Biomedical Artificial Intelligence

루게릭병이 진행된 환자는 의식이 또렷한데도 '아프다'는 말 한마디를 전하지 못한다. 눈조차 움직일 수 없는 완전 감금 상태에 이르면 기존 보조기기는 무력해지고, 응급 상황에서 도움을 청할 방법마저 사라진다.

우리는 두피에서 재는 뇌의 전기 신호, 즉 뇌파로 사용자의 의도를 읽는다. 깜빡이는 화면을 볼 때 뇌파가 같은 주기로 따라 반응하는 성질을 이용하되, 두 주파수를 겹치거나 자극의 공간 무늬를 달리해 고를 수 있는 선택지를 늘리고 눈을 감은 상태에서도 동작하도록 만들었다. 눈을 뜰 수 없는 환자에게는 회전하는 소리가 일으키는 무의식적 안구 운동을 눈 주변 전위로 잡아내거나, 스스로 특정 상상을 떠올려 신호를 만드는 방식과 귀에 넣는 전극을 시험했다. 오작동을 줄이기 위해 호흡에 따라 변하는 맥파나 뇌 혈류 신호를 뇌파와 함께 쓰는 뇌 스위치도 개발한다.

감금증후군 환자의 예·아니오 응답, 온라인 대화, 머리맡 응급 호출이 가장 직접적인 적용 대상이다. 일상에서 착용하는 뇌파 기기로 사용자 상태를 살피는 패시브 BCI와, 다른 연구자도 쓸 수 있는 공개 데이터셋 구축으로도 이어진다.

희귀 뇌질환을 연구하는 임상의가 환자 스무 명의 뇌파 기록을 손에 들고 있다고 해보자. 지금의 인공지능은 이 정도 데이터로는 매번 처음부터 학습을 시켜도 쓸 만한 성능이 나오지 않아, 정작 도움이 절실한 영역일수록 기술이 닿지 못한다.

우리는 EEG(뇌파, 머리 표면에서 측정하는 뇌의 전기 신호) 데이터를 대규모로 모아 미리 학습시킨 범용 모델, 이른바 파운데이션 모델을 만든다. 파운데이션 모델은 뇌파의 일반적인 패턴을 두루 익혀둔 밑바탕 모델로, 이후 특정 질환이나 과제에 맞춰 적은 데이터만 추가로 학습시켜도 성능이 나온다. 현재는 이 학습을 감당할 H100 GPU 서버를 구축하는 단계이며, 동시에 전 세계에 공개된 뇌파 데이터셋을 수집하고 있다. 즉 아직 모델 학습 이전의 기반을 다지는 시기다.

환자 수가 적어 데이터가 부족한 임상 현장, 예를 들어 뇌전증이나 수면 장애 판독 보조처럼 소규모 병원 데이터만 확보된 상황이 주된 적용 대상이다. 연구 목표대로 진행된다면 새로운 뇌파 과제를 시작할 때마다 대규모 데이터를 새로 모으지 않아도 되는 출발점을 제공할 수 있다.

시험 기간 내내 스트레스에 시달리다 병원에 가도, 검사대에 누운 몇 분의 기록만으로는 일상의 몸 상태를 알기 어렵다. 머리에 전극을 여러 개 붙이는 병원 장비는 오래 착용하기 불편해서, 정작 알고 싶은 평소 생활 속 데이터가 비어 있다.

귀에 넣거나 안경에 붙이는 작은 센서를 만들어, 오래 착용해도 불편하지 않은 형태로 생체신호를 모은다. 측정하는 신호는 뇌파(뇌에서 나오는 미세한 전기 신호), 안구전위(눈동자가 움직일 때 생기는 전기 변화), 심전도(심장 박동의 전기 신호), 근전도(근육에 힘이 들어갈 때의 전기 신호)다. 여기서 두 방향으로 연구를 진행 중이다. 하나는 뇌파와 심전도의 변화로 사용자의 스트레스, 감정, 면역력 같은 상태를 추정하는 것이고, 다른 하나는 안구전위와 근전도를 기기 조작의 입력 신호로 쓰는 것이다.

첫 번째 방향은 일상 속에서 자기 상태를 꾸준히 확인하고 싶은 사람의 건강 관리로 이어진다. 두 번째 방향은 AR 글래스 같은 웨어러블 기기를 손을 쓰지 않고 조작하는 방식을 목표로 한다.

뇌졸중으로 팔이 마비된 사람은 몇 달씩 같은 재활 훈련을 반복하지만, 치료사는 그 사람이 실제로 힘을 쓰려 애쓰는지 기계에 팔을 맡기고 있는지 겉모습만으로는 알기 어렵다. 눈조차 마음대로 움직이지 못해 화면을 바라보는 방식의 의사소통 장치를 쓸 수 없는 환자도 있다.

머리에 빛을 쬐어 뇌 혈류 변화를 재는 근적외선분광법으로 재활 훈련 도중 환자가 스스로 얼마나 참여하고 있는지를 확인한다. 두피에서 측정하는 미세한 전기 신호인 뇌파를 인공신경망으로 분석해, 손 운동을 담당하는 두피 위 지점을 별도의 자극 장비 없이 찾는 방법도 제안했다. 눈을 감은 상태에서 깜빡이는 빛에 반응하는 뇌파로 예/아니오 두 가지 의사를 구분하는 인터페이스를 만들었고, 약한 교류 전류로 뇌를 자극하는 tACS의 자극 시간이 안정 상태 뇌파를 어떻게 바꾸는지도 살핀다.

재활 로봇 훈련에서 환자의 능동적 참여도를 확인하는 지표, 뇌자극 치료 위치를 더 간편하게 정하는 절차로 이어진다. 눈 움직임이 어려운 중증 환자에게는 최소한의 의사 표현 수단이 된다.

뇌 활동을 들여다보려는 사람은 지금 뇌에서 무슨 일이 언제 일어났는지와 그 일이 어디에서 일어났는지를 동시에 알고 싶어 한다. 그런데 장비 하나만 쓰면 둘 중 하나는 늘 흐릿하게 남는다.

뇌파(EEG)는 머리 표면에서 전기 신호를 재는 방식으로, 뇌 활동의 변화를 매우 빠르게 포착하지만 그 신호가 뇌의 어느 위치에서 나왔는지 짚어내기는 어렵다. 근적외선 분광법(fNIRS)은 머리에 빛을 쏘아 뇌의 변화를 읽는 방식으로, 활동 위치는 비교적 잘 알 수 있지만 시간 해상도가 낮아 빠른 변화를 따라가지 못한다. 우리는 이 두 가지를 한 사람에게서 함께 측정하고 그 결과를 결합해, 한쪽의 약점을 다른 쪽이 메우도록 하는 방법을 연구한다.

시간과 위치를 모두 알아야 하는 뇌 활동 측정 상황이 대상이며, 두 신호를 어떻게 함께 재고 어떻게 결합할지가 지금 풀고 있는 문제다. 아직 진행 중인 주제이므로, 관심 있는 학생은 초기 단계부터 함께 만들어 갈 여지가 있다.