[대구=이데일리 홍석천 기자] DGIST 연구진이 뇌 전기 신호에 섞인 주기적 리듬과 배경 신호를 정밀하게 분리하는 인공지능(AI) 기술을 개발했다. 빠르게 변하는 신호를 포착하면서 파킨슨병 환자의 움직임과 치료 반응을 분석할 가능성을 제시했다.

DGIST는 최지웅 전기전자컴퓨터공학과 교수 연구팀이 국립금오공과대 김한준 교수, 고려대 진경환 교수, 한국뇌연구원 라종철 박사 연구팀과 딥러닝 분석 기술 ‘NONOS’를 개발했다고 밝혔다. 연구 결과는 국제학술지 ‘뉴로이미지(NeuroImage)’에 게재됐다.

뇌 전기 신호에는 일정한 주기로 반복되는 진동 성분과 비주기적인 배경 성분이 함께 존재한다. 파킨슨병 환자에게 과도하게 나타나는 베타파는 움직임이 느려지는 증상과 연관돼 치료 효과를 살피는 지표로 활용된다.

기존 필터링 기법은 배경 신호의 변화를 리듬 변화로 잘못 해석할 수 있다는 한계가 있었다. 배경을 제거하는 다른 분석법도 일정 시간의 신호를 묶어 처리하기 때문에 짧은 순간에 발생하는 변화를 놓치기 쉬웠다.

NONOS는 시간에 따라 기록된 뇌 신호에서 배경 성분을 추출하도록 학습한 AI 모델이다. 원래 신호에서 배경을 제거해 리듬 성분을 분석하는 방식으로, 시간 해상도를 유지하면서 두 성분의 빠른 변화를 구분하도록 했다.

연구팀에 따르면 파킨슨병 환자의 뇌 신호로 어느 발을 내디딜지 예측한 실험에서 NONOS의 성능 지표는 0.98로 나타났다. 같은 지표에서 기존 방법은 0.54~0.79를 기록했다. 파킨슨병 모델 생쥐 실험에서는 뇌심부자극에 따른 베타파 세기의 급격한 감소도 포착했다.

연구팀은 향후 연산량을 줄여 뇌이식형 기기에서 실시간으로 작동할 수 있도록 기술을 발전시킬 계획이다. 환자 상태에 따라 전기자극을 조절하는 맞춤형 뇌심부자극 치료에 활용하는 것이 목표다.

최 교수는 “뇌 신호의 리듬과 배경을 시간 해상도를 잃지 않고 분리했다는 데 의미가 있다”며 “실시간 작동이 가능하도록 발전시키면 맞춤형 치료의 정확도를 높이는 데 기여할 것”이라고 말했다.

이번 논문은 최 교수와 김한준 교수가 공동교신저자, DGIST 김진모 석박사통합과정생이 제1저자로 참여했다. 한국연구재단과 교육부 등의 지원을 받아 수행됐다.