뇌 연결 변화 읽는 AI, 자폐 정밀평가 길 연다

국제공동연구팀이 기능적 자기공명영상(fMRI)을 학습한 인공지능의 내부 표현이 생물학적으로 의미 있는 뇌 특성을 반영하는지 평가하는 프레임워크를 개발했다. 증상과 징후 관찰에 의존해 온 자폐스펙트럼장애 평가를 뇌 기능 연결성의 구조적 변화까지 확장해, 영유아기 조기 진단과 치료 경과 예측에 활용할 바이오마커 후보를 찾는 기반을 마련했다.

연구팀은 정상 발달군의 전형적인 뇌 기능 연결 패턴을 학습한 표준 뇌 네트워크 모델을 구축한 뒤, 특정 뇌 영역의 연결을 가상으로 차단해 AI 내부 표현의 변화를 분석하는 생성적 매니폴드 감사(GMA)를 설계했다. 단순한 정보 손실과 뇌 구조에 대한 반응을 구분하는 ‘민감도 격차’ 지표도 도입했다. ABIDE 다기관 데이터와 서울대병원 자폐 아동 장기 임상 코호트에 적용한 결과, DAE 기반 생성형 AI는 비교 모델보다 뇌 네트워크의 구조 변화에 더 민감한 경향을 보였다.

이번 연구는 김붕년 서울대병원 교수팀과 한경림 KIST 책임연구원팀, 한소연 멜버른대 교수팀이 수행했으며 결과는 ACM SIGKDD 2026에서 발표됐다. 선행 분석에서는 자폐 아동이 정상 발달 아동보다 두뇌 기능적 연결성이 현저히 낮았고, 감각 정보를 통합하는 하두정소엽과 감각 중계를 담당하는 시상을 주요 허브로 삼는 뇌 전역 네트워크에서도 연결 감소가 확인됐다. 연구진은 이를 토대로 분류·회귀 모델의 예측 정확도를 넘어 AI 표현의 구조적 민감도를 검증했다.

서울대병원 장기 코호트에서는 자폐 임상 증상 지표인 K-CARS가 호전된 아동도 신경 민감도의 변화가 개인과 뇌 영역에 따라 서로 다르게 나타났다. 행동 및 임상 증상의 개선과 뇌 기능 네트워크의 변화가 항상 같은 양상으로 진행되지는 않을 수 있다는 결과다. 연구팀은 추가 연구를 통해 개인별 치료 경과 예측으로 활용 범위를 넓히고, 자폐스펙트럼장애의 정밀의학과 맞춤의학 실현에 기여한다는 계획이다.