초록 ▼

□ 연구개요
기존의 소아청소년에서의 기분장애의 연구는 약물의 영향 및 여러 기분 삽화 ((hypo)manic episode)의 영향을 배제한, 처음 발생한(first-episode) 주요우울장애 (major depressive disorder) 환자 중 약물을 투약하지 않은 (drug-naïve) 환자군을 대상으로 주로 진행되었음. 본 연구과제에서는 청소년 기분장애 중에서 가장 대표적인 주요우울장애와 더불어, 양극성 장애, 총 2가지 기분장애를 포함할 예정임. 또한 첫번째 기분장애 삽화를 경험한 청소년 외에도, 재발성 기분장애

□ 연구개요
기존의 소아청소년에서의 기분장애의 연구는 약물의 영향 및 여러 기분 삽화 ((hypo)manic episode)의 영향을 배제한, 처음 발생한(first-episode) 주요우울장애 (major depressive disorder) 환자 중 약물을 투약하지 않은 (drug-naïve) 환자군을 대상으로 주로 진행되었음. 본 연구과제에서는 청소년 기분장애 중에서 가장 대표적인 주요우울장애와 더불어, 양극성 장애, 총 2가지 기분장애를 포함할 예정임. 또한 첫번째 기분장애 삽화를 경험한 청소년 외에도, 재발성 기분장애 삽화를 경험하는 청소년들을 포함, 연구범위를 확장하여, 기분장애에서의 인지-정동 처리 연결망 (cognitive-affective (processing) network)에서의 기능적 연결성(functional connectivity)에 대한 뇌영상 연구를 계획, 휴지기 기능적 자기 공명영상(resting state functional MRI, rsfMRI)을 사용하여 3년에 걸쳐서 수행할 예정임. 정상 대조군은 1회 뇌영상 촬영하고, 기분장애 환자군은 baseline에서 뇌영상 촬영, 이후 12주간의 전향적인 약물치료(주요우울장애 환자군: 통상적인 1종의 항우울제 사용 치료, 양극성 장애 환자군: 투약 알고리즘에 기반한 통상적인 약물치료)를 시행하고, endpoint에서 뇌영상을 재촬영하여 비교함.

□ 연구 목표대비 연구결과
본 연구에서는 현재 DTI, resting state fMRI 및 구조적 뇌영상들을 사용하여 우울증 환자들과 정상 대조군 사이에서 비교를 하여 그 차이를 규명하는 연구들을 발표하였으며, 그 중에서 structural imaging에서의 차이에 대해서 machine learning 기법을 사용해서 구분하는 시도를 하여 환자군과 정상 발달 대조군을 구분하는 데에 성공하였으며 이 연구는 논문으로 출판되었음. 이러한 뇌영상학적 연구에 추가하여 본 연구에서 부가적으로 얻은 데이터들을 사용한 소아청소년 우울증에서의 연구 결과들이 또한 추가로 다수로 발표되었음.

□ 연구개발결과의 중요성
Cognitive-affective network에서의 functional connectivity의 차이의 비교 분석을 통해, 청소년 기분장애에서의 영상학적 biomarker를 확인함. 이를 기반으로 향후 deep-learning network에 기반한 machine learning classification 알고리즘을 적용, 기분장애에 대한 진단 및 예후 예측, 아직 발병하지 않은 소아청소년에서 발병 위험도를 평가할 수 있게 함. 본 연구에서는 기계 학습 분류 방법을 통해서 뇌영상 연구에서 얻은 여러 측정인자들을 통해서, 초발 우울증 장애 청소년군에서도 정상 우울증과 구분을 가능함을 밝혀서 조기 진단의 가능성을 열었음.

(출처 : 연구결과 요약문 3p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 3
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 5
• 3. 연구개발결과의 중요성 ... 6
• 4. 참고문헌 ... 8
• 5. 연구성과 ... 10
• 끝페이지 ... 11