크라켄코더, 기존 방법보다 뇌 기능 20배 더 정확하게 예측

크라켄코더의 여러 팔은 뇌 연결의 상호 보완적인 지도를 정렬하고 융합합니다. 출처: Keith Jamison

와일 코넬 의대 연구진은 크라켄코더(Krakencoder)라는 알고리즘을 사용하여 뇌의 배선이 우리의 사고와 행동 방식을 어떻게 지원하는지 밝히는 데 한 걸음 더 다가갔습니다. 6월 5일 Nature Methods 에 발표된 이 연구는 인간 연결체 프로젝트(Human Connectome Project)의 영상 데이터를 사용하여 신경 활동을 기저 회로와 연결했습니다.

뇌의 해부학적 연결과 활동 패턴이 행동과 어떻게 연관되는지를 파악하는 것은 뇌가 전반적으로 어떻게 작동하는지 이해하는 데 중요할 뿐만 아니라 질병의 바이오마커를 식별하고, 신경 질환의 결과를 예측하고, 개인화된 개입을 설계하는 데에도 중요합니다.

방 안의 코끼리에 대해 이야기하다

뇌는 상호 연결된 뉴런들의 복잡한 네트워크로 이루어져 있으며, 이들의 집단적 활동이 우리의 행동을 주도합니다. 구조적 커넥톰은 뇌의 물리적 배선, 즉 여러 영역이 해부학적으로 어떻게 연결되어 있는지를 보여주는 지도를 나타냅니다. 또 다른 퍼즐 조각은 기능적 커넥톰으로, 뇌의 여러 부분 간의 뉴런 활동 패턴을 나타내며, 특정 활동 중이나 휴식 시 함께 활성화되는 영역을 강조합니다. 놀랍게도 과학자들은 "함께 연결된" 영역들이 항상 "함께 발화"되는 것은 아니라는 사실을 발견했습니다.

"하지만 우리는 아직 뇌 네트워크가 수학 문제 풀기, 친구와 대화하기, 자동차 운전하기와 같은 일상생활의 과제와 어떻게 연관되는지에 대해 아직은 시작 단계에 있습니다."라고 와일 코넬 의대의 방사선과 및 신경과학에서 수학을 가르치는 수석 저자 에이미 쿠체예스키 박사가 말했습니다.

많은 연구자들이 기능적 커넥톰과 구조적 커넥톰의 관계를 모델링하고 있지만, 각기 다른 지도를 제시하고 있습니다. 쿠체예스키 박사는 "사람마다 뇌 네트워크를 촬영하는 방법이 다릅니다."라고 설명했습니다. 예를 들어, 뇌 스캔에 자기공명영상(MRI)을 사용할 때, 동일한 원시 이미지를 처리하는 방법에 따라 서로 다른 커넥톰이 생성될 수 있습니다.

쿠체예스키 박사는 이러한 패치워크 접근법을 어두운 방에서 코끼리를 검사하는 것에 비유합니다. 한 사람은 코를, 다른 사람은 다리를, 또 다른 사람은 귀를 만지는 것과 같습니다. "저희의 근본적인 가정은 이미징 및 처리 파이프라인에서 각각의 선택이 동일한 기본 시스템에 대한 서로 다른 관점을 제공한다는 것입니다."라고 이 연구의 제1저자이자 쿠체예스키 박사 연구실의 연구원인 키스 제이미슨은 말했습니다.

더욱 포괄적인 표현을 얻기 위해 쿠체예스키 박사와 그녀의 팀은 이러한 모든 다양한 접근 방식에서 생성된 구조적, 기능적 연결체를 가져와 이를 통합하여 더욱 통합된 해석을 도출할 수 있는 도구를 만들었습니다.

"제 머릿속에서는 여러 팔을 가진 괴물이 뻗어 나와 다양한 뇌 표현을 잡아 소화하고 하나의 통합된 커넥톰으로 응고시키는 모습을 상상했습니다."라고 제이미슨은 말했다. 그 결과, 12가지가 넘는 입력 데이터를 압축하고 재구성하는 자동 인코더인 이 프로그램은 크라켄코더(Krakencoder)라는 이름을 얻게 되었다.

손실된 기능을 복원하는 연결 식별

연구팀은 미국 국립보건원(NIH)의 인간 연결체 프로젝트에 참여한 700명 이상의 피험자로부터 수집된 데이터를 바탕으로 크라켄코더를 훈련시켰습니다. 이 연구의 일환으로, 참가자들은 광범위한 구조적 및 기능적 MRI 스캔을 받았습니다.

연구진은 크라켄코더를 사용하면 개인의 구조적 연결체를 파악하고 이전에 발표된 접근 방식보다 약 20배 더 정확하게 그 사람의 기능적 연결체를 예측할 수 있다는 것을 발견했습니다.

크라켄코더의 결합 및 압축 표현은 개인의 나이, 성별, 그리고 영상 스캔과 함께 시행된 검사에서 얻은 인지 기능 점수도 예측했습니다. 쿠체예스키 박사는 이러한 점수는 뇌 영상만으로는 측정하기 매우 어렵다고 지적했습니다.

인지와 같은 기능을 특정 뇌 네트워크에 매핑하는 능력은 해부학과 생리학이 우리의 행동과 능력을 어떻게 촉발하는지, 그리고 질병과 부상이 우리의 성과를 어떻게 저하시킬 수 있는지 이해하는 데 중요합니다.

앞으로 쿠체예스키 박사와 동료들은 크라켄코더를 NeMo라는 네트워크 수정 도구와 결합하여 질병으로 뇌가 손상된 사람들의 커넥톰을 분석할 계획입니다. 쿠체예스키 연구실의 박사 과정생인 크리스티 길리스는 이 접근법을 사용하여 뇌졸중 후 결과를 분석하고 있습니다.

"그녀는 병원에서 정기적으로 수집되는 MRI만을 기반으로 NeMo + Krakencoder 파이프라인에서 생성된 기능적 커넥톰을 개인의 실제 기능적 MRI와 비교하고 있습니다. 우리의 기능적 커넥톰은 추적 관찰 시 개인의 운동 점수와 언어 점수를 예측하는 데 더 효과적이라는 것을 발견했습니다."라고 쿠체예스키 박사는 말했습니다.

이러한 도구는 인지 또는 운동 기능 향상과 관련된 뇌 네트워크 연결을 파악할 수도 있습니다. 손상된 회로의 활동을 촉진하는 것(예: 자기 펄스를 사용하여 뇌의 신경 세포를 자극하는 경두개 자기 자극법)은 이러한 연결을 강화하고 회복을 촉진할 수 있습니다.

출처: https://www.sciencedaily.com/releases/2025/06/250609054347.htm