뇌과학의 놀라운 발전, fMRI 기반 머신러닝으로 생각에 담긴 감정 예측

기능적 자기공명영상(fMRI)과 머신러닝 기술을 활용하여 인간의 생각 속에 담긴 감정을 예측하는 놀라운 연구가 발표되었습니다. 이 연구는 인간의 정신 건강과 뇌과학 연구에 새로운 지평을 열 것으로 기대됩니다.

목차

▲ 왼쪽부터 김홍지 IBS 뇌과학 이미징 연구단 연구원(제1저자), 우충완 IBS 뇌과학 이미징 연구단 부연구단장(교신저자)

머신러닝, 생각 속 감정까지 읽어낸다!

인공지능 기술의 발전은 인간의 삶에 놀라운 변화를 가져오고 있습니다. 이제 머신러닝은 우리의 얼굴 인식, 목소리 인식, 심지어 행동 패턴까지 분석할 수 있게 되었죠. 하지만 머신러닝이 생각 속 감정까지 읽어낼 수 있다는 사실에 놀랐나요?

최근 기초과학연구원(IBS) 뇌과학 이미징 연구단의 우충완 부연구단장(성균관대 글로벌바이오메디컬공학과 교수) 연구팀은 기능적 자기공명영상(fMRI)과 머신러닝 기술을 활용하여 인간의 생각 속에 담긴 감정을 예측하는 놀라운 연구를 발표했습니다.

 

▲ 자기 관련도와 긍·부정 정서를 예측하는 모델

자기 관련도와 긍·부정 정서를 예측하는 모델에서 중요한 영역과 네트워크를 나타낸다. 자기 관련도를 예측하는 데에는 앞쪽 뇌섬엽(aINS; anterior insula)과 중앙대상피질(aMCC; anterior midcingulate cortex) 등의 영역이, 긍·부정 정서의 경우에는 왼쪽 측두두정접합 영역(TPJ; temporoparietal junction)과 배내측 전전두피질(dmPFC; dorsomedial prefrontal cortex) 등의 영역이 각각 중요한 역할을 한다. 또한, 네트워크 차원에서는 디폴트모드 네트워크(default mode network), 복측 주의 네트워크(ventral attention network), 전두 두정엽 네트워크(frontoparietal network) 등이 자기 관련도와 긍·부정성 정서 모두를 예측하는 데 중요함을 보여준다.

 

개인 맞춤형 자극과 일상적인 생각 감정 분석

기존 연구에서는 외부 자극에 대한 반응을 기반으로 감정을 연구했습니다. 즉, 영화를 보거나 음악을 들으며 나타나는 감정을 분석하는 방식이죠. 하지만 이는 실제로 우리가 일상생활에서 느끼는 감정과 다를 수 있습니다. 왜냐하면 일상생활에서는 다양한 생각과 감정이 끊임없이 어우러져 나타나기 때문입니다.

이 연구에서는 이러한 한계를 극복하기 위해 개인 맞춤형 자극을 사용했습니다. 개인 맞춤형 자극은 각 참가자의 일대일 인터뷰 내용을 기반으로 만들어진 이야기로, 참가자의 실제 경험과 관련된 내용으로 구성되었습니다. 이를 통해 참가자들은 보다 자연스럽고 무의식적인 사고 과정 속에서 감정을 느낄 수 있었습니다.

또한, 연구팀은 외부 자극 없이 자유롭게 생각하거나 휴식을 취하는 동안 수집된 뇌 활동 패턴도 분석했습니다. 이는 머신러닝 모델이 일상생활에서도 우리의 감정을 추론할 수 있다는 것을 보여줍니다.

 

개인 맞춤형 자극과 머신러닝 모델 개발

이 연구에서는 인간의 무의식적인 사고에 가장 가까운 방식으로 생각과 감정을 자극하기 위해 개인 맞춤형 이야기 자극을 사용했습니다. 이는 참가자와 진행된 일대일 인터뷰 내용을 기반으로 만들어졌으며, 안전, 즐거움, 위험, 통증 등 긍정적이고 부정적인 주제를 포함했습니다.

연구는 다음과 같은 단계로 진행되었습니다.

1. 참가자 모집 및 인터뷰: 연구에 참여한 49명의 건강한 성인 참가자들은 일대일 인터뷰를 통해 긍정적, 부정적 경험과 관련된 이야기를 들려주었습니다.
2. 개인 맞춤형 이야기 자극 제작: 인터뷰 내용을 기반으로 각 참가자에게 맞춤형 이야기 자극을 제작했습니다. 이야기는 대부분 참가자의 실제 경험과 관련된 내용으로 구성되었으며, 긍정적, 부정적 감정을 유발할 수 있도록 구성되었습니다.
3. fMRI 측정: 참가자들은 fMRI 기기를 이용하여 뇌 활동을 측정하면서 개인 맞춤형 이야기 자극을 읽었습니다. 이 과정에서 참가자들은 자신이 느끼는 자기 관련도와 긍정/부정적 감정을 순간순간 보고했습니다.
4. 머신러닝 모델 학습: 수집된 fMRI 데이터와 자기 보고 점수를 기반으로 머신러닝 모델을 학습했습니다. 이 모델은 뇌 활동 패턴을 통해 참가자의 자기 관련도와 긍정/부정적 감정을 예측하도록 설계되었습니다.

 

머신러닝 모델은 생각과 감정을 얼마나 정확하게 예측했을까?

개인 맞춤형 이야기 자극을 읽는 동안의 뇌 활동 패턴 데이터를 기반으로 학습된 머신러닝 모델은 새로운 뇌 활동 패턴을 입력했을 때도 참가자의 자기 관련도와 긍정/부정적 감정을 높은 정확도로 예측했습니다. 이는 모델이 뇌 활동 패턴과 감정 간의 복잡한 관계를 효과적으로 학습했음을 보여줍니다.

더욱 놀라운 것은 머신러닝 모델이 외부 자극 없이 자유롭게 생각하거나 휴식을 취하는 동안 수집된 뇌 활동 패턴에서도 참가자의 자기 관련도와 긍정/부정적 감정을 유의미한 수준으로 예측했다는 것입니다. 이는 모델이 개인의 무의식적인 사고 과정에서도 감정을 추론할 수 있다는 것을 의미합니다.

 

우울증, 불안감 치료의 새로운 가능성

이 연구는 인간의 생각과 감정을 이해하는 데 있어 중요한 진전을 보여줍니다. 기존 연구에서는 외부 자극에 대한 반응을 기반으로 감정을 연구했지만, 이 연구는 개인 맞춤형 자극과 머신러닝 기술을 활용하여 무의식적인 사고 과정에서도 감정을 파악하는 데 성공했습니다.

이 연구 결과는 우울증, 불안감과 같은 정신 질환의 치료에도 중요한 영향을 미칠 수 있습니다. 머신러닝 모델을 통해 우울증이나 불안감을 가진 환자의 뇌 활동 패턴을 분석하여 특정 생각이나 감정과 관련된 패턴을 파악할 수 있다면, 이를 기반으로 맞춤형 치료 전략을 개발할 수 있을 것입니다.

또한, 이 연구는 인간의 의식과 감정에 대한 이해를 높이는 데에도 기여할 것으로 기대됩니다. 머신러닝 모델을 통해 뇌 활동 패턴과 감정 간의 관계를 더욱 정밀하게 분석함으로써, 의식이 어떻게 발생하고 감정이 어떻게 조절되는지에 대한 새로운 지식을 얻을 수 있을 것입니다.

 

머신러닝과 뇌과학의 융합

이 연구는 머신러닝과 뇌과학의 융합을 보여주는 좋은 예시입니다. 머신러닝 기술은 뇌과학 연구에 새로운 도구를 제공하고 있으며, 뇌과학 연구 결과는 머신러닝 모델의 성능을 향상시키는 데 활용될 수 있습니다. 앞으로 머신러닝과 뇌과학의 융합은 더욱 가속화될 것으로 예상되며, 이를 통해 인간 정신의 미스터리를 밝히는 데 큰 진전을 이룰 수 있을 것입니다.

 

연구결과는 국제학술지 ‘미국 국립과학원 회보(Proceedings of the National Academy of Sciences, PNAS)’ 온라인판에 3월 28일(현지시간) 실렸습니다.

 

 

출처: 기초과학연구원

 

뇌-컴퓨터 인터페이스, 33주간 뇌파 측정 장기간 송수신 성공