우리 학교 뇌인지과학과 정재승 교수 연구팀이 인간의 뇌 신호를 해독해 장기간의 훈련 없이 생각만으로 로봇 팔을 원하는 방향으로 제어하는 뇌-기계 인터페이스 시스템을 개발했다고 지난달 24일 밝혔다.

 뇌-기계 인터페이스는 뇌 신경 신호를 해석해 활용함으로써 생각만으로 로봇이나 기계를 움직이는 기술을 말하며, 운동 장애 환자들이 로봇 팔을 제어해 일상에 필요한 팔 동작을 수행하는 데 기여할 수 있는 핵심 보조 기술이다.

움직임을 상상하는 뇌 신호를 해독하기 어려워 

 높은 성능의 뇌-기계 인터페이스를 구현하기 위해서는 정확한 디코딩 기술이 필요하다. 디코딩 기술은 뇌 신호를 신호 분석 기법을 통해 해독하는 것을 의미하는데, 측정한 신경 신호에서 기계학습기법을 이용해 유효한 특성을 추출하는 방식이 주로 활용된다.

 이러한 디코딩 기술은 팔의 실제 움직임이 아닌, 그저 움직임을 상상하는 뇌 신호에서 사용자가 의도한 방향을 예측할 수 있어야 한다. 그러나 상상 뇌 신호는 실제 운동에서 발생하는 뇌 신호보다 신호대잡음비(signal to noise ratio)가 현저히 낮아 정확한 방향을 예측하기 어렵다. 이 점이 뇌-기계 인터페이스 분야에서 해결되지 않았던 오랜 난제였다.

새로운 기계학습 기법을 도입해 디코딩 알고리즘 개선

 연구팀은 문제 해결을 위해 움직이는 상상을 할 때 팔이 이동하면서 그리는 3차원 이동 궤적을 해독할 수 있는 디코딩 알고리즘을 개발하고자 하였다.

 연구팀은 사용자의 자연스러운 팔 동작 상상을 공간해상도가 우수한 대뇌 피질 신호(electrocorticogram, ECoG)로 측정했다. 측정된 ECoG 신호는 신호처리 필터링을 거쳐, 연속웨이블렛변환(continuous-wavelet-transform) 기법을 통해 운동 관련 정보로 변환되었다. 이후, 이동 궤적과의 상관계수를 기준으로 유용한 신호들을 추린 뒤, 이를 변분 베이지안 최소제곱(Variational Bayesian least square) 기계학습에 활용하여 디코딩 알고리즘을 구축했다. 

 최종적으로 직접 측정이 어려운 팔 동작의 방향 정보를 계산할 수 있는 디코딩 기술을 개발했으며, 환자가 상상한 팔 뻗기 방향을 최대 80% 이상의 정확도로 예측할 수 있음을 확인했다.

 또한, 연구팀의 팔 동작 상상 신호 분석기술은 사람별로 다른 측정 신호에 맞춰 방향 예측을 최적화할 수 있는 디코딩 전략을 도입하였다. 따라서 실제 사용에서 사용자마다 상이할 수 있는 상상 신호와 대뇌 영역 특성을 맞춤형으로 학습해 최적의 계산모델 파라미터 결괏값을 출력할 수 있다.

상상을 더욱 선명하게 해독하는 방법 검증

 또한 연구팀은 상상 뇌 신호를 더욱 효과적으로 측정하는 방식을 검증했다. 연구팀은 실험 방식을 두 가지로 나누어 비교분석했다. 첫 번째는 단순히 팔을 움직이는 상상을 하고 대뇌 피질 신호를 측정했으며, 두 번째는 상상과 실제 움직임을 번갈아 가며 수행하게 시킨 뒤, 상상할 때의 대뇌 피질 신호를 측정했다. 이후 두 실험 방식의 예측정확도를 비교했다.

 그 결과, 두 가지 방식 모두 유의미한 이동 궤적 예측정확도를 확보할 수 있었다. 특히 상상만 수행했을 때 얻은 상상 신호와 실제 움직임과 번갈아 수행했던 상상 신호를 비교했을 때, 후자의 경우가 운동 관련 정보를 훨씬 더 높게 대뇌 피질 신호에 표상하고 있었으며 궤적 예측정확도와 사분면 정답률이 유의미하게 더 높아질 수 있음을 확인했다. 해당 결과는 향후 사용자가 뇌-기계 인터페이스를 통해 로봇 팔을 생각만으로 조종하려 할 때 최적의 상상 전략과 사용법을 제시하는 데 과학적 근거로 유용하게 활용될 수 있을 거라 기대된다. 

 연구책임자인 정 교수는 “뇌 활동만으로 생각을 읽는 기술은 매우 어렵고 도전적인 연구지만 사회적인 영향력이 매우 큰 기술이다”라며 “스타트업에 관심 있는 학생들의 적극적인 지원을 부탁한다”라고 전했다.