음. 다만 조기 질병 발견은 반드시 치료법이 아니더라도 이점을 줄 수 있음. 알츠하이머병의 IDEAs 연구가 좋은 예임

  • 실제 예측력은 어느 정도일까? p값과 위험비의 신뢰구간은 가정상 반복된 데이터에서 영가설 효과와 비교했을 때의 확률만 알려줌
    정말 알고 싶은 것은 일반 인구에서 파킨슨병 비율을 사전확률로 둘 때, 이 방법의 혼동 행렬이 어떻게 되는지임

답변달기