뇌 연결망 읽는 AI, 자폐 개인별 변화 포착
핵심 요약
국제공동연구팀이 fMRI와 AI로 자폐 환자의 개인별 뇌 변화와 치료 경과를 분석하는 프레임워크를 개발했다. 생성형 AI 모델은 ABIDE와 서울대병원 임상 코호트 검증에서 뇌 네트워크 구조 변화를 비교 모델보다 정확히 구분했다. 연구성과는 ACM SIGKDD 2026에서 발표되며 조기 진단과 경과 예측용 바이오마커 개발로 이어질 예정이다.
한국과학기술연구원(KIST) 뇌과학연구소 한경림 박사가 참여한 국제공동연구팀이 기능적 자기공명영상(fMRI)과 인공지능(AI)을 결합해 자폐스펙트럼장애 환자의 개인별 특성을 평가하고 치료 경과를 예측할 수 있는 근거 기반 프레임워크를 개발했다. 연구에는 한소연 호주 멜버른대 교수팀과 김붕년 서울대병원 소아청소년정신과 교수팀이 함께했다.
연구팀은 fMRI 분석을 통해 자폐스펙트럼장애 아동의 두뇌 기능적 연결성이 정상 발달 아동보다 낮다는 점을 확인했다. 감각 정보를 통합하는 하두정소엽과 감각 중계를 담당하는 시상을 중심으로 뇌 전반의 네트워크 연결이 줄어든 양상이 나타났다. 이를 토대로 AI가 실제 두뇌 연결망의 변화를 제대로 반영하는지 평가하는 ‘생성적 매니폴드 감사(GMA)’를 설계했다.
GMA는 정상 발달군의 두뇌 연결 패턴을 학습한 AI에서 특정 뇌 영역의 연결을 차단한 뒤 변화를 분석하는 방식이다. 연구팀은 ‘민감도 격차’ 지표를 적용해 AI가 단순한 정보 손실과 실제 뇌 네트워크 구조 변화를 구별하는지 살폈다. 대규모 다기관 자폐 뇌영상 데이터셋인 ABIDE와 서울대병원의 자폐 아동 임상 코호트로 검증한 결과, 생성형 AI 모델은 비교 모델보다 구조적 변화를 더 정확하게 구분했다.
분석 과정에서는 임상 증상이 호전된 환자라도 뇌 기능 네트워크의 변화 양상이 개인마다 다를 수 있다는 점도 확인됐다. 증상 관찰만으로 파악하기 어려운 환자별 뇌 변화를 AI로 분석할 가능성을 보여준 결과다. 연구성과는 8월 9일부터 13일까지 제주국제컨벤션센터에서 열리는 ACM SIGKDD 2026의 신설 분야인 ‘과학을 위한 인공지능’에서 발표된다. KIST는 임상 연구진과 협력을 이어가며 조기 진단과 치료 경과 예측용 바이오마커를 비롯한 정밀·맞춤 의학 기반 뇌질환 원천기술을 고도화할 계획이다.