기계학습 기반 파킨슨 병 환자의 인지 기능 저하 분류 방법 = Machine learning-based classification method for cognitive impairment in patients with Parkinson’s disease

국문 초록 (Abstract)

인지 기능 저하는 파킨슨 병 환자에게 나타날 수 있는 증상 중 하나로, 파킨슨 병을 진단 받은 환자의 25% 이상이 경도 인지 장애 (Mild Cognitive Impairment)를 보이며, 이 중 일부는 3년 이내에 치매 (Dementia) 진단을 받는 것으로 알려져 있다.
임상에서는 주로 The Korean version of Montreal Cognitive Assessment(K-MoCA) 또는 The Korean Mini-Mental State Examination(K-MMSE) 검사를 활용하여 인지 기능 저하를 평가하게 된다. 본 연구에서는 K-MoCA, K-MMSE 검사의 영역별 인지 기능 점수를 활용하여 기계 학습 모델을 생성하고, 해당 모델을 활용한 분류 결과를 보인다. 또한, 로지스틱 회귀 모델을 사용하여 파킨슨 병 환자의 연령 및 교육에 대해 세분화한 K-MoCA 검사 총점 기반의 신규 규준을 제안한다. 본 연구에서 생성한 기계 학습 모델과, 신규 규준, 그리고 기존에 활용되던 절단 점 기반 규준 방식에 대해 성능을 비교하였다. 기계 학습을 활용한 분류 모델을 사용한 경우와 본 연구에서 제시한 규준을 사용한 경우 모두 0.8022의 정확도로 가장 높은 분류 정확도를 보였다. 이러한 결과를 통해 본 연구에서는 기계 학습을 이용한 분류 방법과 로지스틱 회귀 모델을 통해 생성한 K-MoCA 총점 기반 규준이 파킨슨 병 환자의 인지 기능 저하 분류에 있어 유효한 방법임을 보인다.

다국어 초록 (Multilingual Abstract)

Cognitive impairment is common in Parkinson’s disease (PD). More than 25% of cases of newly diagnosed PD with mild cognitive impairment (PD-MCI) progress to PD dementia (PDD) within 3 years. The Korean version of Montreal Cognitive Assessment (K-MoCA) and the Korean Mini Mental State Examination (K-MMSE) are two widely used cognitive screening tools. This study investigated the utility of machine learning algorithms using K-MoCA/K-MMSE cognitive domain scores for improving diagnostic performance for PD-CI. We also developed the age- and education-adjusted MoCA cutoffs for cognitive impairment in PD patients via logistic regression. We compared performances of various cutoffs and machine learning method of SVM. Both age and education adjusted cutoff method and machine learning exhibited high efficacy in discerning cognitive impairment in PD. In conclusion, our study demonstrates that the tailored cutoffs and machine learning methods are the valid methods for screening cognitive impairment in PD.

목차 (Table of Contents)

• I. 서 론 1
• II. 관련 연구 4
• 1. 머신 러닝(Machine Learning) 4
• A. 로지스틱 회귀(Logistic Regression) 4
• B. 랜덤 포레스트(Random Forest) 5
• C. SVM (Support Vector Machine) 7
• 2. 인지기능 선별검사 9
• A. 파킨슨병 환자에 대한 인지 기능 단계 분류 9
• B. K-MoCA (Korean-Montreal Cognitive Assesment) 9
• C. K-MMSE (Korean version of Mini-Mental State Examination) 11
• 3. PPMI 데이터를 활용한 기계학습 기반 파킨슨 병 인지 기능 장애 예측 14
• A. 데이터 수집 및 전처리 14
• B. 실험 방법 및 성능 평가 17
• III. 본론 21
• 1. 데이터 수집 21
• 2. 국내 수집 데이터를 활용한 기계학습 기반 인지 기능 장애 분류 24
• A. 실험 방법 24
• B. 성능 평가 25
• 3. Logistic Regression을 활용한 K-MoCA 규준 개발 27
• A. 실험 방법 27
• B. 성능 평가 30
• 4. 인지 기능 저하 분류 홈페이지 32
• IV. 결론 38
• 참 고 문 헌 40
• Abstract 43