뇌파 패턴으로 폭력 범죄 기록이 있는 정신의료 서비스 이용 성인과 비임상 대조군을 구분할 수 있을까, 그리고 그 구분은 얼마나 믿을 만할까?

상세 설명

이 후향적 연구는 리듬별 뇌파(EEG) 특징으로 두 집단을 구분할 수 있는지, 그리고 그 특징을 명시적인 리듬과 센서로 추적할 수 있는지 살펴봤습니다. 두 집단은 폭력 범죄 기록이 있는 정신의료 서비스 이용 성인과 비임상 대조군이었으며, 범죄자와 비범죄자를 비교한 설계는 아니었습니다.

연구진은 성인 95명에서 얻은 서로 겹치지 않는 15초 길이의 뇌파 구간 2554개를 분석했습니다. 대조군은 51명, 범죄 기록이 있는 참여자는 44명이었습니다. RhythmFluxPat은 순위 전이 특징 9216개를 생성했습니다. CWImRMR은 전체 코호트의 집단 라벨을 사용해 특징 352개를 선택했으며, 분류기 선택은 참여자 한 명씩을 평가용으로 제외하는 leave-one-subject-out(LOSO) 교차검증의 95개 폴드 안에서 중첩해 수행했습니다.

분류기 선택을 중첩한 tkNN은 뇌파 구간 2554개 중 2392개(93.66%)와 참여자 95명 중 93명(97.89%)을 정확히 분류했습니다. 독립적인 점검에서도 두 혼동행렬이 모두 재현됐습니다. 중첩된 서포트 벡터 머신(SVM)도 뇌파 구간의 94.71%, 참여자 95명 중 93명으로 비슷한 값을 보였습니다. 네 가지 특징 선택기를 비교한 평가에서는 CWImRMR 분기가 93.85%로 가장 높은 성능을 유지했고, 특징 44개로 구성된 부분집합은 91.11%에 도달했습니다.

DRLobish는 선택된 특징을 범죄 기록 집단으로 할당된 패널에서는 델타 및 베타→감마 경로와, 대조군으로 할당된 패널에서는 세타 및 알파→세타 경로와 연결했습니다. 연구진은 RhythmFluxPat이 추적 가능한 순위 유지 및 순위 교환 좌표를 제공한다고 결론 내렸습니다.

보고된 정확도는 낙관적인 내부 추정치입니다. 일반화 가능성이나 바이오마커 타당성을 주장하려면, 특성을 맞춘 정신의료 대조군을 포함하고 전체 분석 절차를 완전히 중첩한 반복 검증이 필요합니다.