보고서 정보
주관연구기관 |
고려대학교 Korea University |
연구책임자 |
한규만
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2022-03 |
과제시작연도 |
2020 |
주관부처 |
과학기술정보통신부 Ministry of Science and ICT |
등록번호 |
TRKO202200013005 |
과제고유번호 |
1711148546 |
사업명 |
개인기초연구(과기정통부)(R&D) |
DB 구축일자 |
2022-10-18
|
키워드 |
우울증.후생유전학.뇌영상.머신러닝.예측모형.Depression.Epigenetics.Neuroimaging.Machine learning.Prediction model.
|
초록
▼
□ 연구개요
본 과제는 우울증 예측을 위한 후생유전학 및 뇌영상 데이터를 이용한 머신러닝(machine-learning) 기반 진단 시스템 개발을 위해 1) 우울증 환자의 후생유전학(epigenetics) 및 뇌영상 (MRI) 데이터를 수집하여, 후생유전학/뇌영상 코호트를 구축하고, 2) 머신러닝 (machine-learning) 기법을 이용하여 우울증 진단, 예후, 자살 위험성 예측을 위한 뇌영상/후생유전학 표지자를 발굴하여, 3) 머신러닝 기반 예측 시스템을 실제 우울증 환자군과 대조군에 적용하여, 진단 시스템의 효용성을
□ 연구개요
본 과제는 우울증 예측을 위한 후생유전학 및 뇌영상 데이터를 이용한 머신러닝(machine-learning) 기반 진단 시스템 개발을 위해 1) 우울증 환자의 후생유전학(epigenetics) 및 뇌영상 (MRI) 데이터를 수집하여, 후생유전학/뇌영상 코호트를 구축하고, 2) 머신러닝 (machine-learning) 기법을 이용하여 우울증 진단, 예후, 자살 위험성 예측을 위한 뇌영상/후생유전학 표지자를 발굴하여, 3) 머신러닝 기반 예측 시스템을 실제 우울증 환자군과 대조군에 적용하여, 진단 시스템의 효용성을 검증하고자함.
□ 연구 목표대비 연구결과
본 연구의 최종 목표인 머신러닝 기반 예측모형의 개발을 위한 알고리듬 발굴을 위해 신경염증 관련 유전자의 후생유전학적 지표, 뇌영상 표지자로는 대뇌 피질 두께와 편도 용적에 기반한 3가지의 바이오마커를 발굴 하였으며, 이에 기반한 예측모형의 후보 알고리듬을 발굴함. 신경염증 유전자(NLRP3) DNA 메틸화의 경우, NLRP3 유전자의 5개의 CpG site의 메틸화 점수(cg06710101, cg09418290, cg05615449, cg18126557, cg18793688)를 개발하였으며, 대뇌피질 두께 기반 뇌영상 바이오마커의 경우, - 등내측 전전두피질(dmPFC), 전대상피질(ACC), 등외측 전전두피질(dlPFC), 후대상피질(PCC), 안와전두피질(OFC), 앞쐐기소엽(precuneus), 쐐기소엽(cuneus)의 피질 두께, 편도 용적 기반 뇌영상마커의 경우, - 편도의 세부부위 용적(Lateral nucleus, Anterior amygdaloid area) 및 전체 편도 용적을 뇌영상 바이오마커로 개발함.
최종 머신러닝 기반 우울증 진단 예측모형은 투입변수로 연령, 성별, 교육연수, NLRP3 유전자의 5개의 CpG site의 메틸화 점수(cg06710101, cg09418290, cg05615449, cg18126557, cg18793688), 등내측 전전두피질(dmPFC), 전대상피질(ACC), 등외측 전전 두피질(dlPFC), 후대상피질(PCC), 안와전두피질(OFC), 앞쐐기소엽(precuneus), 쐐기소엽(cuneus) 두께의 양측반구 평균값이 들어갔으며, 머신러닝 기반 예측 모형의 민감도는 0.855, 특이도는 0.902, 정확도는 0.894로 우수한 결과를 보였음.
□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 과제를 통해 개발된 예측 시스템은 개인별 신경생물학적 위험 요인 분석에 따른 맞춤형 진단, 예후 예측, 치료가 가능하게 되며 정밀의료 (precision medicine)의 개념을 실현할 수 있게 됨. 본 예측 시스템을 통해 외래 내원 환자를 대상으로 우울증의 조기 진단을 도우며, 만성화를 예측하여 시의 적절한 약물학적/심리사회적 중재를 유도하며, 자살 위험성 예측을 통해 자살 예방 효과를 올림으로써 우울증으로 인한 사회경제적 부담을 감소시킬 것으로 기대함. 궁극적으로는 외래 내원 정신건강의학과 환자를 대상으로 후생유전학 데이터 (혈액 샘플)과 MRI 영상을 수집하여, 머신러닝 기반 진단 기법을 통해 우울증의 진단, 예후, 치료반응, 자살 위험도를 예측하는 시스템의 개발하는 데 이용 될 수 있을 것으로 기대함.
(출처 : 연구결과 요약문 2p)
목차 Contents
- 표지 ... 1
- 연구결과 요약문 ... 2
- 목차 ... 3
- 1. 연구개발과제의 개요 ... 4
- 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
- 1) 우울증 환자군 및 대조군 모집 ... 5
- 2) 후생유전학 및 뇌영상 표지자 ... 5
- 3) 머신러닝 기반 예측 모형 개발 ... 5
- 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 6
- 1) 정성적 연구개발성과(연구개발결과) ... 6
- 2) 세부 정량적 연구개발성과 ... 9
- 3) 목표 달성 수준 ... 10
- 4) 목표 미달 시 원인 분석 ... 10
- 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 10
- 5. 연구개발성과의 관리 및 활용 계획 ... 11
- 2) 연구과제의 기대효과 ... 11
- 6. 기타 ... 11
- 6. 참고문헌 ... 12
- 붙임1. 세부 정량적 연구개발성과 ... 13
- 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 17
- 끝페이지 ... 25
※ AI-Helper는 부적절한 답변을 할 수 있습니다.