AI 이용 자폐스펙트럼장애 객관적 진단·치료 경과 예측

AI 요약

서울대병원 소아청소년정신과 김붕년 교수팀이 자폐스펙트럼장애 환자의 개인별 특성 평가와 치료 경과 예측을 위해 기능적 자기공명영상(fMRI)에서 AI가 학습한 내부 표현이 뇌의 생물학적 특성을 반영하는지를 검증하는 인공지능 프레임워크를 개발했습니다. 연구진은 특정 뇌 영역 연결을 가상으로 차단했을 때 AI 내부 표현 변화를 분석하는 생성적 매니폴드 감사(Generative Manifold Auditing, GMA)와 민감도 격차 지표를 제시하고, ABIDE와 서울대병원 장기 코호트 데이터에 적용해 Denoising Autoencoder(DAE) 기반 생성형 AI 모델이 뇌 네트워크 구조 변화에 더 민감하게 반응함을 확인했으며 자폐 아동은 하두정소엽과 시상을 중심으로 기능적 연결성이 감소함을 재확인했습니다. 또한 K-CARS가 호전된 경우에도 두뇌의 기능적 네트워크 변화 양상은 개인별·뇌 영역별로 다르게 나타났고, 연구진은 이 프레임워크가 자폐스펙트럼장애의 정밀의학·맞춤의학 실현에 기여할 것으로 기대한다고 밝혔습니다.