인공지능을 사용해 사람이 언제 죽을지를 예측할 수 있다는 연구 결과가 나왔다.
미국 뉴욕 마운트시나이병원 연구팀은 뇌 나이 추정 알고리즘을 개발하기 위해 노인 뇌 기증자의 해마 단면이 포함된 700개의 디지털화된 슬라이드 이미지 모음을 조사했다. 해마는 뇌의 노화와 연령에 따른 신경 퇴행성 질환에 모두 관여한다. 연구팀은 인공지능을 사용해 인간의 사망 연령을 예측하는 ‘히스토에이지’라는 알고리즘을 개발했다. 그 후, 기계 학습 모델을 훈련시켜 디지털화된 부분만을 기반으로 사람의 사망 연령을 추정하도록 했다. 모델에서 예측한 나이와 실제 나이의 차이를 사용해 뇌의 노화 가속 정도를 도출했다.
연구 결과, 히스토에이지는 기존의 노화 가속도 측정법과 비교했을 때, 인지 장애, 뇌혈관 질환, 알츠하이머 유형의 비정상적인 퇴행성 단백질 응집 수준과 더 강력한 연관성을 보였다. 히스토에이지를 통해 노화를 방지하는 유전자나 뇌의 노화를 악화시키는 유전자를 발견할 수 있을 뿐만 아니라 개인의 뇌를 더 빨리 노화시키는 환경적 위험 요인을 발견할 수 있을 것이라고 연구팀은 설명했다.
연구팀은 “히스토에이지 모델을 통해 알츠하이머병과 같은 뇌 질환의 중요한 인과적 측면을 밝혀낼 수 있을 것이다”고 말했다.
이 연구는 병리학 분야 최고 수준의 학술지인 ‘Acta Neuropathologica’에 최근 게재됐다.
미국 뉴욕 마운트시나이병원 연구팀은 뇌 나이 추정 알고리즘을 개발하기 위해 노인 뇌 기증자의 해마 단면이 포함된 700개의 디지털화된 슬라이드 이미지 모음을 조사했다. 해마는 뇌의 노화와 연령에 따른 신경 퇴행성 질환에 모두 관여한다. 연구팀은 인공지능을 사용해 인간의 사망 연령을 예측하는 ‘히스토에이지’라는 알고리즘을 개발했다. 그 후, 기계 학습 모델을 훈련시켜 디지털화된 부분만을 기반으로 사람의 사망 연령을 추정하도록 했다. 모델에서 예측한 나이와 실제 나이의 차이를 사용해 뇌의 노화 가속 정도를 도출했다.
연구 결과, 히스토에이지는 기존의 노화 가속도 측정법과 비교했을 때, 인지 장애, 뇌혈관 질환, 알츠하이머 유형의 비정상적인 퇴행성 단백질 응집 수준과 더 강력한 연관성을 보였다. 히스토에이지를 통해 노화를 방지하는 유전자나 뇌의 노화를 악화시키는 유전자를 발견할 수 있을 뿐만 아니라 개인의 뇌를 더 빨리 노화시키는 환경적 위험 요인을 발견할 수 있을 것이라고 연구팀은 설명했다.
연구팀은 “히스토에이지 모델을 통해 알츠하이머병과 같은 뇌 질환의 중요한 인과적 측면을 밝혀낼 수 있을 것이다”고 말했다.
이 연구는 병리학 분야 최고 수준의 학술지인 ‘Acta Neuropathologica’에 최근 게재됐다.
이 기사와 관련기사