뇌 연결망 읽는 AI, 자폐 개인별 변화 포착

한국과학기술연구원 뇌과학연구소와 서울대병원 소아청소년정신과, 호주 멜버른대 컴퓨터공학부 공동 연구팀이 기능성 자기공명영상과 인공지능을 결합해 자폐스펙트럼장애 아동의 개인별 뇌 특성을 평가하고 치료 경과를 예측할 수 있는 분석 체계를 개발했다. 연구 결과는 9일부터 13일까지 제주에서 열린 국제 학술대회 ‘ACM SIGKDD’의 ‘과학을 위한 인공지능’ 분과에서 공개됐다.

연구팀은 기능성 자기공명영상 분석에서 자폐스펙트럼장애 아동의 뇌 기능적 연결성이 정상 발달 아동보다 낮은 현상을 확인했다. 감소 양상은 감각 정보를 통합하는 하두정소엽과 감각 중계 역할을 하는 시상을 중심으로 뇌 전반의 네트워크에서 나타났다. 이어 정상 발달군의 뇌 연결 패턴을 학습한 인공지능에서 특정 영역의 연결을 차단하고, ‘민감도 격차’ 지표로 정보 손실과 실제 네트워크 구조 변화를 구별하는 ‘생성적 매니폴드 감사’ 프레임워크를 설계했다.

기존 인공지능 기반 연구는 분류와 회귀를 활용한 진단 보조 모델에 주로 집중해 왔다. 실제 임상 적용에는 진단 정확도뿐 아니라 모델이 뇌의 생리적·병리적 변화를 어떤 방식으로 반영하는지 해석할 수 있는 구조가 필요하다. 자폐스펙트럼장애는 제한된 관심과 반복행동, 사회적 상호작용의 어려움이 특징이며, 미국에서는 8세 아동 31명 중 1명꼴로 나타난다. 국내 등록 자폐성장애인은 2023년 말 약 4만3000명으로 10여 년 사이 두 배 이상 늘었다.

분석 체계는 다기관 자폐 뇌영상 데이터셋 ‘ABIDE’와 서울대병원 자폐 아동 임상 코호트로 검증됐다. 생성형 인공지능 모델은 이전 모델보다 뇌 네트워크의 구조적 변화를 더 정확히 구분했다. 임상 증상이 호전돼도 뇌 기능 네트워크의 변화는 환자마다 다를 수 있다는 점도 확인돼, 증상 관찰만으로 파악하기 어려운 개인별 변화를 분석할 가능성이 제시됐다. 연구팀은 추가 연구를 거쳐 조기 진단과 치료 경과 예측에 활용할 바이오마커 개발을 추진할 계획이다.