신경돌기 방향분산·밀도 영상 (neurite orientation dispersion and density imaging)
쉽게 풀면
확산 MRI는 물 분자가 조직 안에서 어느 방향으로 잘 움직이는지를 측정합니다. 전통적인 지표는 방향성의 정도를 한 숫자로 요약하지만, 그 숫자가 커지거나 작아진 이유가 섬유가 촘촘해졌기 때문인지 방향이 흐트러졌기 때문인지 구분하기 어렵습니다. NODDI는 조직을 세 성분으로 나눈 모형을 세워, 신경돌기가 얼마나 밀집했는지(밀도 지표)와 방향이 얼마나 퍼져 있는지(방향 분산 지표)를 따로 추정하려는 방법입니다.
왜 중요한가
밀도와 방향 분산을 분리하면 백질 변화의 해석이 훨씬 구체적이 됩니다. 예를 들어 전통적 지표가 낮아진 결과를 두고 '섬유가 줄었다'와 '섬유 방향이 흐트러졌다'를 구분해 논의할 수 있습니다. 발달이나 스트레스 같은 환경 요인이 백질 미세구조에 남기는 흔적을 다룰 때, 이런 구분은 결론의 정밀도를 크게 높입니다.
논문에서는 이렇게 쓰입니다
어떤 지표를 어느 영역 단위에서 산출해 무엇과 연결했는지를 밝힌 표준적 방법 기술입니다.
두 지표를 분리해 보고함으로써 미세구조 변화의 성격을 좁혀 해석한 결과입니다.
조금 더 깊게 보면
NODDI는 조직 신호를 세포 내 구획, 세포 외 구획, 자유 확산 구획으로 나눈 생체물리 모형을 가정하고, 여러 확산 강도에서 얻은 신호를 이 모형에 적합해 지표를 추정합니다. 적합에는 계산 부담을 줄인 전용 도구가 흔히 쓰이며, 신뢰할 만한 추정을 위해서는 서로 다른 확산 강도(다중 셸) 자료가 필요합니다. 산출되는 대표 지표는 신경돌기 밀도 지표와 방향 분산 지표이며, 영역별 평균을 내거나 복셀 단위로 비교하는 방식으로 분석됩니다. 지표 이름에 '신경돌기'가 들어가지만 실제로 측정하는 것은 확산 신호이므로, 조직학적 실체와의 대응은 모형 가정에 의존합니다.
주의할 점
NODDI 지표는 모형 가정에 크게 의존하므로, 가정이 맞지 않는 조직(예: 부종이 있거나 여러 방향 섬유가 교차하는 영역)에서는 해석이 왜곡될 수 있습니다. 또한 '밀도'라는 이름을 조직학적 축삭 개수와 동일시하면 과잉 해석이 됩니다. 획득 프로토콜과 적합 도구가 다르면 절대값 비교가 어렵다는 점도 유의해야 합니다.