다중스케일 뇌 연결망 분석: FDR 제어와 발견력 비교

본 논문은 기능적 자기공명영상(fMRI) 기반의 연결망 분석에서 “스케일”—즉, 뇌를 몇 개의 파셀(parcel)로 나누느냐—가 통계적 검정 결과에 미치는 영향을 체계적으로 조사한다. 연구자는 먼저 그룹 수준 클러스터링 기법인 Bootstrap Analysis of Stable Clusters(BASC)를 이용해 10개부터 300개 이상까지 다양한 파셀 수를 생성하였다. 각 파셀 쌍 사이의 Pearson 상관을 Fisher 변환한 값을 연결강도로 정의하고, 이를 R×R 행렬 형태의 연결망(connectome)으로 만든 뒤, 1‑차원 벡터(L = R(R+1)/2)로 전개한다. 그 다음, 일반선형모형(GLM)을 적용해 각 연결에 대해 피험자‑수 N과 공변량‑수 C를 포함한 설계행렬 X와 연결강도 행렬 Y를 연결한다(Y = XB + E). 여기서 오차항 E는 독립·정규·등분산을 가정한다. 실제 데이터에서 정규성 및 동분산성 검정을 수행했으며, 일부 스케일에서 가벼운 위배가 있었지만 FDR‑BH 절차의 특성상 오류 제어에 큰 영향을 주지 않는 것으로 확인되었다. 통계적 검정은 두 단계로 이루어진다. 첫 번째 단계는 각 스케일별로 Benjamini‑Hochberg 절차를 적용해 false discovery rate(FDR)를 명목 수준(예: 0.05)으로 제어한다. 두 번째 단계는 “전역(omnibus) 퍼뮤테이션 검정”으로, 모든 스케일에서 관측된 유의 연결 수를 하나의 통계량으로 합산하고, 라벨을 무작위로 섞어 퍼뮤테이션 분포를 만든다. 이를 통해 전체 분석이 우연에 의한 것이 아닌지를 검정한다. 시뮬레이션 연구에서는 네 가지 실험을 수행했다. (1) 순수 랜덤 데이터에 대해 독립 검정을 수행해 FDR가 정확히 제어되는지 확인하였다. (2) 실제 fMRI 데이터에 합성 신호를 삽입해 현실적인 의존성 구조를 모사하고, 스케일별 FDR와 전역 검정의 성능을 평가하였다. (3) 전역 귀무가설이 참인 경우(즉, 신호가 전혀 없는 경우) 전역 퍼뮤테이션 검정이 기대 수준의 family‑wise error를 유지함을 보였다. (4) 다양한 효과 크기와 표본 크기, 진짜 대립가설 비율을 변형해 민감도와 특이도를 조사하였다. 결과는 전반적으로 스케일별 FDR가 명목 수준 이하로 유지되었으며, 가장 어려운 시나리오에서도 실제 FDR가 0.09 정도로 약간 완화되었지만, 전반적인 오류 위험은 크게 증가하지 않았다. 실제 데이터 적용에서는 세 가지 뇌질환·학습 상황을 선택했다. 첫 번째는 정신분열증 환자와 대조군(총 146명) 비교, 두 번째는 선천성 실명 환자와 대조군(31명), 세 번째는 운동 학습 전후의 휴식 상태 연결망 변화(54명)이다. 각 데이터셋에 대해 사전 가설(시각 네트워크, 운동 네트워크, 전반적 연결 이상)을 설정하고, 10~300 파셀 스케일에서 GLM‑CWAS를 수행했다. 주요 결과는 다음과 같다. (1) 발견율은 스케일이 작을수록(특히 25 이하) 높았다. 이는 검정 수가 적어 FDR‑BH 절차가 더 높은 검정력을 갖게 되기 때문이다. (2) 스케일이 커질수록 발견된 연결의 수는 급격히 감소했지만, 특정 영역—예를 들어 시각 피질(실명 연구)이나 운동 피질(운동 학습 연구)—에서는 중간 스케일(40~60)에서 더 뚜렷한 효과가 관찰되었다. 이는 해당 기능적 네트워크의 공간적 규모와 파셀 크기가 맞물려 신호‑대‑노이즈 비율이 최적화된 결과로 해석된다. (3) 전반적인 통계적 지도는 스케일 간 높은 일관성을 보였으며, 시각적으로도 기존 문헌에서 보고된 병변 부위와 일치하였다. (4) 전역 퍼뮤테이션 검정은 모든 스케일을 통합했을 때 유의미한 결과를 제공했으며, 이는 “다중 스케일 검정”이 통계적 오류를 누적시키지 않음을 실증한다. 논문의 결론은 다음과 같다. 다중 스케일 GLM‑CWAS는 (i) 스케일별 FDR‑BH가 독립적으로 유효함을, (ii) 전역 퍼뮤테이션 검정으로 전체 분석의 통계적 유의성을 검증할 수 있음을, (iii) 낮은 스케일이 전반적인 발견율을 높이지만, 중간 스케일이 특정 기능적 네트워크를 더 민감하게 포착할 수 있음을 보여준다. 따라서 연구자는 사전 가설 없이 전체 연결망을 탐색할 때, 여러 스케일을 동시에 고려함으로써 놓칠 수 있는 미세한 효과를 보완하고, 결과의 재현성을 높일 수 있다. 향후 연구에서는 파셀 정의 방법의 다양화, 비선형 연결 측정, 그리고 다중 모달 데이터와의 통합을 통해 다중 스케일 접근법을 더욱 확장할 여지가 있다.