라벨링 피질 거리 지도(LCDM)로 보는 뇌 구조 형태학의 정량적 분석

본 논문은 라벨링 피질 거리 지도(Labeled Cortical Distance Map, LCDM)를 이용해 뇌 조직의 형태학적 특성을 정량화하고, 이를 통계적으로 검증하는 전 과정을 상세히 기술한다. 먼저, LCDM은 MRI 영상에서 각 voxel을 GM, WM, CSF로 라벨링하고, 해당 voxel의 중심에서 GM/WM 경계까지의 최소 유클리드 거리를 계산함으로써 거리 벡터를 생성한다. 이 거리값은 양수(회백질·CSF)와 음수(백질)로 구분되며, 특히 GM 거리의 양수값은 피질 두께와 형태 변이를 직접 반영한다. 전통적인 분석에서는 각 피험자별로 부피, 중위수, 범위, 분산 등 요약 통계량을 사용했지만, 이러한 요약은 거리 분포 전체가 담고 있는 풍부한 정보를 크게 축소한다. 저자들은 동일 그룹(우울증(MDD), 고위험(HR), 정상(Control)) 내의 모든 LCDM 거리값을 하나의 대규모 샘플로 풀링(pooling)함으로써, 거리 분포 자체를 검정 대상으로 삼는 새로운 전략을 제시한다. 풀링된 데이터는 공간적 상관관계(인접 voxel 간 의존성)와 좌우 VMPFC 간 상호 의존성을 포함하지만, 5장에서 수행한 Monte‑Carlo 시뮬레이션을 통해 이러한 의존성이 검정의 Type I 오류율이나 검정력에 미치는 영향이 미미함을 입증한다. 통계적 검정은 두 축으로 구성된다. ① 정규성·등분산 가정이 충족될 경우 ANOVA와 독립표본 t‑test, 짝지어진 t‑test를 적용하고, ② 가정이 위배될 경우 Kruskal‑Wallis, Wilcoxon rank‑sum, Wilcoxon signed‑rank, Kolmogorov‑Smirnov(K‑S) 검정 등을 사용한다. 또한 Levene·Brown‑Forsythe 검정을 통해 그룹 간 분산 차이를 탐색함으로써 형태학적 변이성 자체가 병리와 연관될 가능성을 평가한다. 좌우 비대칭은 Wilcoxon signed‑rank 및 대응 t‑test로 검증하며, 좌우 거리 샘플이 짝지어지지 않으므로 일부 경우에는 비짝지어진 검정을 선택한다. 데이터는 미주리 트윈 레지스트리에서 모집된 34쌍(총 68명)의 오른손잡이 젊은 여성 쌍둥이(15–24 세)로 구성되었다. 이 중 14쌍은 정상(Control)이며, 20쌍은 한 쌍이 주요우울장애(MDD) 진단을 받고, 다른 쌍은 고위험(HR)으로 분류되었다. 고해상도 T1‑MPRAGE 영상을 1 mm³에서 0.5 mm³ 등축 voxel로 재구성하고, Bayesian EM 알고리즘으로 GM/WM/CSF를 분할하였다. 이후 각 voxel에 대해 GM/WM 경계까지의 최소 거리(D_i)를 계산하고, 이를 GM 전용 거리 집합 D_L, D_R(좌·우 VMPFC)으로 정리하였다. 분석 단계는 다음과 같다. 1) 각 피험자별 부피와 거리 요약 통계량을 산출하고, 그룹 간 차이는 Wilcoxon rank‑sum(비독립) 및 Wilcoxon signed‑rank(쌍) 검정으로 평가하였다. 2) 동일 그룹 내 개별 피험자들의 거리 분포 유사성을 kernel density plot으로 시각화하고, 이상치를 탐지하였다. 3) 그룹별 풀링된 거리 집합에 대해 K‑S 검정, Kruskal‑Wallis, ANOVA, Levene 검정을 수행하여 분포·평균·분산 차이를 검증하였다. 4) 좌우 VMPFC 간 비대칭을 Wilcoxon rank‑sum 및 t‑test로 비교하였다. 5) Monte‑Carlo 시뮬레이션을 통해 공간적 의존성 및 그룹 내 상관성이 검정 결과에 미치는 영향을 정량화하였다. 주요 결과는 다음과 같다. 전통적인 요약 통계량(부피, 중위수 등)은 MDD와 Control 사이에 유의한 차이를 거의 보이지 않았다. 반면, 풀링된 거리 분포에 대한 K‑S 검정은 MDD 그룹이 다른 두 그룹에 비해 오른쪽(두께 감소)으로 이동했으며(p < 0.01), ANOVA와 Levene 검정 역시 평균·분산 차이가 유의함을 확인했다. 좌우 비대칭 분석에서는 MDD 그룹이 좌우 VMPFC 거리 차이가 크게 증가했으며, 이는 우울증 환자에서 전전두엽 비대칭이 병리적 표지일 가능성을 시사한다. 결론적으로, LCDM 거리 풀링은 개별 요약 통계보다 훨씬 높은 민감도로 뇌 조직의 미세한 형태학적 변화를 탐지한다. 저자들은 이 방법이 VMPFC에 국한되지 않고, 다른 피질 영역이나 비뇌 장기의 형태학적 분석에도 적용 가능함을 강조한다. 또한, 거리 기반 측정이 부피·표면적 기반 지표와 상보적으로 작용해, 신경정신질환의 구조적 바이오마커 발굴에 새로운 도구가 될 수 있음을 제안한다.