뇌질환 영상진단 시스템 기술
정용안 인천성모병원 영상의학과 교수
1. 기술의 정의
현재 인류는 첨단 과학과 의료 기술의 발달로 인해 고령화가 전 세계적으로 문제가 되고 있으며, 결과적으로 수명 연장으로 인한 다양한 질병이 건강을 위협하고 있다. 특히 이러한 고령화 사회에서는 퇴행성 뇌질환, 뇌혈관 질환 등의 뇌질환 발생이 급격히 증가하기 때문에 이러한 뇌질환에 대한 예방, 진단 및 치료는 매우 중요한 분야로 인식되고 있다. 이러한 뇌질환의 진단에 있어 초기에 문진 및 정신신경학적 검사가 이루어지지만 가장 널리 사용되는 것이 뇌영상화 기술이다.
뇌 영상진단 시스템의 개발은 인간의 고등 정신 기능을 관장하는 뇌의 신비를 풀고자 하는 21세기 첨단 과학인 뇌과학에도 널리 이용되고 있다. 뇌 기능의 원리를 이해하게 되면 뇌 기능 향상이나 뇌질환 진단, 치료제 개발로 이어지는 것은 물론이고, 다양한 융합 기술을 통해 미래 산업의 새로운 패러다임을 제시할 수 있기 때문이다. 궁극적으로는 기초과학, 의학, 공학, 심리학 등 다양한 분야와 연관되어 뇌신경생물학, 뇌질환, 뇌인지, 뇌공학 등 다양한 융합연구를 발전시키고 있다.
뇌영상 기술은 크게 뇌를 해부학적으로 평가하는 기술과 기능적으로 평가하는 기술로 나눌 수 있다. 해부학적으로 평가하는 기술로는 대표적으로 컴퓨터단층촬영
(computed tomography, CT), 자기공명영상(magnetic resonance imaging, MRI), 뇌혈관촬영술(cerebral angiography) 등이 있으며, 기능적으로 평가하는 기술로는 단일광자방출단층촬영(single photon emission computed tomography, SPECT), 양전자방출단층촬영(positron emission tomography, PET)과 기능자기공명영상(functional magnetic resonance imaging, fMRI), 자기공명분광영상 (magnetic resonance spectroscopy, MRS), 확산텐서영상(diffusion tensor imaging, DTI), 뇌자도(magnetoencephalography, MEG) 등이 있다.
CT와 MRI 및 뇌혈관촬영술 등은 뇌의 형태학적 변화를 비교적 빠르고 정확하게 확인하여 다양한 정보를 제공하는 장점이 있지만, 대부분 형태학적 변화에 앞서 뇌의 기능적 이상이 먼저 발생하기 때문에 형태학적 변화가 발생하기 이전 뇌의 이상에 대한 정보를 조기에 제공하지 못한다는 측면에서 아쉬움이 있다. 이런 이유로 뇌의 기능적 측면에 대한 평가 방법들이 지속적으로 연구되고 있으며, 특히 MRI는 fMRI를 중심으로 다양한 시퀀스(sequence) 개발을 통해, SPECT 및 PET는 다양한 바이오마커(biomarker) 개발을 통해 뇌질환의 진단 및 뇌기능의 평가에 뇌영상 기술을 활용하고자 노력하고 있다.
바이오마커는 정상적인 생물학적 프로세스, 병원성 프로세스, 또는 치료적 개입에 대한 약물학적 반응 등의 지표로서 객관적으로 측정되고 평가될 수 있는 특성으로 정의되며, 현대 의학의 핵심 요소라 할 수 있다(Biomarkers Definitions Working, 2001). 바이오마커는 질환의 진단, 분류 및 예후 예측에 활용될 수 있으며, 특히 질환이 발병하기 이전 단계에 적용되어 향후 발병을 예측할 수 있다면 더 유용하게 활용될 수 있을 것이다.
이러한 유용성에도 불구하고 뇌신경계 질환에서 바이오마커가 진단적 지표로서 활발히 활용되고 있지 못하는 실정이다. 이에 대한 가장 주된 이유는 살아있는 인간 뇌(in vivo human brain)에 침습적인 직접 접근법이 가능하지 못한 경우가 많아, 질환의 원인을 밝히기 어렵고, 이로 인해 질환의 병태생리를 직접적으로 반영하는 바이오마커를 발굴하기 어렵기 때문이다. 그러나 뇌질환에 대한 접근에 있어 의사의 전문성과 경험에 바탕을 둔 문진과 함께 객관적인 지표로서 적절한 바이오마커가 활용될 수 있다면 진단의 신뢰성을 더욱 높일 수 있는 잠재력이 있다(Kraemer et al., 2012). 또한 보다 신뢰성 있는 진단은 병태생리 규명, 예후 파악, 치료 결정 및 치료법 개발 등에 보다 긍정적인 영향을 미칠 것으로 기대된다.
이러한 측면에서 뇌영상 기술은 살아있는 뇌에 대해 비침습적으로 구조적, 기능적, 신경화학적 정보를 다양하게 제공함으로써 뇌질환의 병태생리에 기반한 바이오마커 발굴에 크게 기여하였다. 또한 향후 임상에서 활용될 수 있을 정도로 충분하게 민감도와 특이도가 확보된 뇌영상 바이오마커 개발 결과들이 제시되고 있어, 가까운 미래에 뇌질환을 진단하고 예후를 예측하며 치료에 대한 반응을 평가하는 신뢰성 높은 뇌영상 바이오마커가 더욱 활발히 활용될 것으로 기대되고 있다.
[그림 1. 뇌영상을 이용한 뇌질환 진단]
2. 국내외 주요 연구 동향 가. 국외 현황
미국, 유럽연합(EU) 및 일본 등 주요 선진국을 중심으로 뇌영상 기술을 활용한 뇌과학의 성장 동력으로서의 잠재 가치에 대한 인식이 높아져, 이 분야에 대한 국가적인 투자가 경쟁적으로 확대되고 있다. 특히 이들 선진국들은 1990년대부터 기술 선점을 위해 뇌영상 기술을 활용한 뇌과학 분야를 전략적으로 육성해 관련된 뇌과학 원천 기술을 다수 확보하고 있다. 이에 멈추지 않고 미국 오바마 정부는 지난해 인간 뇌지도를 작성하는 '브레인 프로젝트'를 차세대 과제로 선정하여 10년간 30억 달러(약 3조2000억 원)를 투입한다고 밝혔다. 또한 유럽연합은 뇌질환 극복 등을 위해 유럽 전역의 86개 연구 기관이 참여해 뇌과학을 공동으로 연구하는 '인간 뇌 프로젝트'를 시작하여 향후 10년간 11억9000만 유로(약 1조8000억원)를 투자할 계획이다. 일본은 1998년부터 이화학연구소 내에 뇌과학 연구소를 설치하여 뇌영상 기술을 활용한 뇌과학 연구 분야에 많은 인력과 예산을 배정하고 있다. 2009년에는 '뇌과학 연구의 기본적 구상 및 추진 전략'을 통해 '종합적 인간 과학의 구축'과 '사회에 대한 공헌'을 뇌 연구의 구체적 목표로 제시하고, 문부과학성과 후생복지성에서 예산의 각각 7.8%와 23.7%를 투자하고 있다. 중국은 1999년에 신경과학연구소와 국립뇌연구소 등을 설립하여 뇌과학에 집중 투자하고 있는데, 특히 신경통 등의 기능성 질환군에 대한 연구가 활발하게 이루어지고 있다.
나. 국내 현황
미래창조과학부는 치매와 관련해 치매를 예측할 수 있는 '한국인 표준 뇌지도'를 오는 2016년까지 구축할 계획이다. 그동안 국내에서도 치매의 원인 규명이나 치료제 개발 등의 연구가 일부 수행되었지만, 치매의 70% 이상을 차지하는 알츠하이머성 치매를 대상으로 치매 전 단계의 조기 진단 방법을 확립하는 시도의 연구는 이번이 처음이다. 60∼80대 치매 위험군의 혈액을 채취해 치매를 유발하는 단백질 바이오마커를 측정하고, 치매 위험환자군을 선별해 MRI와 PET 등의 뇌영상을 통한 바이오마커에 대한 추가 분석을 할 계획이다. 이를 치매 예측 뇌지도와 비교해 치매 진행 상태와 향후 발병
가능성을 예측한다. 2017년에는 의료기관과 연계한 치매 조기 예측 및 진단 시범 서비스 기반을 마련할 계획이다. 이를 통해 자신의 혈액, 유전체, 뇌영상을 종합 분석해 치매 발병 가능성을 조기에 알 수 있게 된다면, 국민 삶의 질을 높이는 것은 물론 치매로 인한 엄청난 국가적·사회적 비용을 크게 줄일 수 있을 것으로 기대된다. 미래창조과학부는 "뇌연구는 인류가 극복해야 할 과학 기술의 마지막 영역이자, 사회적 비용을 줄이고 건강한 사회를 구현하기 위해 매우 중요한 분야"라며 "새로운 미래 시장 창출도 가능한 만큼 핵심 원천기술 선점을 위해 적극적인 지원을 해나갈 것"이라고 밝혔다.
3. 뇌질환별 대표적 영상 소개 가. 치매
뇌영상 기술은 알츠하이머병에 의한 치매를 비롯한 다양한 신경퇴행성 질환을 진단하는데 활용되어 왔다. 또한 정상적인 노화 및 경도인지장애(mild cognitive impairment, MCI)에 의한 뇌의 구조적, 기능적 변화 과정을 추적하는 데에도 중요한 도구로 여겨지고 있다.
치매의 뇌 영상진단 시스템에는 주로 MRI와 PET가 사용된다. MRI를 통해서는 T1-강조영상을 이용하여 뇌실의 확장, 뇌위축과 같은 비특이적 소견의 구조적 변화를 확인할 수 있다. 특히 알츠하이머병에서는 내측두엽(medial temporal lobe)의 위축 소견이 초기 단계에서부터 관찰되는 경우가 흔하다. 이를 이용하여 내측두엽 위축 및 부피 감소가 인지기능이 저하되지 않은 정상인에서 MCI로의 진행을 예측할 수 있는 뇌영상 바이오마커로 제안되기도 하였다(Smith et al., 2012).
또한 DTI 영상에서 확산비등방성(fractional anisotropy, FA)의 감소 또는 현성확산계수(apparent diffusion coefficient, ADC)의 증가를 통해 백질(white matter)의 미세구조적 연결성 변화를 분석할 수 있다. 특히 최근 DTI 영상 연구에서 FA 감소 소견을 분석하여 기억상실성 경도인지장애(amnestic MCI)에 대한 진단의 정확도를 향상시킨 바 있다(Gold et al., 2012).
Phosphorous(31P) MRS를 이용한 연구에서는 정상인과 비교하여 MCI 및 알츠하이머병 환자의 양쪽 해마에서 세포막의 분해를 시사하는 신경화학적 변화가 관찰되었으며, 이러한 MRS 뇌영상 결과가 알츠하이머병과 연관된 신경퇴행성 병리를 조기에 진단할 수 있는 바이오마커로 사용될 수 있음이 제안되었다(Mandal et al., 2012). 또한 MRS 뇌영상에서 왼쪽 해마를 분석하였을 때, MCI에서 알츠하이머병으로 진행될수록 pH값이 증가하는 것으로 나타나, MRS 뇌영상 진단시스템이 MCI에서 알츠하이머병으로 진행되는 환자군을 조기에 모니터링 할 수 있는 도구로 사용될 수 있음이 제안되었다(Mandal et al., 2012).
MRI나 CT에서 구조적 변화가 관찰되기 이전에 뇌혈류 혹은 뇌대사의 변화를 평가하기 위해서는 SPECT 또는 PET가 이용된다. PET를 이용한 영상으로는 포도당 대사가 항진된 부위를 탐지하기 위한 18-fluorodeoxyglucose PET (FDG-PET)과 아밀로이드 베타를 확인할 수 있는 11C-Pittsburgh compound B PET(C-11-PIB PET)가 치매의 진단에서 주로 활용된다. 특히 전체 치매의 70%
정도를 차지하는 알츠하이머병에서 뇌조직 내 베타아밀로이드(beta-amyloid) 단백질 침착과 타우(tau) 단백질 신경섬유농축체(neurofibrillary tangles)의 특징적 소견을 기반으로 치매의 진단에 있어 아밀로이드 및 타우 단백질을 뇌영상 바이오마커로 이용하는 연구가 활발히 이루어지고 있다.
인체의 첫 아밀로이드 영상은 F-18 FDDNP가 이용되었으며, 이후에 C-11-PIB 등이 소개되었다. 2012년 4월에는 미국 FDA(Food and Drug Administration)에서 처음으로 florbetapir(AMYViD) 영상이 허가되었고, 2013년 11월에 두 번째로 Flutemetamol(Vizamyl)이 허가되었다. 이외에도 알츠하이머병의 아세틸콜린(acetylcholine) 합성과 운반 장애 병태생리를 이용한 MP4A가 소개되어 아세틸콜린가수분해효소(acetylcholinesterase) 활동성의 감소를 영상화하는 연구가 진행되고 있다.
알츠하이머병과 유사한 증상을 보이는 다른 유형의 치매를 감별 진단하는 것 또한 임상에서 매우 중요하다. 루이체 치매(dementia with Lewy bodies)나 혈관성 인지장애(vascular cognitive impairment)와 같은 비알츠하이머성 치매와 비교하여, 알츠하이머병은 내측두엽 피질이 보다 특이적으로 영향을 받는 것으로 알려져 있다(Burton et al., 2009). 알츠하이머병과 비알츠하이머성 치매를 감별 진단하는데 있어 구조적 MRI 뇌영상 기술을 이용하는 경우,
알츠하이머병에 대해서는 민감도 91%, 특이도 84%, 루이체 치매에 대해서는 민감도 79%, 특이도 99%, 전측두엽 치매에 대해서는 민감도 84%, 특이도 94%로 진단할 수 있음이 보고되었다(Vemuri et al., 2011). PET를 이용한 연구에서도 높은 정확도로 루이체 치매, 전측두엽치 매와 알츠하이머성 치매를 감별할 수 있음이 보고되었다(Mosconi et al., 2010).
기능적 뇌영상 정보 또한 치매의 진단을 위한 바이오마커로 활용될 수 있다.
특히 fMRI로 언어 및 기억 작업을 수행하는 동안의 뇌 활성 패턴을 측정하여 알츠하이머병을 80% 이상의 민감도와 특이도로 진단할 수 있음이 보고되었다(Ford et al., 2003, Kontos et al., 2004). 또한 휴지기 SPECT 관류(perfusion) 영상을 이용한 연구에서는 90%의 민감도와 70%의 특이도로서 알츠하이머성 치매를 진단할 수 있음을 보고하였다(Fung and Stoeckel, 2007, Stoeckel et al., 2004).
나. 중추신경계 염증
미세아교세포(microglial cell)는 중추신경계의 면역 반응에 중요한 역할을 하며, 대부분의 말초 벤조디아제핀(benzodiazepine) 수용체 혹은 결합 부위(peripheral benzodiazepine binding site, PBSS)가 존재한다. 이를 이용하여 염증 영상으로 C-11에 표지된 PK11195, DAA1106 등이 소개되어 연구되고 있다.
특히 PK11195는 선택적으로 미세아교세포가 활성화될 때 사립체막 표면에 발현되는 PBSS에 결합한다(Tai et al., 2007). 따라서 PK11195는 생체 내 미세아교세포 활성화의 마커로서 이용될 수 있다. 중추신경계 감염성 질환 중 헤르페스성 뇌염 환자를 1년간 추적한 연구에 따르면, 국소적인 병변과 연결된 다른 영역에서 미세아교세포의 활성화가 관찰되었다. 그리고 항바이러스 치료가 성공한 이후에도 지속적으로 미세아교세포의 활성화가 관찰되었던 부위에서는 위축 등의 구조적인 변화가 관찰되었다(Cagnin et al., 2001).
C형 간염바이러스 보균자에 대한 연구에서는, 간경변이나 다른 합병증이 없는 상태일 때 미상핵(caudate nucleus), 시상(thalamus), 시상하부(hypothalamus) 영역에서 결합능이 증가된 것으로 PK11195 PET 검사에서 관찰되었다. 또한 피로 정도와 시상하부의 결합능 사이에 유의한 상관관계가 있었다(Grover VPB, 2008).
다. 도파민신경계 및 이상운동질환
도파민(dopamine)은 신체 운동과 관련된 추체외로(extrapyramidal tract)의 중요 신경전달물질(neurotransmitter)로 다양한 이상운동질환과 밀접한 관련이 있어, 도파민 합성 및 저장 기능을 타겟으로 하는 dihydroxyphenylalanine (DOPA), 시냅스 소포(synaptic vesicle)에서 소포막 운반체(vesicular transporter)에 결합하는 dihydrotetrabenazine(DTBZ), 도파민 운반체에 결합하는 carbomethoxy-3-beta-(4-iodophenyl)-tropane(CIT) 등이 연구되고 있다.
또한 D2/D3 수용체에 좀 더 특이적으로 결합하는 raclopride 혹은 iodobenzamide(IBZM) 영상 등도 소개되어 선조체(striatum) 내 시냅스 후 신경 세포의 기능을 평가하는데 이용된다.
이상운동질환 중 대표적인 질환인 파킨슨병의 진단에 있어서도 뇌영상 기술이 활용되고 있다. 최근 연구에 따르면 휴지기 fMRI(resting-state fMRI) 데이터를 이용한 기능적 연결성(functional connectivity) 분석과 구조적 MRI 데이터 분석을 조합하여 파킨슨병을 민감도 79%, 특이도 93%로 진단하였다(Long et al., 2012). 또한 구조적 MRI 뇌영상 분석을 이용하여 파킨슨병과 질환 초기 단계에서 구분이 어려운 진행성 핵상마비(progressive supranuclear palsy)를 민감도 84%, 특이도 88%로 감별 진단하였음을 보고하였다(Cherubini et al., 2014).
특히, 파킨슨병 증상이 나타나는 경우 파킨슨병과 유사한 질환들을 감별하여 진단하는 것이 중요하다. 파킨슨병과 이차성 파킨슨증후군 및 비전형적 파킨슨증후군을 구분하기 위해서는 MRI 검사가 우선적으로 필요하다.
파킨슨병은 MRI 검사 상 정상 소견이 나타나는데 비해, 유사한 다른 질환들은 특징적인 소견이 나타날 수 있다. 예를 들어, 정상압수두증(normal pressure hydrocephalus)의 경우 뇌실의 크기가 비정상적으로 증가하여, 뇌실이 뇌를 압박하면서 보행장애, 요실금, 기억력 장애 등의 증상이 동반될 수 있다
초기 단계의 파킨슨병과 비전형적 파킨슨증후군(atypical parkinsonism)의 경우, 임상적 증상과 MRI 검사만으로 구분하기 어려운 경우가 많다. 이러한 경우 FDG-PET가 유용하게 사용될 수 있다. FDG-PET으로 뇌의 퇴행성 변화가 나타나는 영역을 찾아내어 정확한 조기 진단에 도움을 받을 수 있다. 예를 들어, 파킨슨병의 경우 FDG-PET에서 정상 소견을 보이지만, 다계통 위축증(multiple
system atrophy)의 경우 기저핵(basal ganglia) 또는 소뇌 부위에서 포도당 대사가 감소한 소견이 나타난다.
SPECT를 이용한 연구에서는 초기 단계의 치매가 동반된 파킨슨병과 알츠하이머병 환자의 뇌 혈류량을 비교 분석하여 치매가 동반된 파킨슨병 환자에서 후두엽(occipital lobe)과 소뇌(cerebellum) 영역에서 혈류량이 유의하게 감소함을 보고한 바 있다(Song et al., 2014).
라. 뇌전증
뇌전증이란, 단일한 뇌전증 발작을 유발할 수 있는 원인 인자, 즉 전해질 불균형, 산-염기 이상, 요독증, 알코올 금단현상, 심한 수면박탈상태 등 발작을 초래할 수 있는 신체적 이상이 없음에도 불구하고, 뇌전증 발작이 반복적으로(24시간 이상의 간격을 두고 2회 이상) 발생하여 만성화된 질환군을 의미한다.
뇌전증은 해마의 경화나 피질이형성(cortical dysplasia) 등의 구조적 이상이 있는 경우를 찾는 것이 중요하다. 이러한 원인을 찾기 위해 MRI, FDG-PET, SPECT, 지속적 비디오 뇌파검사 등이 이용된다.
일반적으로 MRI가 1차적인 검사 도구로 활용되는데, 기본적으로 T2-weighted fast spin echo(FSE), fluid attenuated inversion recovery(FLAIR), magnetization-prepared rapid acquisition gradient echo(MPRAGE), spoiled gradient recalled echo(SPGR) 프로토콜 등이 포함된다. 종양이나 외상성 뇌손상(traumatic brain injury)의 영향을 분석하는 데에 유용한 contrast enhanced and gradient echo(GRE) 영상과 single-voxel MRS가 포함되는 경우도 있다. 백질의 연결성을 살펴보는 DTI와 수술 전 주요 피질의 기능을 확인할 수 있는 fMRI의 활용도 늘고 있다.
MRI와 더불어 뇌전증 유발 부위를 절제하는 수술을 계획하는 경우 등에서 PET가 추가적인 정보를 제공해 준다. 일반적으로 발작을 하지 않은 평상시에는 뇌전증 유발 부위의 포도당 대사가 감소한 소견이 관찰되고, 발작 시기에는 포도당 대사의 증가가 관찰된다. 그러나 평균적인 발작 지속 시간에 비해 방사성 표지자를 흡수하는 시간(약 40분 내외)이 더 길기 때문에 주로 발작을 하지 않는 시기에 촬영이 이루어지고 있다(Kim and Mountz, 2011).
마. 정신질환
정신질환의 경우 뇌기능 영상이 매우 중요한 역할을 해왔다. 그러나 아직 결과의 정확성 및 재현성이 완전히 일치하지는 않는다. 조현병에서는 뇌혈류 및 뇌대사 영상, 도파민신경계영상 등이 이용되고, 세로토닌(serotonin) 수용체 setoperone, WAY100635 등이 연구된다. 기분장애의 경우는 세로토닌 합성과 관련된 hydroxytryptophan이나 WAY100635, DOPA 등이 연구되고 있다.
최근 뇌영상 기술이 발전하면서 정신질환에서도 뇌의 구조적 이상에 대한 MRI 연구가 활발히 이루어지고 있다.
1) 우울증
우울증은 변연계(limbic system)와 전전두엽 피질(prefrontal cortex) 영역 등에서 구조적, 기능적 이상이 두드러지는 것으로 알려져 있다(Fitzgerald et al., 2008; Koolschijn et al., 2009). 2008년 발표된 연구에 따르면 정서 표현이 담긴 얼굴 표정을 보는 과정에서 촬영한 fMRI 뇌영상을 분석한 결과 84%의 민감도와 89%의 특이도로 우울증을 진단하였다(Fu et al., 2008). 또한 언어적 작업기억 과제를 수행하는 과정에서 촬영한 fMRI 뇌영상을 분석한 연구에서는 임상적 유용성은 다소 제한되나 통계적으로 유의하게(민감도 65%, 특이도 70%) 우울증을 진단하였다(Marquand et al., 2008). 정서 처리 과정과 보상 처리 과정이 조합된 과제를 수행하면서 촬영한 fMRI 뇌영상을 분석한 경우 민감도와 특이도가 더욱 향상되었는데, 정서 표현이 담긴 얼굴 사진을 보는 과제와 금전적 보상 과제를 수행하면서 fMRI 뇌영상을 촬영한 연구에서는 80%의 민감도와 87%의 특이도로 우울증 환자를 진단한 바 있다(Hahn et al., 2011).
과제 수행 중 촬영한 fMRI 뇌영상 뿐만 아니라 휴지기 fMRI 영상으로도 우울증을 진단하기 위한 연구가 활발하다. 휴지기 fMRI를 이용한 기능적 연결성 분석에서는 약 95%의 정확도로 우울증 환자를 진단하였는데, 진단에 가장 중요하게 작용한 뇌영역은 우울증의 병태생리에 관여하는 것으로 알려진 편도체(amygdala)와 전측대상회(anterior cingulate)를 포함한 전두엽 부분이었다(Zeng et al., 2012). 특히 최근 발표된 휴지기 fMRI 뇌영상 연구에서는 미리 정의된 진단에 근거한 것이 아닌 순수하게 전측대상회 영역 데이터의 패턴 분석만으로 우울증 진단에서 93%의 일관도를 보고하였다(Zeng et al., 2014).
구조적 MRI 뇌영상을 이용한 연구에서는 우울증에서 해마의 구조적 이상을 분석하여 우울증 환자를 65%의 민감도와 70%의 특이도로 진단하였다(Costafreda et al., 2009). 이 연구에서는 우울증 환자 37명과 정상대조군 37명이 참여하였는데, 앞으로 우울증의 정도가 더 심한 환자를 더 많이 모집하여 분석한다면 진단 정확도가 더 향상될 것으로 기대된다(Mwangi et al., 2012).
DTI를 이용한 백질 연결성 분석 연구들에서도 각각 96%, 92%의 정확도로 우울증을 진단하여 임상에서의 활용 가능성을 보여주었다(Fang et al., 2012;
Korgaonkar et al., 2012).
2) 조현병
조현병(정신분열증)은 망상, 환청, 와해된 언어, 정서적 둔감 등의 증상과 더불어 사회적 기능에 장애를 일으킬 수도 있는 질환으로, 예후가 좋지 않고 만성적인 경과를 보여 환자나 가족들에게 상당한 고통을 주지만, 최근 약물 요법을 포함한 치료적 접근에 뚜렷한 진보가 있어 조기 진단과 치료에 적극적인 관심이 필요한 질환이다.
조현병에 대한 국소적 용적 분석 연구에서는 뇌실 확장, 내측두엽(medial temporal lobe) 및 상측두이랑(superior temporal lobe)에서의 회백질 용적 감소 등이 보고되었다(Flaum et al., 1995, Staal et al., 2000). 특히 해마의 구조적, 기능적 이상 패턴을 조합하여 분석한 연구에서 87%의 정확도로 조현병을 진단하였다(Ford et al., 2002). 그러나 이 연구는 이미 경과가 진행된 환자를 진단하는 데에 초점을 두었다는 한계가 있고, 초기 단계에서 조현병을 진단하는 것은 여전히 과제로 남아있다(Phillips et al., 2002). 최근 발표된 구조적 MRI 뇌영상을 이용한 연구에서는 85% 이상의 정확도로 조현병 발병 고위험군을 진단하여 조현병 조기 진단을 위한 바이오마커 개발의 새로운 가능성을 보여주었다(Koutsouleris et al., 2009).
국소적 용적 분석 방법은 미세한 변화를 감지하기에 공간 해상도가 떨어지며, 개인의 해부학적 구조의 차이를 고려하기 힘든 한계가 있다. 이에 따라 최근에는 이러한 한계를 극복한 피질 두께 또는 피질 이랑 형성(gyrification)의 정도와 같은 피질 형태에 대한 연구도 활발하다. 조현병 환자에서도 여러 부위에서 피질 두께 감소가 관찰되었으며(Narr et al., 2005, Nesvag et al., 2008), 해마옆이랑(parahippocampal gyrus) 및 혀이랑(lingual gyrus)의 이랑 형성
정도가 증가된 것이 보고되었다(Schultz et al., 2010). 그 밖에도 피질하구조물에 대한 형태분석(shape analysis)도 시도되고 있으며, 조현병에서 시상(Qiu et al., 2009)과 해마(Qiu et al., 2010)의 형태 이상이 발견되었다.
3) 양극성장애 및 기타 정신질환
최근 양극성장애 발생 위험군을 대상으로 한 연구에서는 fMRI 뇌영상을 이용하여 양극성장애 부모를 둔 건강한 청소년과 정상 부모를 둔 건강한 청소년을 75%의 민감도와 75%의 특이도로 구분하여 진단한 바 있다(Mourao-Miranda et al., 2012). 그 밖에 최근 여러 연구들을 통해 강박장애(Soriano-Mas et al., 2007), 자폐스펙트럼장애(Ecker et al., 2010), 물질남용(Zhang et al., 2005) 등의 질환에서도 뇌영상를 기반한 진단 및 예후 예측이 활용될 수 있음이 보고되었다.
바. 뇌종양
뇌종양에서는 악성도 평가 및 예후 예측, 치료 효과 판정, 재발의 판정, 전이암의 평가 등에 뇌영상이 이용되고 있다. 뇌종양의 경우는 구조적 이상이 대부분 동반되기 때문에 MRI가 매우 유용하게 사용되고 있는데, 정확한 위치는 물론 관류(perfusion) MRI로 종양으로 가는 혈류의 정도를 예측할 수 있다. 또한 DTI를 이용하여 운동신경을 비롯한 주요 신경회로도 영상화하고 있다.
FDG-PET 등의 기능적 뇌영상의 유용성은 상대적으로 낮지만, 재발성 뇌종양을 찾는 데에는 유용하게 사용되고 있다. MRI만으로는 악성도나 재발 판정 등에서 정확한 판단이 어려운 경우가 많다. PET는 종양세포의 대사 정도를 영상화하여 종양의 악성도를 예측할 수 있게 한다. 또한 종양세포가 재발한 것인지, 재발종양과 이전의 치료 후 형성된 괴사 조직을 구별하는 것도 가능하다.
최근에는 MRS에서 콜린(choline)의 신호를 분석하여 뇌종양을 찾거나, 아미노산영상으로 메티오닌(methionine), 티로신(tyrosine)이 이용되거나, 핵산의 대사를 영상화하는 티미딘(thymidine) 등이 연구되고 있다.
4. 시사점
아직까지 뇌의 작동원리는 밝혀진 것보다 밝혀야 할 영역이 무궁무진하기 때문에 이 같은 '뇌지도' 연구를 통해 치매나 파킨슨병, 자폐, 정신분열 같은 뇌질환이 왜 생기고 어떻게 치료해야 할 지 길을 열어줄 것으로 전문가들은 기대를 모으고 있다. 이 때문에 각국 정부도 미지의 프런티어 개척에 경쟁적으로 나서고 있다.
최근 뇌영상 기술은 장비와 분석 방법론 측면 모두 빠르게 발전하고 있고, 뇌질환 진단에 있어서 중요성이 더욱 커지고 있다. 비록 현재는 뇌영상에 기반한 뇌질환 진단이 주로 전문가의 판독에 의존하고 있으나, 향후 패턴 인식 등의 기술을 통하여 자동화되고 정량화된 진단이 가능해질 것으로 전망된다. 이를 위해서는 대규모의 참여자를 대상으로 한 다기관 연구를 통해 진단의 정확성을 검증하는 연구가 필요할 것이다. 또한 특정 질환에 특이적으로 영향 받는 뇌 영역과 그에 적절한 영상 방법론을 선택하여 진단의 효율을 높이는 것이 중요하다. 이에 더하여 뇌영상 데이터를 임상 데이터 및 유전자 정보와 조합하여 분석함으로써 예측의 정확성을 높이는 방향으로 발전하게 될 것이다.
참고문헌
1. Biomarkers Definitions Working G (2001) Clin Pharmacol Ther 69:89-95.
2. Kraemer HC et al. (2012) Am J Psychiatry 169:13-15.
3. Smith CD et al. (2012) J Alzheimers Dis 31 Suppl 3:S49-58.
4. Gold BT et al. (2012) Biochim Biophys Acta 1822:416-422.
5. Teipel SJ et al. (2012) J Alzheimers Dis 31 Suppl 3:S33-47.
6. Mandal PK et al. (2012) J Alzheimers Dis 31 Suppl 3:S75-86.
7. Burton EJ et al. (2009) Brain 132:195-203.
8. Vemuri P et al (2011) Neuroimage 55:522-531.
9. Mosconi L et al. (2010) J Alzheimers Dis 20:843-854.
10. Ford J et al. (2003) Paper presented at the Medical Image Computing and Computer-Assisted Intervention-MICCAI
11. Kontos D et al. (2004) Paper presented at the Medical Image Computing and Computer-Assisted Intervention-MICCAI
12. Fung G and Stoeckel J. (2007) Knowl Inf Syst, 11(2), 243-258.
13. Stoeckel J et al. (2004) Paper presented at the Medical Image Computing and Computer-Assisted Intervention-MICCAI
14. Tai YF et al. (2007) Brain Res Bull 72:148-151.
15. Cagnin A et al. (2001) Brain 124:2014-2027.
16. Grover VPB et al. (2008) Hepatology (Submitted).
17. Long D et al. (2012) PLoS One 7(11), e47714.
18. Cherubini, A et al. (2014) Mov Disord 29(2), 266-269.
19. Song IU et al. (2014) Dement Geriatr Cogn Disord 37:276-285.
20. Kim S and Mountz JM (2011) Int J Mol Imaging 2011:813028.
21. Fitzgerald PB et al. (2008) Hum Brain Mapp 29(6), 683-695.
22. Koolschijn PC et al. (2009) Hum Brain Mapp 30(11), 3719-3735.
23. Fu CH et al. (2008) Biol Psychiatry 63(7), 656-662.
24. Marquand AF et al. (2008) Neuroreport 19(15), 1507-1511.
25. Hahn T et al. (2011) Arch Gen Psychiatry 68(4), 361-368.
26. Zeng LL et al. (2012) Brain 135(Pt 5), 1498-1507.
27. Zeng LL et al. (2014) Hum Brain Mapp 35(4), 1630-1641.
28. Costafreda SG et al. (2009) PLoS One 4(7), e6353.
29. Mwangi B et al. (2012) J Magn Reson Imaging 35(1), 64-71.
30. Fang P et al. (2012) PLoS One, 7(9), e45972.
31. Korgaonkar MS et al. (2012) Neuroreport 23(9), 566-571.
32. Ford J et al. (2002) Paper presented at the Second Joint EMBS-BMES Conference 2002 33. Phillips LJ et al. (2002) Am J Med Genet 114(8), 929-937.
34. Koutsouleris N et al. (2009) Arch Gen Psychiatry 66(7), 700-712.
35. Flaum M et al. (1995) Am J Psychiatry 152:704-714.
36. Staal WG et al. (2000) Am J Psychiatry 157:416-421.
37. McKinnon MC et al. (2009) J Psychiatry Neurosci 34:41-54.
38. Narr KL et al. (2005) Biol Psychiatry 58:32-40.
39. Nesvag R et al. (2008) Schizophr Res 98:16-28.
40. Schultz CC et al. (2010) Schizophr Res 123:137-144.
41. Qiu A et al. (2009) Neuroimage 47:1163-1171.
42. Qiu A et al. (2010) Neuroimage 52:1181-1189.
43. Mourao-Miranda J et al. (2012) PLoS One 7(2), e29482.
44. Soriano-Mas C et al. (2007) Neuroimage 35(3), 1028-1037.
45. Ecker C et al. (2010) J Neurosci 30(32), 10612-10623.
46. Zhang L et al. (2005) Paper presented at the IEEE Computer Society Conference on Computer Vision and Pattern Recognition
47. Kanaan RA et al. (2005) Biol Psychiatry 58:921-929.
발 행 처 :
대전 유성구 과학로 125 연 락 처 : 042-879-8376
홈페이지 : http://www.bioin.or.kr
* 본지의 내용을 인용할 때에는 반드시 출처를 명시하여 주시기 바랍니다.
