당신의 두뇌 나이는 몇 살입니까? EEG 알고리즘이 문제의 간극을 스캔합니다.
하이디 두란
업데이트됨
2024. 4. 26.
당신의 두뇌 나이는 몇 살입니까? EEG 알고리즘이 문제의 간극을 스캔합니다.
하이디 두란
업데이트됨
2024. 4. 26.
당신의 두뇌 나이는 몇 살입니까? EEG 알고리즘이 문제의 간극을 스캔합니다.
하이디 두란
업데이트됨
2024. 4. 26.
새로운 머신러닝(ML) 알고리즘은 인공지능(AI)과 Emotiv EEG를 사용하여 한 사람의 뇌 나이를 계산합니다.
한 사람의 휴식 상태 EEG 변화는 알츠하이머병과 같은 퇴행성 질환의 초기 징후를 나타낼 수 있습니다.
Frontiers in Neuroergonomics에 발표된 연구 결과는 Frontiers in Neuroergonomics, 뇌 건강 검진에 대한 선제적 접근법을 제시합니다.
연구진은 한 사람의 실제 나이와 뇌 나이의 차이를 계산하는 새로운 방법을 개발했습니다. 이 머신러닝 모델은 뇌의 휴식 상태(깨어 있지만 수행할 과제가 없는 상태)에서의 전기적 활동을 측정하기 위해 Emotiv Epoc X 헤드셋을 사용하며, 이를 건강한 성인들의 통계 데이터와 비교합니다.
Kounios et al. (2024)는 대면 및 원격 온라인 참가자들로부터 수집한 Epoc X 뇌 데이터와 추가 훈련 데이터셋을 사용하여 알고리즘을 훈련했습니다. 전체적으로 이 연구는 5개의 결합된 데이터셋을 사용했습니다.
뇌 나이가 왜 중요할까요?
인간의 뇌는 평생 동안 항상 변하며, 새로운 연결을 추가하고 오래된 연결을 복구합니다. 부상과 질병은 뇌의 발달 단계를 지연시키거나 가속화하여 "뇌 나이 차이"를 유발할 수 있습니다. 이러한 차이는 연령 관련 질환의 경고 신호가 될 수 있습니다. 안타깝게도 뇌 스캔은 종종 비용이 많이 들고 시간이 오래 걸리며, 질병 증상이 나타난 후에야 한 번 시행되는 경우가 많습니다.
저자들은 이른 중년기나 그보다 어린 연령대의 개인을 스캔하면 연령 관련 신경학적 장애를 가장 초기 단계에서 발견하고 치료할 가능성이 높아진다고 제안합니다.
"EEG 뇌 나이 추정에 대한 우리의 접근법은 여러 유망한 응용 분야를 가지고 있습니다,"라고 저자들은 말합니다. "이는 뇌 나이 차이가 기저의 연령 관련 병리 가능성을 시사하는 개인을 식별하는 비교적 저렴한 선별 도구로 사용할 수 있으며, 이후 특정 진단 검사를 통해 추가 평가할 수 있습니다. 또한 Emotiv Epoc X 헤드셋의 비교적 낮은 비용 덕분에 EEG 뇌 나이 추정은 결과를 검증하고 시간이 지남에 따른 변화를 감지하기 위해 반복적으로 수행할 수 있습니다."
이 뇌 나이 데이터셋은 신경학적 노화를 늦추거나 되돌리는 잠재적 개입을 시험하는 데에도 유용할 수 있습니다. 예를 들어, 2020년 National Institute on Aging의 지원을 받은 연구는 특정 건강한 생활 습관 요인이 알츠하이머병 위험을 60% 낮출 수 있음을 발견했습니다(Dhana et al., 2020).
무선 EEG가 해결에 나서다
Kounios와 동료들은 EPOC X가 저렴하고 접근성이 뛰어나다고 평가했습니다. 그들은 이것이 사람들이 집이나 직장에서 자신의 뇌 나이를 추정할 수 있게 해준다고 말했습니다. 이는 연령 관련 인지 저하와 인지 건강을 위한 생활 방식 개입에 대한 더 많은 연구로 이어질 수 있습니다.
뇌 나이를 계산하는 방법을 배우는 것은 다른 가능성도 제공합니다. 예를 들어, 80대와 90대의 사람들 중에는 통계를 거스르는 "인지 슈퍼에이저"라고 불리는 집단이 있습니다. 인지 슈퍼에이저는 20~30세 젊은 성인과 비슷한 기억 수행 능력을 보입니다. 현재의 연구는 이 뛰어난 집단으로부터 배우고, 그 정보를 활용하여 건강한 뇌 노화를 촉진하는 데 목적이 있습니다.
신경과학자와 다른 연구자들은 식단, 환경, 생활 방식, 유전이 우리 뇌가 어떻게 나이를 먹는지에 어떤 역할을 하는지 더 잘 이해하기를 희망합니다.
저자들은 장기간에 걸쳐 뇌 나이 선별 모델의 안정성을 평가하는 것이 중요하다고 강조합니다. 이러한 결과를 더 크고 다양한 뇌 EEG 데이터 샘플로 검증하기 위한 추가 연구도 필요합니다.
참고문헌:
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 건강한 생활 방식과 알츠하이머 치매 위험. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 저가 EEG 헤드셋을 활용한 뇌 나이 추정: 대규모 선별 및 뇌 최적화에 대한 효과와 시사점. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
새로운 머신러닝(ML) 알고리즘은 인공지능(AI)과 Emotiv EEG를 사용하여 한 사람의 뇌 나이를 계산합니다.
한 사람의 휴식 상태 EEG 변화는 알츠하이머병과 같은 퇴행성 질환의 초기 징후를 나타낼 수 있습니다.
Frontiers in Neuroergonomics에 발표된 연구 결과는 Frontiers in Neuroergonomics, 뇌 건강 검진에 대한 선제적 접근법을 제시합니다.
연구진은 한 사람의 실제 나이와 뇌 나이의 차이를 계산하는 새로운 방법을 개발했습니다. 이 머신러닝 모델은 뇌의 휴식 상태(깨어 있지만 수행할 과제가 없는 상태)에서의 전기적 활동을 측정하기 위해 Emotiv Epoc X 헤드셋을 사용하며, 이를 건강한 성인들의 통계 데이터와 비교합니다.
Kounios et al. (2024)는 대면 및 원격 온라인 참가자들로부터 수집한 Epoc X 뇌 데이터와 추가 훈련 데이터셋을 사용하여 알고리즘을 훈련했습니다. 전체적으로 이 연구는 5개의 결합된 데이터셋을 사용했습니다.
뇌 나이가 왜 중요할까요?
인간의 뇌는 평생 동안 항상 변하며, 새로운 연결을 추가하고 오래된 연결을 복구합니다. 부상과 질병은 뇌의 발달 단계를 지연시키거나 가속화하여 "뇌 나이 차이"를 유발할 수 있습니다. 이러한 차이는 연령 관련 질환의 경고 신호가 될 수 있습니다. 안타깝게도 뇌 스캔은 종종 비용이 많이 들고 시간이 오래 걸리며, 질병 증상이 나타난 후에야 한 번 시행되는 경우가 많습니다.
저자들은 이른 중년기나 그보다 어린 연령대의 개인을 스캔하면 연령 관련 신경학적 장애를 가장 초기 단계에서 발견하고 치료할 가능성이 높아진다고 제안합니다.
"EEG 뇌 나이 추정에 대한 우리의 접근법은 여러 유망한 응용 분야를 가지고 있습니다,"라고 저자들은 말합니다. "이는 뇌 나이 차이가 기저의 연령 관련 병리 가능성을 시사하는 개인을 식별하는 비교적 저렴한 선별 도구로 사용할 수 있으며, 이후 특정 진단 검사를 통해 추가 평가할 수 있습니다. 또한 Emotiv Epoc X 헤드셋의 비교적 낮은 비용 덕분에 EEG 뇌 나이 추정은 결과를 검증하고 시간이 지남에 따른 변화를 감지하기 위해 반복적으로 수행할 수 있습니다."
이 뇌 나이 데이터셋은 신경학적 노화를 늦추거나 되돌리는 잠재적 개입을 시험하는 데에도 유용할 수 있습니다. 예를 들어, 2020년 National Institute on Aging의 지원을 받은 연구는 특정 건강한 생활 습관 요인이 알츠하이머병 위험을 60% 낮출 수 있음을 발견했습니다(Dhana et al., 2020).
무선 EEG가 해결에 나서다
Kounios와 동료들은 EPOC X가 저렴하고 접근성이 뛰어나다고 평가했습니다. 그들은 이것이 사람들이 집이나 직장에서 자신의 뇌 나이를 추정할 수 있게 해준다고 말했습니다. 이는 연령 관련 인지 저하와 인지 건강을 위한 생활 방식 개입에 대한 더 많은 연구로 이어질 수 있습니다.
뇌 나이를 계산하는 방법을 배우는 것은 다른 가능성도 제공합니다. 예를 들어, 80대와 90대의 사람들 중에는 통계를 거스르는 "인지 슈퍼에이저"라고 불리는 집단이 있습니다. 인지 슈퍼에이저는 20~30세 젊은 성인과 비슷한 기억 수행 능력을 보입니다. 현재의 연구는 이 뛰어난 집단으로부터 배우고, 그 정보를 활용하여 건강한 뇌 노화를 촉진하는 데 목적이 있습니다.
신경과학자와 다른 연구자들은 식단, 환경, 생활 방식, 유전이 우리 뇌가 어떻게 나이를 먹는지에 어떤 역할을 하는지 더 잘 이해하기를 희망합니다.
저자들은 장기간에 걸쳐 뇌 나이 선별 모델의 안정성을 평가하는 것이 중요하다고 강조합니다. 이러한 결과를 더 크고 다양한 뇌 EEG 데이터 샘플로 검증하기 위한 추가 연구도 필요합니다.
참고문헌:
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 건강한 생활 방식과 알츠하이머 치매 위험. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 저가 EEG 헤드셋을 활용한 뇌 나이 추정: 대규모 선별 및 뇌 최적화에 대한 효과와 시사점. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
새로운 머신러닝(ML) 알고리즘은 인공지능(AI)과 Emotiv EEG를 사용하여 한 사람의 뇌 나이를 계산합니다.
한 사람의 휴식 상태 EEG 변화는 알츠하이머병과 같은 퇴행성 질환의 초기 징후를 나타낼 수 있습니다.
Frontiers in Neuroergonomics에 발표된 연구 결과는 Frontiers in Neuroergonomics, 뇌 건강 검진에 대한 선제적 접근법을 제시합니다.
연구진은 한 사람의 실제 나이와 뇌 나이의 차이를 계산하는 새로운 방법을 개발했습니다. 이 머신러닝 모델은 뇌의 휴식 상태(깨어 있지만 수행할 과제가 없는 상태)에서의 전기적 활동을 측정하기 위해 Emotiv Epoc X 헤드셋을 사용하며, 이를 건강한 성인들의 통계 데이터와 비교합니다.
Kounios et al. (2024)는 대면 및 원격 온라인 참가자들로부터 수집한 Epoc X 뇌 데이터와 추가 훈련 데이터셋을 사용하여 알고리즘을 훈련했습니다. 전체적으로 이 연구는 5개의 결합된 데이터셋을 사용했습니다.
뇌 나이가 왜 중요할까요?
인간의 뇌는 평생 동안 항상 변하며, 새로운 연결을 추가하고 오래된 연결을 복구합니다. 부상과 질병은 뇌의 발달 단계를 지연시키거나 가속화하여 "뇌 나이 차이"를 유발할 수 있습니다. 이러한 차이는 연령 관련 질환의 경고 신호가 될 수 있습니다. 안타깝게도 뇌 스캔은 종종 비용이 많이 들고 시간이 오래 걸리며, 질병 증상이 나타난 후에야 한 번 시행되는 경우가 많습니다.
저자들은 이른 중년기나 그보다 어린 연령대의 개인을 스캔하면 연령 관련 신경학적 장애를 가장 초기 단계에서 발견하고 치료할 가능성이 높아진다고 제안합니다.
"EEG 뇌 나이 추정에 대한 우리의 접근법은 여러 유망한 응용 분야를 가지고 있습니다,"라고 저자들은 말합니다. "이는 뇌 나이 차이가 기저의 연령 관련 병리 가능성을 시사하는 개인을 식별하는 비교적 저렴한 선별 도구로 사용할 수 있으며, 이후 특정 진단 검사를 통해 추가 평가할 수 있습니다. 또한 Emotiv Epoc X 헤드셋의 비교적 낮은 비용 덕분에 EEG 뇌 나이 추정은 결과를 검증하고 시간이 지남에 따른 변화를 감지하기 위해 반복적으로 수행할 수 있습니다."
이 뇌 나이 데이터셋은 신경학적 노화를 늦추거나 되돌리는 잠재적 개입을 시험하는 데에도 유용할 수 있습니다. 예를 들어, 2020년 National Institute on Aging의 지원을 받은 연구는 특정 건강한 생활 습관 요인이 알츠하이머병 위험을 60% 낮출 수 있음을 발견했습니다(Dhana et al., 2020).
무선 EEG가 해결에 나서다
Kounios와 동료들은 EPOC X가 저렴하고 접근성이 뛰어나다고 평가했습니다. 그들은 이것이 사람들이 집이나 직장에서 자신의 뇌 나이를 추정할 수 있게 해준다고 말했습니다. 이는 연령 관련 인지 저하와 인지 건강을 위한 생활 방식 개입에 대한 더 많은 연구로 이어질 수 있습니다.
뇌 나이를 계산하는 방법을 배우는 것은 다른 가능성도 제공합니다. 예를 들어, 80대와 90대의 사람들 중에는 통계를 거스르는 "인지 슈퍼에이저"라고 불리는 집단이 있습니다. 인지 슈퍼에이저는 20~30세 젊은 성인과 비슷한 기억 수행 능력을 보입니다. 현재의 연구는 이 뛰어난 집단으로부터 배우고, 그 정보를 활용하여 건강한 뇌 노화를 촉진하는 데 목적이 있습니다.
신경과학자와 다른 연구자들은 식단, 환경, 생활 방식, 유전이 우리 뇌가 어떻게 나이를 먹는지에 어떤 역할을 하는지 더 잘 이해하기를 희망합니다.
저자들은 장기간에 걸쳐 뇌 나이 선별 모델의 안정성을 평가하는 것이 중요하다고 강조합니다. 이러한 결과를 더 크고 다양한 뇌 EEG 데이터 샘플로 검증하기 위한 추가 연구도 필요합니다.
참고문헌:
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). 건강한 생활 방식과 알츠하이머 치매 위험. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). 저가 EEG 헤드셋을 활용한 뇌 나이 추정: 대규모 선별 및 뇌 최적화에 대한 효과와 시사점. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
