뇌 네트워크 배경 활동의 기능적 모듈성: 정상과 간질 비교

초록

MEG 신호를 이용해 정상인과 무발작 상태의 간질 환자들의 뇌 기능적 연결망을 구축하였다. 5‑14 Hz 알파 대역에서 정상 뇌는 희소한 연결을 보이는 반면, 환자 뇌는 풍부한 연결과 뚜렷한 모듈 구조를 나타냈다. 모듈성 차이는 정상·병리 뇌 활동의 기능적 조직 원리를 설명한다.

상세 분석

본 연구는 정상 피험자 5명과 무발작 상태의 전신 부재 발작 환자 5명의 정적 MEG 데이터를 이용해 가중 뇌 네트워크를 구축하였다. 신호는 1.25 kHz로 샘플링되고 0‑200 Hz 대역으로 필터링했으며, 5 초 길이의 338개 비중첩 구간을 추출하였다. 각 센서 쌍 사이의 선형 상관성을 측정하기 위해 Welch 방법으로 파워 스펙트럼과 교차 스펙트럼을 추정하고, 그로부터 코히런스의 제곱 절댓값 |Γij(f)|²를 계산하였다. 4 cm 이내의 근접 센서는 인접 전자기 간섭을 피하기 위해 제외했으며, Fisher Z 변환을 적용해 정규성을 확보하였다. 다중 비교 문제는 False Discovery Rate (q ≤ 0.01)로 보정하여 유의한 코히런스 임계값 Γth를 설정하고, 이를 초과하는 연결만을 가중치 wij = Γij로 채택해 무방향 가중 그래프를 구성하였다.

네트워크 특성 분석에서는 노드 강도(si), 가중 클러스터링 계수(ci), 효율성(Ei) 등을 계산하고, 전체 평균값 S, Cw, 전역 효율성 E를 구했다. 무작위 재배열 그래프(같은 차수 분포 유지)와 비교해 두 집단 모두 Cw가 무작위보다 크게 나타나 작은 세계(small‑world) 특성을 보였으며, 환자군은 S와 Cw가 정상군보다 유의하게 높았다(p < 10⁻³). 이는 환자 뇌가 더 촘촘한 연결망을 형성한다는 것을 의미한다.

모듈성 검출은 확산 거리 기반 스펙트럴 임베딩을 사용하였다. 마코프 전이 행렬 P를 정의하고, 고유값·고유벡터를 이용해 저차원(Rβ) 공간에 임베딩한 뒤, k‑means 클러스터링을 여러 초기값과 모듈 수(Nm = 2‥15)에서 반복 실행했다. 각 파티션에 대해 Newman‑형 모듈성 Q를 계산하고, Q가 최대가 되는 파티션을 최적 모듈 구조로 채택하였다. 결과적으로 정상군은 평균 13.7개의 모듈을, 환자군은 8.3개의 모듈을 보였으며, 환자군의 모듈은 보다 큰 규모와 더 높은 내부 연결 강도를 특징으로 했다. 파티션 안정성은 Adjusted Rand Index(J)로 평가했으며, 환자군(J = 0.733)에서 높은 일관성을, 정상군(J = 0.479)에서는 다소 변동성을 보였다.

노드 수준에서는 within‑module degree z‑score와 participation coefficient(pc)를 계산하였다. z‑score는 모듈 내부 연결 강도를, pc는 다른 모듈과의 연결 분산도를 나타낸다. 정상군은 높은 z‑score와 낮은 pc를 보여 모듈 내부에 집중된 연결을 가지고, 환자군은 특히 오른쪽 중심-두정 영역에서 pc가 크게 증가해 여러 모듈에 걸친 연결성을 보였다. 이러한 차이는 무발작 상태에서도 환자 뇌가 전반적으로 더 통합된 네트워크 토폴로지를 유지함을 시사한다.

전체적으로, 5‑14 Hz 알파 대역에서 정상과 간질 환자의 기능적 연결망은 구조적·통계적으로 유의한 차이를 보이며, 특히 모듈성 및 노드 간 연결 패턴에서 뚜렷한 구분이 나타난다. 이는 뇌의 정상·병리 상태를 구분하는 새로운 기능적 지표로서 모듈성 분석이 유용함을 뒷받침한다.