연구진은 뇌 나이 추정 알고리즘을 개발하기 위해 노인 뇌 기증자의 해마 단면이 포함된 약 700개의 디지털화된 슬라이드 이미지 모음을 조사했다. 해마는 뇌의 노화와 연령에 따른 신경 퇴행성 질환에 모두 관여하는 것으로 알려져 있다.

그런 다음 연구진은 기계 학습 모델을 훈련시켜 디지털화된 부분만을 기반으로 사람의 사망 연령을 추정하도록 했다. 그리고 모델에서 예측한 나이와 실제 나이의 차이를 사용해 뇌의 노화 가속 정도를 도출했다.

연구결과 기존의 노화 가속도 측정법과 비교했을 때, 히스토에이지는 인지 장애, 뇌혈관 질환, 알츠하이머 유형의 비정상적인 퇴행성 단백질 응집 수준과 더 강력한 연관성을 보였다. 연구진은 "인간의 노화와 신경 퇴화를 평가하는 완전히 새로운 패러다임을 제시하는 히스토에이지는 임상 및 중개 연구 실험실에서 대규모로 쉽게 배포할 수 있다"며 "이 접근법은 퇴행성 질환의 기저에 있는 세포 변화에 대한 강력한 지표를 제공한다"고 말했다.

마운트 시나이 병원의 크래리 박사는 "히스토에이지 모델을 통해 알츠하이머병과 같은 쇠약성 뇌 질환의 중요한 인과적 측면을 밝혀낼 수 있을 것"이라며 "이 접근 방식을 통해 뇌 노화를 방지하는 유전자나 뇌의 노화를 악화시키는 유전자를 발견할 수 있을 뿐만 아니라 개인의 뇌를 더 빨리 노화시키는 환경적 위험 요인을 발견할 수 있다"고 말했다.

박주현 기자 (sabina@kormedi.com)