최근 뇌파 분석을 이용한 다양한 기술들이 연구되고 발전하면서, 많은 뇌-컴퓨터 상호작용 기술들이 소개되고 있다. 본 연구원도 이전의 칼럼과 기사들을 통해 다양한 응용 사례들을 소개해 왔다 (BCI 뇌공학 기술의 정의와 한계, 가상현실과 결합한 환자 치료 응용 기술, 뇌 공학을 이용한 아바타 경주 등). 오늘은 이에 이어서 인공지능 (AI – Artificial Intelligence) 기술과 뇌영상 분석을 이용한 연구사례를 소개하고자 한다.

미국 퍼듀대학교 컴퓨터공학과와 뉴로사이언스 연구소 연구진들은 작년 10월 대뇌피질 학술지<Cerebral Cortex>에 아주 흥미로운 연구결과를 보여주는 논문을 발표했다. fMRI로 스캔한 뇌 영상 정보들을 AI 딥러닝 기술을 이용한 분석기법을 적용하여, 사람들이 어떤 영상을 보고 있는지 예측하는 뇌 분석 기술을 보여주었다.

시각 정보가 들어오게 되면, 뇌는 후두부 시각피질과 연결된 복측경로 (Ventral-stream)와 배측경로 (Dorsal stream)를 통해 신경정보를 처리한다. 피험자들에게 여러 장의 다른 사진들을 보여 줬을 때, 해당 뇌 부위는 다른 형태의 뇌파를 보여주게 된다. 하지만, 이는 인력으로 판단할 수 없는 아주 미묘한 차이기 때문에, 컴퓨터의 AI 기술을 이용하여 그 차이를 밝혀내는 연구가 과거부터 진행되어 왔다. 이번 연구에서 연구진은 사진 구분에서 더 나아가 일반 영상을 시청할 때 이미지들을 구분할 수 있는가를 실험했다.

연구진은 콘볼루션 신경망 (convolutional neural networks)이라는 기술을 뇌영상 분석에 적용했다. 이는 데이터 학습에 적합한 구조를 가지고 있는 딥러닝 기술로, 컴퓨터나 스마트 폰에서 사물 혹은 얼굴 인식을 위해 자주 사용된다. 세 명의 피험자에게 각각 사람, 동물, 자연경관 등의 11.5시간 분량 972개 비디오 클립을 보여주었고, 이를 보는 동안의 fMRI 뇌영상을 분석했다. <그림1>에서 보이는 것과 같이, 피험자가 비디오 클립 영상 (a)를 보면, 영상에 따라 (c)와 같이 fMRI 뇌 영상 패턴이 각각 다르게 유발된다. 이를 AI 딥러닝 기술 (d)를 이용해 정보 처리하여 최종적으로 어떤 영상을 보고 있는지 컴퓨터는 판단하게 된다.



해당 시스템은 fMRI 영상 데이터를 특정 카테고리 (예, 동물, 사람, 자연경관 등)로 그림2와 같이 구분 지었다. (a)의 형태로 뇌 영상 데이터를 특징 추출하여 최종 (b)와 같이 구분 지어 결과를 보여주었다. 최종적으로 약 46%의 정확도를 보여주었는데, 이는 확률적 임의값 6.9% 보다 확연하게 좋은 결과이다.

물론 아직까지 우리가 공상과학 영화에서 보던 마인드 리딩 기술이라 지칭하기엔 다소 무리가 있다. 이전의 칼럼에서 뇌공학 기술의 한계에 대해 얘기했듯이, 이번 연구 사례도 현재까지 많은 제약이 따른다. fMRI라는 거대한 장치에서 장시간에 걸친 트레이닝을 토대로 극히 일부분의 특정 정보만 얻을 수 있을 뿐이다. 하지만 이러한 연구 결과들이 계속해서 쌓이고 발전하면서, 뇌과학 연구자들의 궁극적 목표인 우리의 뇌가 어떠한 자극에 어떤 부위에서 어떤 과정을 거치는지 완벽히 이해하게 만들어 줄 것이다. 그렇게 된다면, 멀지 않은 미래에는 많은 의료분야, 공학 분야에서 뇌과학을 이용하는 시대가 도래할 것이다.

글. 한국뇌과학연구원 송영제 선임연구원 yjsong.bci@gmail.com

<참조>
1. Wen, Haiguang, et al. "Neural encoding and decoding with deep learning for dynamic natural vision." Cerebral Cortex(2017): 1-25.

2. Purdue University. "'Mind-reading' brain-decoding tech." ScienceDaily. ScienceDaily, 23 October 2017. <www.sciencedaily.com/releases/2017/10/171023132019.htm>.