연세소식

[사진. (왼쪽부터) 수학계산학부(계산과학공학) 피정훈, 강다정 석사과정생, 소프트웨어학부 신민우 교수, 수학계산학부(계산과학공학) 윤경호 교수]

 

이과대학 수학계산학부 윤경호 교수팀은 개인의 뇌 구조를 보여주는 MRI와 뇌파(이하 EEG)를 결합해 뇌 신경활동이 발생한 위치를 실시간으로 추정하는 AI(인공지능) 기술을 개발했다. 이번 연구는 사람마다 다른 뇌의 해부학적 구조를 AI에 직접 반영함으로써 기존 EEG 기반 뇌 신경활동 위치 추정의 정확도와 새로운 환자에 대한 일반화 성능을 동시에 향상시킨 기술이다.

 

EEG는 두피에 전극을 부착해 뇌의 전기적 활동을 밀리초(Millisecond) 단위로 측정하는 기술로, 뇌 질환 진단과 뇌 기능 분석 등에 활용되고 있다. 그러나 두피에서 측정한 EEG 신호만으로 뇌 내부에서 신경 활동이 실제로 발생한 위치를 정확하게 찾기는 어렵다. 특히 사람마다 뇌의 크기와 형태가 달라, 한 사람의 데이터를 바탕으로 학습한 모델을 다른 사람에게 적용하면 정확도가 떨어질 수 있다.

 

이를 해결하기 위해 윤 교수팀은 개인별 MRI에서 얻은 뇌 구조 정보와 EEG의 시간적·주파수적 정보를 함께 학습하는 멀티모달 딥러닝(Multimodal Deep Learning) 모델을 개발했다. 연구팀은 개인별 뇌 구조를 반영한 시뮬레이션으로 다양한 뇌 신경 활동과 EEG 신호를 만들어 AI를 학습시켰다. 이를 통해 새로운 환자의 MRI와 EEG를 입력하면 별도의 재학습 없이 뇌 신경 활동이 발생한 위치를 3차원으로 추정할 수 있도록 했다.

[그림. MRI와 EEG를 결합한 AI의 뇌 신경활동 위치 추정 결과. 제안된 AI가 기존 방법보다 실제 신경활동 위치를 정확하게 찾아내는 모습을 보여준다.]

 

실험 결과, 제안한 모델은 시뮬레이션에서 뇌 신경 활동이 발생한 위치를 높은 정확도로 추정했으며, 실시간으로 처리할 수 있는 수준의 속도를 보였다. 특히 학습에 사용하지 않은 새로운 사람의 MRI에도 안정적으로 적용됐으며, 실제 뇌 내 전기자극 데이터를 이용한 검증에서도 EEG만 사용한 경우보다 뇌 신경 활동의 위치를 더 정확하게 추정하는 것으로 나타났다.

 

이번 연구는 EEG 신호뿐 아니라 사람마다 다른 뇌 구조를 AI 학습에 함께 활용했다는 점에 의미가 있다. 또한 시뮬레이션을 통해 뇌 신경 활동의 위치를 알고 있는 대규모 EEG 데이터를 생성해 AI 학습에 활용했다. 여기에 컨포멀 예측(Conformal Prediction)을 적용해 AI가 추정한 위치뿐 아니라 예측 결과가 어느 정도 불확실한지도 함께 제시할 수 있도록 했다.

 

윤경호 교수는 “이번 연구를 다양한 사람의 뇌 구조와 신경 활동을 학습할 수 있는 EEG 파운데이션 모델(EEG Foundation Model)로 발전시키고, 향후에는 EEG와 MRI 등 다양한 생체 데이터를 통합해 개인의 뇌 구조와 기능을 가상공간에 구현하는 뇌 디지털 트윈(Brain Digital Twin)으로 확장하고자 한다”며 “이를 바탕으로 뇌전증 등 신경계 질환의 진단과 모니터링, 개인별 뇌 기능 분석과 정밀 치료를 지원하는 계산의학 기술로 발전시키는 것이 목표”라고 밝혔다.

 

이번 연구에는 수학계산학부(계산과학공학) 피정훈, 강다정 석사과정생, 신민우 교수가 함께했다. 연구 결과는 국제 학술지 ‘Computer Methods and Programs in Biomedicine’에 게재됐다.