국내외 바이오 관련 동향 뉴스를 신속하게 제공합니다.
뉴스 생명과학
뇌 영상으로 생각의 정서 예측하는 모델 개발
Bio통신원(성균관대학교)
- 등록2024.04.09
- 조회1279
- fMRI 기반 머신러닝으로 자유롭게 흘러가는 생각에 담긴 감정 디코딩
우리의 뇌는 한순간도 쉬지 않고 활동하며 이러한 뇌의 활동은 우리에게 “생각”으로 경험된다. 우리의 생각은 과거에서 미래로, 한 가지 개념에서 또 다른 개념으로 계속해서 이동한다. 자연스러운 생각의 흐름은 무작위적인 생각의 편린처럼 느껴질지 몰라도, 사실 대부분 감정이 담겨있고 자기 자신과 관련되어 있거나, 내적 욕구와 목표 등을 반영할 때가 많다. 그래서 생각의 흐름에 담긴 내용과 감정 상태는 개인의 성격 및 인지 특성, 정신 건강 등을 알려주는 중요한 지표가 될 수 있다. 하지만 생각의 흐름은 의식의 제약 없이 자발적으로 발생하기 때문에 사람들에게 지금 무슨 생각을 하는지 물어보는 것만으로도 생각의 내용을 바꿀 수 있어 연구하는 데 어려움이 있다.
성균관대 김홍지 박사과정생(왼쪽)과 우충완 교수(오른쪽)성균관대학교 글로벌바이오메디컬공학과/IBS 뇌과학이미징연구단 우충완 교수 연구팀은 미국 다트머스대학 에밀리 핀 교수 연구팀과의 공동연구를 통해 뇌 활동 패턴에서 직접 생각의 내용과 감정을 읽어내는 모델을 개발했다. 이 예측 모델은 fMRI 데이터와 기계학습 알고리즘을 이용하여 개발되었으며, 생각의 두 가지 주요 축인 ‘자기관련도’와 ‘긍·부정 정서’를 예측한다.
연구팀은 참가자들과의 일대일 인터뷰를 통해 다양한 내용과 감정이 담긴 개인 맞춤형 이야기 자극을 만들었다. 이후 참가자들이 MRI 기기 안에서 자신의 이야기를 읽는 동안의 뇌 활동 패턴을 바탕으로 매 순간의 자기 관련도와 긍·부정 정서를 예측할 수 있는 모델을 만들었다. 이 예측 모델은 이야기를 읽는 동안 참가자들의 생각을 이 두 가지 축 상에서 성공적으로 디코딩했을 뿐만 아니라, 추가로 테스트한 199명의 자연스러운 생각의 흐름도 성공적으로 예측했다.
이번 연구를 이끈 성균관대 우충완 교수는 “많은 연구진이 뇌에서 생각을 디코딩하기 위해 시도하고 있지만 그 안에 담긴 내밀한 감정을 읽어내려는 연구를 진행한 그룹은 거의 없었다”며 “인간의 감정을 오랫동안 연구해온 우리 연구팀은 자발적인 생각의 흐름 속에 담긴 감정을 읽어냄으로써 정신 건강에 도움이 되는 정보를 얻고자 한다.”고 말했다.
제1저자인 성균관대 글로벌바이오메디컬공학과 김홍지 박사과정생은 “본 예측 모델은 이야기를 읽는 동안의 데이터로 개발되었음에도 불구하고 아무 과제 없이 자유롭게 생각할 때의 정서 상태도 해독 가능하다는 점에서 중요한 의미를 가진다”며 “생각과 감정의 개인차를 이해하고 정신 건강을 평가하는 데에 도움이 될 것으로 기대한다.”고 하였다.
연구팀의 이번 연구는 기초과학연구원(IBS-R015-D1), 한국연구재단이 지원하는 초융합 AI원천기술개발사업(2021M3E5D2A0102251515)의 지원을 받아 수행되었다.
이번 연구는 세계적인 학술지인 미국 국립과학원 회보(Proceedings of the National Academy of Sciences, PNAS, IF 11.1)에 3월 28일 게재됐다.
※ 논문제목: Brain decoding of spontaneous thought: Predictive modeling of self-relevance and valence using personal narratives
※ DOI: https://doi.org/10.1073/pnas.2401959121; published: 28 March 2024
▲ 자기관련도와 긍·부정 정서를 예측하는 모델에서 중요한 영역과 네트워크들
자기관련도를 예측하는 데에는 앞쪽 뇌섬엽(anterior insula)과 중앙대상피질(midcingulate cortex)이, 긍·부정 정서의 경우에는 왼쪽 측두두정접합 영역(temporoparietal junction)과 배내측 전전두피질(dorsomedial prefrontal cortex)이 각각 중요한 역할을 한다.
네트워크 차원에서는 디폴트모드 네트워크(default mode network), 복측 주의 네트워크(ventral attention network), 전두 두정엽 네트워크(frontoparietal network) 등이 자기관련도와 긍·부정 정서 모두를 예측하는 것에 중요한 역할을 하는 것을 보여준다.
본 기사는 네티즌에 의해 작성되었거나 기관에서 작성된 보도자료로, BRIC의 입장이 아님을 밝힙니다. 또한 내용 중 개인에게 중요하다고 생각되는 부분은 사실확인을 꼭 하시기 바랍니다.
[기사 오류 신고하기]
