• 제목/요약/키워드: Microbleeds

검색결과 22건 처리시간 0.017초

인지기능 저하평가를 위한 MR 영상 소견 조합의 진단능 (Diagnostic Performance Using a Combination of MRI Findings for Evaluating Cognitive Decline)

  • 변진영;이민경;정소령
    • 대한영상의학회지
    • /
    • 제85권1호
    • /
    • pp.184-196
    • /
    • 2024
  • 목적 인지기능 저하를 진단하기 위해서 자기공명영상을 이용한 영상 소견의 진단능을 평가하였다. 대상과 방법 총 138명의 주관적인 인기지능 저하를 호소하며, MRI 검사를 시행한 환자를 대상으로 하였다. 이 환자 그룹은 신경정신학적 평가를 통해 알츠하이머군과 비알츠하이머군으로 분류되었다. 우리는 이들의 white matter hyperintensity와 cerebral microbleed를 평가하였으며, Kruskal- Wallis test를 통해 그룹 간의 비교를, receiver operating characteristic (이하 ROC)를 통해 영상학적 소견의 진단능을 평가하였다. 결과 인지기능 정상인 경우와 경도인지장애 환자와 비교해서 알츠하이머 환자에서 엽 혹은 심부 미세출혈이 빈번하게 관찰되었으며, 심한 심부 혹은 뇌실주위, 전체 백질 신호강도 또한 인지기능 정상에 비해서 알츠하이머 환자에서 많이 관찰되었다. 알츠하이머 환자와 다른 환자 그룹(정상 혹은 경도인지장애)을 비교할 때 엽미세출혈과 뇌실주위 뇌백질 신호강도 증가가 같이 존재하는 경우 가장 높은 진단능을 보였다(area under the ROC curve = 0.702[95% 신뢰구간: 0.599-0.806], p < 0.001). 결론 자기공명영상에서 확인한 영상 소견을 바탕으로 인지기능 저하의 진단능을 평가하였다. 인지기능 저하의 진단에 있어서 엽미세출혈과 뇌실주위 뇌백질 신호강도 증가가 같이 존재하는 경우에 높은 진단능을 보였으며, 이러한 소견을 바탕으로 인지기능 저하를 진단하는 데 있어 영상 소견이 도움을 줄 수 있을 것이라는 가능성을 보여주었다.

뇌 MRI와 인지기능평가를 이용한 아밀로이드 베타 양성 예측 연구 (Prediction of Amyloid β-Positivity with both MRI Parameters and Cognitive Function Using Machine Learning)

  • 박혜진;이지영;양진주;김희진;김영서;김지영;최윤영
    • 대한영상의학회지
    • /
    • 제84권3호
    • /
    • pp.638-652
    • /
    • 2023
  • 목적 경도인지장애와 알츠하이머 치매 환자에서 아밀로이드베타 양성을 예측할 수 있는 MRI 특징을 알아보고 머신러닝으로 아밀로이드베타 양성 예측 모형의 성능을 알아보고자 하였다. 대상과 방법 후향적 및 단면조사연구로 경도인지장애와 알츠하이머 치매 총 139명의 환자를 대상으로 하였다. 이들은 모두 뇌 MRI와 아밀로이드 PET-CT를 시행하였다. 대상자는 아밀로이드 베타 양성군(n = 84)과 아밀로이드 베타 음성군(n = 55)으로 분류하였다. 시각적 분석으로는 뇌백질 고신호 병변의 Fazekas 척도와 뇌미세출혈 개수를 시행하였다. 정량분석으로 뇌백질 고신호 병변의 부피와 국소뇌부피를 측정하였다. 다중 로지스틱 회귀분석과 머신러닝 기법으로 아밀로이드베타 양성을 가장 잘 예측할 수 있는 MRI 특징을 확인하였다. 결과 시각적분석에서 아밀로이드베타 양성군은 뇌백질 고신호 병변의 Fazekas 척도(p = 0.02)와 뇌미세출혈 개수(p = 0.04)가 유의미하게 높았다. 해마, 내후각피질, 설전부의 국소뇌부피들은 아밀로이드베타 양성군에서 유의미하게 작았다(p < 0.05). 제3뇌실(p = 0.002)의 부피는 아밀로이드베타 양성군에서 유의미하게 컸다. 간이 정신 상태 검사와 국소뇌부피를 이용하여 머신러닝기법을 이용했을 때 좋은 정확도를 보였다(81.1%). 결론 간이 정신 상태 검사, 제3뇌실과 해마 부피를 이용한 머신러닝의 적용은 아밀로이드베타 양성을 예측하는데 활용될 수 있다.