딥러닝, 시각 피질 자극 정밀도 높여…맹인 참가자 '바이오닉 비전' 개선

딥러닝 모델의 작동 원리: 뇌의 '상태'까지 읽다

연구팀이 개발한 심층 신경망은 단순히 '어느 전극에 얼마만큼의 전류를 흘릴지'만 예측하지 않았습니다. 놀라운 점은 **자극 직전 뇌의 휴지기 활동(resting activity)**까지 모델의 입력 변수로 포함시켰다는 사실입니다 .

모델은 먼저 다양한 자극 조건에 따른 뇌의 반응을 학습했습니다. 이후 학습된 모델을 역으로 활용해, 원하는 특정 신경 활동 패턴을 이끌어낼 수 있는 최적의 자극 설정값을 스스로 탐색했습니다. 바로 이 지점이 '예측'을 넘어선 '제어'의 단계로, 고정된 공식을 벗어나 뇌의 현재 상태에 적응하는 시스템의 핵심입니다 .

충격적 발견: 자극 신호보다 뇌의 반응이 더 중요했다

이 연구에서 가장 주목할 만한 결과는 전기 자극 신호 자체보다 뇌에서 실제로 기록된 신경 활동이 참가자의 시각 경험(포스펜의 모양, 색, 밝기)을 훨씬 더 정확하게 예측했다는 점입니다 .

즉, 과학자들이 특정 전극에 특정 전류를 흘려보냈다고 해서 참가자가 항상 같은 것을 보는 것이 아니었습니다. 같은 자극이더라도 그 순간 뇌가 어떤 상태였느냐에 따라 전혀 다른 시각 경험이 만들어질 수 있다는 뜻입니다. 이는 신경보철학의 핵심 난제를 보여주는 결과로, 뇌는 단순한 신호 수신기가 아니라 능동적으로 감각을 창조하는 기관임을 다시 한번 입증했습니다 .

미래 전망: '사람에게 맞추는' 지능형 시각 보철

이번 연구는 고정된 프로토콜로 작동하던 기존 시각 보철 장치를, 사용자의 뇌 역학을 지속적으로 학습하고 실시간으로 자극을 조정하는 '지능형 인터페이스'로 진화시킬 수 있는 가능성을 열었습니다 .

주요 시사점은 다음과 같습니다.

• 동적 재조정(Dynamic recalibration): 뇌의 기저 상태가 수면, 피로, 집중도 등에 따라 끊임없이 변해도 시스템이 이에 맞춰 자극을 조정할 수 있어 신뢰성 문제를 해결합니다 .
• 저전력·저부작용: AI 설계 패턴은 더 적은 전류로 목표를 달성하므로, 미래 장치는 더 안전하고 배터리 한 번으로 더 오래 사용할 수 있습니다 .
• 개인 맞춤형 적응: 연구 책임자 마이클 바이엘러(Michael Beyeler) UC산타바바라 교수는 *"유용한 시각 보철은 고정된 레시피에 의존할 수 없습니다. 궁극적으로 장치가 사람에게 적응해야 하지, 그 반대가 되어선 안 됩니다."*라고 강조했습니다 .

한 명의 참가자만을 대상으로 한 연구이지만, 이 프레임워크는 뇌졸중, 신경퇴행성 질환, 외상으로 인한 실명 치료제로서 시각 피질 보철 장치를 실험실에서 임상 현장으로 옮기는 중요한 전환점이 될 것으로 기대됩니다 .