뇌, 현실, 그리고 인공지식 - 김대식 카이스트 교수 / 뇌-컴퓨터 접속 장치 기술의 현재와 미래 - 마인드 콘트롤

[산소캡슐]

뇌, 현실, 그리고 인공지식 - 김대식 카이스트 교수 / 뇌-컴퓨터 접속 장치 기술의 현재와 미래 -

마인드 콘트롤

=================================================================================================================

뇌-컴퓨터 접속 장치 기술의 현재와 미래 - 마인드 콘트롤

목차

1. 뇌와 기기의 의사소통
2. BCI와 뇌-영상 기법
3. 뇌전도[electro encephalo graphy(EEG)]
4. 뇌자도[magneto encephalo graphy(MEG)]
5. 기능적 자기공명영상[functional magnetic resonance imaging(fMRI)]
6. 근적외선 분광법[near infrared spectroscopy(NIRS)]
7. 다양한 뇌-영상 기법에 기반한 BCI
8. 뇌전도(EEG) 기반 BCI
9. 뇌자도(MEG) 기반 BCI
10. 기능적 자기공명영상(fMRI) 기반 BCI
11. 근적외선 분광법(NIRS) 기반 BCI
12. BCI의 미래

일반적으로 뇌과학을 자연과학적 측면에서 접근하면 자연 현상의 이치에 대한 학문적인 호기심으로 연구를 시작하게 되는데, 단순히 뇌 안에서 일어나는 생리학적 원리를 발견하고, 그로 인하여 새롭게 알게 되는 자연의 이치를 차곡차곡 쌓아 가는 과학적 연구의 의의도 있지만, 밝혀진 뇌의 진리를 우리의 삶에 유익하게 적용한다면, 이것 또한 우리 인류의 삶을 더욱 윤택하게 해 인류 복지에 기여하는 유용한 의미를 지닌다고 할 수 있다. 따라서 이번 장에서는 뇌과학을 통해 얻은 기술을 이용해서 인간이 주변의 인지적 도구와 의사소통에 활용할 수 있는 유용한 측면을 살펴보고자 한다.

뇌와 기기의 의사소통

현대를 살아가는 인간은 문명의 이기와 뗄 수 없는 관계 속에서 매일매일 생활하고 있다. 다양한 문명의 이기들은 대부분이 우리의 손이나 발 등의 움직임을 통해서 조정한다. 예를 들어, 컴퓨터의 자판은 손을 통해, 자동차의 페달은 발을 통해 사용자의 의사를 기기로 전달한다. 최근에 음성 인식 기술의 발달로 목소리를 통해서도 인간이 주변의 도구를 제어할 수 있는 수준에까지 도달하고 있다.

사실 손과 발이나 목청은 우리 뇌의 명령에 따라 움직이므로, 뇌가 이와 같이 전형적인 의사소통의 통로인 근육의 움직임을 통하지 않고, 순수한 뇌 신호만으로 기기들을 직접 제어할 수만 있다면 훨씬 경제적이고 효율적인 도구 사용이 가능해질 것이다. 예를 들어 이와 같은 기술은 근육 움직임에 장애가 있는 환자에게는 당장에 유용한 기술이다. 이처럼, 인간의 뇌를 중심으로 한 중추 신경계가 말초 신경계를 통한 근육의 도움 없이, 컴퓨터나 주변 기기를 직접 제어하며 인간의 의도를 반영해 기기를 움직일 수 있게 하는 기술을 ‘뇌-컴퓨터 접속 장치[brain-computer interface(BCI)]’라고 한다(Min et al., 2010).

용어와 관련해서 뇌의 신호가 컴퓨터를 제어하는 측면에 의미를 두어 명명하면 BCI라고 하며, 뇌의 신호가 기계를 제어하는 측면을 부각해서 표현하면, ‘뇌-기계 접속 장치[brain-machine interface(BMI)]’라고 한다. 이번 장에서는 편의상 BMI를 BCI로 총칭해서 서술하기로 하겠다.

BCI와 뇌-영상 기법

BCI에 관한 기술은 1970년대 초반에 ‘뇌전도(EEG)’를 이용하여 컴퓨터나 전기 기기를 제어하는 시도로 시작되었다(Vidal, 1973). 뇌-기계 접속 장치라는 측면에서, 미소 전극(microelectrode)을 고양이 뇌의 시상(thalamus) 부분 중에서 시각을 일차적으로 담당하는 외측-슬상핵[lateral geniculate nuclei(LGN)]에 삽입하여, 직접 그곳으로부터 정밀한 뇌 신호를 추출하여, 시각 영상을 반복적으로 재생하는 연구도 보고되었다(Stanley et al., 1999).

이와 같은 침습적(invasive) BCI는 인간에게도 시도되었다. 예를 들어 사지 마비 환자의 운동 영역 피질에 다량의 미소 전극을 배치한 뒤에 움직임을 상상하는 과정에서 해당 뇌 신호를 정밀하게 추출해서 컴퓨터 화면의 커서(cursor)를 움직이게 한 연구도 있었다(Hochberg et al., 2006). 이와 같이 ‘두개강내-뇌파[electrocorticogram(ECoG)]’나 ‘국소장-전위[local field potential(LFP)]’처럼 전극을 두개골 안으로 삽입하여 특정 영역의 뇌 신호를 선택적이고 효율적으로 얻을 수 있는 침습적인 BCI 방법도 있지만, 이 장에서는 비침습적 방법을 중심으로 BCI를 살펴보고자 한다. 침습적 방법은 실생활에서 손쉽게 사용하기 어려우며, 전극 삽입에 따른 생체 적응 부작용이나 뇌전증(epilepsy) 유발 등의 가능성으로 인해서 통상적인 BCI 도구로 사용하기는 어렵다.

따라서 이번 장에서는 BCI 제어 신호로 사용할 뇌 신호를 비침습적 방법으로 얻어 내는 다양한 뇌-영상(neuro-imaging) 기법에 대해 주로 살펴보고자 한다([그림 1] 참고). 이렇게 추출된 뇌 신호를 뇌 기능적으로나 인지적으로 의미 있게 해석하는 것이 BCI 연구에 있어서 중요한 관건이다. 뇌 신호를 의미 있게 해석하기 위해서는 뇌 신호를 측정하는 기기의 기초 원리와 측정 기술의 한계 등을 이해할 필요가 있다. 따라서 뇌 신호를 측정하기 위한 대표적인 뇌-영상 기법인 뇌전도, 뇌자도, 기능적 자기공명영상 및 근적외선 분광법 등의 기본 원리와 장단점에 간략히 살펴보기로 한다.

[그림 1] 대표적인 뇌-영상 기법의 기초 원리 도해도(Min et al., 2010)

뇌전도[electro encephalo graphy(EEG)]

뇌-영상 기법으로 우선 ‘뇌전도(EEG)’ 기기를 들 수 있다. 뇌전도는 주로 대뇌 피질에서 일어나는 신경 세포의 활동에 의한, 시냅스-후 전위(post-synaptic potential)의 합에 의해 생기는 전자기파를 측정하는 기술이다. 두피에서 일반적으로 100μV 이하의 뇌 전위가 측정이 된다. 국제적으로 공간 규격화된 좌표값을 통해서, 통상적으로 32개 혹은 64개 혹은 128개의 전극을 균등한 간격으로 두피에 배열하여, 해당 위치 별로 뇌파 측정이 동시에 가능하고 결과를 상대적으로 비교할 수 있다.

뇌전도는 다음에 등장할 ‘뇌자도(MEG)’와 함께 시간 해상도가 높아서(약 1/1000초 정도의 측정 기술), 우리의 빠른 정신 활동에 대한 신경생리학적 연구에 있어서 큰 장점임과 동시에 거의 실시간으로 BCI 구현을 가능하게 해준다. 반면에 공간 해상도는 좋지 않아서 수학적 방법을 통해 컴퓨터로 뇌 신호의 근원 위치를 추정하기도 한다. 하지만, 다른 뇌 영상 기법에 비해 탁월한 시간 해상도, 기기의 규모, 가격, 휴대성 등의 측면에서 BCI의 도구로 사용되기에는 현재로써 가장 좋은 조건을 가지고 있다.

뇌자도[magneto encephalo graphy(MEG)]

신경 조직의 활성화로 인한 전자기장의 발생은 앞서 살펴본 뇌전도 이외에 뇌자도로도 측정이 가능하다. [그림 1]에서 소개한 것처럼 ‘스퀴드[superconducting quantum interference device(SQUID)]’라는 약어로 통칭되는 ‘초전도 양자 간섭 장치’가 뇌자도를 측정하는데 사용된다. 대략 지구 자기장(약 0.5가우스)의 10억분의 1정도 크기의 뇌 자기장이 스퀴드를 통해 감지가 가능하다.

현대적인 뇌자도 기기는 약 300개 정도의 스퀴드가 인간의 두피 위에 균등하게 배치될 수 있도록 배열된 헬멧 형태의 모양이다. 수만 개의 신경 세포가 동조된 신경계의 활동성은 대략 50~500fT 정도의 자기장으로 나타난다. 참고로, f는 femto의 의미로 10^-12을 의미하고, 테슬라[Tesla(T)]는 자기장의 단위로써 1테슬라는 10,000가우스[gauss(G)]이다. 뇌자도는 스퀴드의 설치 방향과 전자기파의 속성상 피질(cortex)의 접선 방향의 신호 성분을 주로 감지한다.

뇌자도 역시 뇌전도와 같이 두피 밖에서 탐지 채널로부터의 전자기파 신호 정보만을 측정하기 때문에, 신호원의 위치를 알 수 있는 공간 해상도가 만족스럽지 못하다. 하지만 자기적 성분이 전기적 성분보다 두개골 투과율이 좋아서, 뇌전도보다는 뇌자도가 공간 해상도 측면에서 유리하지만 다음에 나올 기능적 자기공명영상에 비해서는 미흡하다. 뇌자도는 뇌전도처럼 전자기파 신호를 감지하기 때문에, 시간 해상도가 뛰어나며 따라서 실시간 BCI 기술로 발전하는 데 유리하지만, 그 운용을 위해서는 방 하나 크기의 전자기장 차폐 시설이 필요하고, 상대적으로 비싼 가격이나 유지비, 기기의 큰 규모 등의 불리한 점이 남아 있다.

기능적 자기공명영상[functional magnetic resonance imaging(fMRI)]

‘기능적 자기공명영상’은 시간 해상도(약 1~2초 정도)가 앞서 살펴본 뇌전도나 뇌자도에 비해 낮은 반면에, 공간 해상도가 우수하여(약 2~3mm³정도) 뇌 기능의 위치를 추적하는 연구에 자주 사용된다. 기본 원리는 다음과 같다. 정신 활동에 의해서 신경 세포가 활성화되면 해당 세포가 신진대사를 위해 산소를 필요로 하게 되고, 이에 따라 해당 지역에 일시적으로 혈중 산소 농도의 차이가 발생하는데 이를 자기장의 변화로 측정할 수 있다. 이를 통해 뇌의 해당 영역과 관련 뇌 기능을 연결시켜서 해석하는 방법이 fMRI이다.

다시 말하면, 신경 활동이 일어나는 국부 신경 조직에 산소를 운반하는 혈액의 산소 농도 차이를 fMRI 자기장 속성에 따라 산화/비산화 헤모글로빈의 자성 변화를 탐지하여, 해당 뇌 기능과 관련된 뇌 신호를 추출하게 된다. 따라서 여기에서 사용되는 신호를 BOLD(blood oxygenation level dependent) 신호라고 한다.

하지만 fMRI에서 사용하는 BOLD 신호는 정신 활동에 의한 신경 세포 자체의 역동적 변화를 측정한다기보다는 신경 활동에 의해 수반되는 혈관 속의 증감된 산소 농도를 측정한다는 측면에서 직접적인 신경 세포 활동을 측정하지는 못한다. 즉 fMRI는 해당 세포의 신진대사 변화를 통한 이차적인 생체 신호의 측정이라는 근본적인 한계를 지니고 있다는 점을 주의해야 한다. 이로 인해 비록 미미하지만 근본적인 시간 지연 문제가 발생한다.

또한 뇌자도처럼 방 하나 크기 정도의 전자기장 차폐 시설이 필요하고, 기기의 규모가 크며, 가격이 뇌전도 기기에 비해 상대적으로 비싸서 BCI에 실용적으로 적용하기에는 극복할 문제들이 있다. 하지만 탁월한 공간 해상도 덕분에 fMRI는 BCI 기기로써 가치가 있고, 최근에는 거의 실시간 BCI 연구도 이루어지고 있다(Lee et al., 2009). 일반적으로 3T 자기장 정도의 MRI를 사용하는데, 최근에는 7T 이상의 자기장을 사용해서 더욱 정교한 공간 해상도를 가진 fMRI 연구도 진행되고 있다.

근적외선 분광법[near infrared spectroscopy(NIRS)]

약 630~1300nm 파장을 가진 근적외선(near-infrared spectrum)은 두개골을 투과하여 두개골로부터 약 1~3cm 깊이까지 도달한다. 이때 처음의 근적외선 양에서 산란(散亂)되고 반사되는 정도에 의해서 해당 피질의 혈중 산소 농도 변화 상황을 연구할 수 있다(Okada et al. 1997). 다시 말해서, 이 근적외선 분광법은 신경 활동에 의한 산화 헤모글로빈과 비산화 헤모글로빈의 농도 변화에 의해 영향을 받는 근적외선의 (산란 및 흡수에 의한) 감쇠 정도를 측정함으로써 해당 영역의 신경 활동을 간접적으로 측정하는 방법이다. 이 방법에서는 광전극(optode)이라고 하는 감지기를 두피 여러 곳에 균등한 간격으로 배치함으로써 여러 영역의 피질에서 일어나는 신경 활동의 정량화가 가능하다.

이 방법은 fMRI처럼 혈중 산화 헤모글로빈 농도의 변화를 측정한다는 측면에서 시간 해상도가 떨어진다는 문제가 있으며, 뇌전도와 같이 두피 표면에 위치한 전극으로부터 신호를 받기 때문에 공간 해상도도 1cm 정도에 불과해서 만족스럽지 못하다. 그렇지만 기기의 가격이 저렴하고 규모도 적어서 마치 뇌전도와 흡사한 이점이 있다. 게다가 금속성 전극을 사용하는 뇌전도와 달리 근적외선 분광법은 광전극을 사용하기 때문에 전극 부식의 위험도 없고, 전극을 부착하기 위한 전해질 젤을 사용할 필요가 없다는 장점이 있다. 빛을 이용한다는 측면에서 NIRS는 최근에 새로운 뇌 영상 기법으로 주목 받고 있고, BCI 기술에도 적용되고 있다(Sitaram et al., 2007b, Nijholt and Tan, 2008).

다양한 뇌-영상 기법에 기반한 BCI

뇌전도(EEG) 기반 BCI

앞서 언급했듯이, 다양한 뇌-영상 기법들 중에 뇌전도를 이용한 BCI가 시간 해상도나 실생활 활용 측면에서 현재로써는 가장 유리하다. 뇌파 신호의 분석 방법은 크게 시간 축에 의한 분석법과 주파수 축에 의한 분석법으로 나눌 수 있다. 시간 축에 의한 분석법은 자극과 관련된 뇌파를 반복적으로 측정하여 각각의 단위 뇌파 조각들을 자극이 제시된 시점을 기준으로 정렬한 뒤에 그 시점을 기준으로 모두 평균을 내서 자극과 관련된 뇌파만을 평균값에서 살아남게 하는 원리를 이용한 분석법이다.

여기에서 제시된 자극이나 사건과 관련해 평균값에서 누적되어 나타나는 뇌전위를 ‘사건 관련 전위[event-related potential(ERP)]’라고 한다. 이와 같이 뇌파의 시간축 분석법을 통해 얻은 대표적 뇌파 성분으로는 P300과 정상(定常) 시각 유발 전위[steady-state visual evoked potential(SSVEP)]가 있다. P300이라는 뇌파 성분은 자극 제시 후 약 300밀리초 이후에 나타나는 양-전위 파형(positive deflection)을 일컫는다. 이 P300 성분은 실험 패러다임에서 자주 등장하며, 제시되는 자극의 정신적 표상 원형(template)이 낯선 자극에 의해 갱신될 때에 등장하는 뇌파 요소로써, 이 속성을 이용하면 제시된 자극을 범주화할 수 있다. 예를 들어 BCI 사용자가 머릿속에 특정 자극을 생각하고 있다가 일반적인 자극들 중에 해당하는 특정 자극이 나타나면 P300 성분이 검출된다. 이 신호를 이용하면, 컴퓨터나 기계에 동작 신호를 보낼 수 있다.

한편, 우리가 깜빡이는 자극을 보고 있으면, 그 깜빡이는 주파수와 동일한 주파수를 가진 뇌파가 후두엽의 시각 피질에서 물리적으로 유도되는데, 이렇게 깜빡이는 시각 자극으로 유도되는 자극과 동일한 주파수를 가진 진동 뇌파를 SSVEP라고 한다. 이 원리를 이용하면, 다양한 주파수로 깜빡이는 여러 자극을 선택적으로 바라보는 사람의 의도에 따라서 선별적으로 SSVEP의 주파수를 특정한 주파수로 바꿀 수 있다. 즉, 15Hz로 깜빡이는 자극을 보고 있으면 뇌파는 15Hz로 유도되고, 20Hz를 보고 있으면 20Hz의 뇌파를 일으킬 수 있다. 이를 이용한 BCI의 경우에는 사용자의 의도에 따라서 선별적인 BCI 신호를 사용할 수 있다는 이점이 있다.

한편, 뇌파는 다양한 주파수로 구분해 해석할 수 있는데, 흥미롭게도 각각의 주파수 영역을 뇌 기능적 혹은 인지적 속성과 연관해 해석할 수 있다. 예를 들어 작업 기억(working memory)은 4~8Hz 구간의 쎄타(theta) 뇌파와 관련이 있고, 깊은 수면 상태는 4Hz 이하의 델타(delta) 뇌파와 관련이 있다. 뇌파의 주파수 축 분석법을 통해 얻은 정보로써 BCI에 적용할 수 있는 대표적 성분으로는 감각-운동 리듬[sensory-motor rhythm(SMR)]과 느린 피질 전위[slow-cortical potential(SCP)]를 들 수 있다.

예를 들어 움직임이 일어나기 전이나 움직임이 일어나는 중에는 뇌에서 8~12Hz의 뮤(μ) 뇌파와 18~26Hz의 베타(β) 뇌파의 ‘사건 관련 동기화[event-related synchronization(ERS)]’나 ‘사건 관련 비동기화[event-related desynchronization(ERD)]’ 현상이 일어난다. 심지어 움직임을 상상만 해도 이러한 현상이 뇌파에서 검출되기 때문에, BCI 사용자는 실제 움직임 없이 움직임의 상상만으로 관련 뇌파를 발생시켜 BCI 기기를 작동할 수 있는 신호원으로 사용할 수 있다(Graimann et al., 2010). 일반적으로 해당 과제 관련 뇌 영역의 중심 부분에서는 ERD가 발생하고, 동시에 그 주변 부분은 ERS가 일어나는 상호 대칭적 현상이 발생하는데, 이 두 현상을 함께 이용하면 관련 신호를 제대로 인식하여 검출하는 비율을 높일 수 있어서 BCI 기기 오작동 비율을 낮출 수 있다.

뇌파를 사용해서 BCI 기기를 제어하기 위해서는 BCI 기기 동작을 위해 발생된 뇌파 신호의 올바른 범주화가 중요한 관건이다. 이를 위해 다양하고 새로운 통계 기법(선형 혹은 비선형 베이시안 분류법, 다변량 분류법 등)들이 적용되고 있다. 특히 BCI 기기를 뇌파를 통해 실시간으로 제어하기 위해서는 뇌파 분석과 통계 판단이 상당히 빠른 시간 안에 이루어져야 한다. 또한 단 한 번의 뇌파로 BCI 사용자의 의도를 정확히 파악하기 위해서는 BCI 기기가 사용자 뇌파의 ‘기기 학습(machine-learning)’ 과정을 통해 미리 해당 사용자의 뇌파를 통계적으로 분석한 선행 정보를 가지고 있어야 더욱 정확하고 신속한 판단이 가능해진다.

비록, 뇌전도가 시간 해상도와 휴대성 측면에서 다른 뇌-영상법에 비해 유리하지만, EEG 기반 BCI를 더욱 현실적으로 활용하기 위해서는 해결해야 할 숙제들이 있다. 대표적으로 뇌파를 측정하는 전극의 문제이다. 일반적으로 뇌파를 측정하기 위해서는 전극에 풀처럼 끈적거리는 전해질 젤을 발라서 두피에 부착한다. 이는 전해질 젤이 두피로부터 검출되는 뇌파를 전극에 잘 전달할 수 있도록 해주는 역할을 하기 때문이다. 하지만 이처럼 끈적거리는 전극을 머리에 붙이고 BCI 기기를 동작한다는 것이 실생활에서는 번거롭고 불쾌할 것이다.

따라서 뇌파 전극의 이러한 문제점의 개선이 EEG 기반 BCI 연구가 겪어야 할 과제 중의 하나다. 야구 모자처럼 생긴 모자만 착용하더라도 우리가 쉽게 뇌파를 이용한 BCI를 활용할 수 있다면 간편하고 실용적으로 널리 사용될 것이다. 또한 뇌전도가 근본적으로 가지고 있는 낮은 공간 해상도 문제를 해결해야 할 것이고, 뇌파의 다양한 성분 분석을 통해 인간의 다양한 의도를 가능한 정확하게 구분하는 연구도 앞으로의 EEG 기반 BCI의 숙제이다. 예를 들어 뇌파의 위상(phase)이나 전극 간의 기능적 연결성(connectivity) 등의 다양한 변수와 함수의 활용을 통해 지금보다 더 발전한 EEG 기반 BCI 기기의 활용을 기대해 본다.

뇌자도(MEG) 기반 BCI

뇌자도는 탁월한 시간 해상도로 인해서 뇌전도와 함께 실시간 BCI에 사용되고 있다. 자기장은 전기장과 상호 대응 관계를 가지고 있으므로, 앞서 살펴본 EEG 기반 BCI에서 사용된 데이터 처리 방법들이 거의 그대로 MEG 기반 BCI에 적용된다. MEG 기반 BCI의 사용 예로써 후두엽의 알파(α) 뇌파 속성을 이용하여 모니터 상의 상하좌우 네 군데의 은밀한(covert) (안구 이동이 일어나기 전의) 공간 주의력이 약 69%까지의 정확도로 구분되는 현상도 보고되었다(van Gervern and Jensen, 2009). 이는 번거로운 BCI 훈련 없이 얻은 결과라서 더욱 의미가 있다고 할 수 있다.

임상적으로는 만성 뇌졸중 환자의 손 기능 재활에 MEG 기반 BCI 훈련이 사용된 것이 보고되었다(Birbaumer and Cohen 2007). MEG 기반 BCI는 기기의 규모나 가격 면에서 EEG 기반 BCI에 비해 불리하지만, 뇌전도에 비해서 약 3배 정도 좋은 공간 해상도 덕분에 이미 가지고 있는 좋은 시간 해상도와 함께 BCI로써의 활용 가치가 높다고 할 수 있다. 심지어 단일 손가락 움직임마저도 MEG로 구분이 된다(Braun et al. 2000). 또한 MEG의 신호 대 잡음(signal-to-noise) 비율이 EEG보다 좋아서 BCI 신호 처리 측면에서도 유리하다. 하지만 여전히 fMRI에 비해서는 공간 해상도가 만족스럽지 못하고, 기기의 유지비와 규모가 크다는 점 등이 손쉬운 BCI 방법으로 사용되기까지 해결해야 할 과제들로 남아 있다.

기능적 자기공명영상(fMRI) 기반 BCI

현재의 다른 뇌-영상 기법에 비해서 탁월한 공간 해상도를 지닌 fMRI는 뇌 안의 3차원 공간상의 전 영역에서 직접 신호를 얻을 수 있어서 해당 뇌 기능 관련 신호를 매우 국지적으로 측정할 수 있다는 장점이 있다(Sitaram et al., 2007a). 탁월한 공간 해상도 덕분에 피질상의 정교한 신경 활동 각각을 구분하면서 fMRI 신호로 변환되므로, 공간상에서 다양한 종류의 신호를 통하여 BCI를 더욱 정교하게 제어할 수 있다. 나아가 피질뿐만이 아니라 피질 아래쪽의 뇌 깊숙한 곳의 신경 활동도 BCI 신호로 사용할 수 있다는 점이 fMRI 기반 BCI의 장점이다.

비록 뇌전도나 뇌자도에 비해서 시간 해상도가 떨어지지만, 거의 실시간 fMRI 데이터 처리법으로 인해(Weiskopf et al., 2004, Yoo and Jolesz, 2002) fMRI 기반 실시간 BCI도 가능해졌다. 예를 들어, 1차 운동 피질의 활동성을 fMRI 신호로 받아서 거의 실시간으로 로봇 팔의 2차원적인 움직임을 제어하는 fMRI 기반 BCI 연구도 보고되었다(Lee et al., 2009). 고성능 자기 공명 스캐너의 개발과 고성능 컴퓨터의 발달로 fMRI 신호 수집이 빨라졌고, 뇌 영상 분석도 빨라져서 실시간 fMRI 기반 BCI가 가능해지고 있다.

fMRI 기반 BCI를 사용하면 다양한 뇌 영역의 활동을 BCI 사용자가 뉴로 피드백 훈련을 통해 자발적으로 제어하면서, 다양한 형태의 BCI 제어 신호를 만들어 낼 수도 있다. 예를 들어 실시간 fMRI 피드백 훈련을 통해서 운동 신경계의 가소성이 변화했다는 연구도 있고(Sitaram et al., 2005), 감정 처리에 있어서 뇌의 전-대상피질[anterior cingulated cortex(ACC)] 영역의 자발적인 제어 효과를 fMRI 기반 BCI 연구로 이루었다는 것도 보고된 바가 있다(Weiskopf et al., 2003). 또한 언어의 발화를 담당하고 있는 대뇌의 브로카 영역BA45에서 발생하는 BOLD 신호를 fMRI 피드백 훈련을 통해서 자의적으로 조절이 가능한지에 대한 연구도 있었다(Rota et al., 2006).

나아가 fMRI 기반 뉴로 피드백 BCI는 임상에 응용되어 다양한 종류의 신경계 질환 치료에 사용될 수 있다. 예를 들어 실시간 fMRI 뉴로 피드백을 만성 통증 환자에게 적용해 통증을 자의적으로 제어할 수도 있다고 보고되었고(DeCharms et al., 2005), 운동 신경계 장애로 인한 해당 뇌 기능의 재활 치료에 fMRI 기반 뉴로 피드백 BCI가 사용될 수 있다고 보고되었다(Sitaram et al., 2007a).

시각, 청각, 촉감각, 후각 등의 다양한 방법을 통해서 fMRI 기반의 BCI 기기의 피드백 훈련이 가능하지만, 대부분의 연구는 시각을 이용한 뉴로 피드백 연구이다. 즉, 수행 과제와 관련된 해당 뇌 영역의 BOLD 신호를 자의적으로 제어하기 위하여 BCI 사용자가 모니터 상에 나타나는 온도계 형식의 BOLD 신호 계기판이나 물고기가 먹잇감을 쫓아가도록 꾸민 가상 현실을 이용하여 뉴로 피드백의 효율을 증대할 수 있는 형태이다(Sitaram et al., 2005).

이처럼 fMRI 기반 BCI는 사용자가 자의적으로 뇌의 다양하고 특성화되어 있는 해당 기능 영역의 활동성을 국지적으로 조절하며 BCI 기기를 작동할 수 있다는 측면에서 공간 해상도가 낮은 EEG 기반 BCI보다는 기기를 특성화시켜 제어할 수 있는 매개 변수를 다양하게 제공할 수 있다. 이는 단순한 뇌 기능 지역 간의 신경 신호 분석을 넘어, 신경 활동의 공간 패턴 분석에 의해서 fMRI 신호의 의미를 더욱 효율적으로 해석할 수 있다(Haynes and Lees, 2006). 하지만 fMRI의 시간 해상도의 한계, 기기의 규모, 유지비 등의 문제가 앞으로 fMRI가 BCI 제어 기기로 더욱 넓게 활용되기 위해 개선되어야 할 점이다.

근적외선 분광법(NIRS) 기반 BCI

뇌에서 측정되는 근적외선 분광 신호는 인지 기능과 관련해 연구되고 있어서, 잠재력 있는 BCI의 도구로 사용될 가능성을 보여 주고 있다(Sitaram et al., 2007b). 실례로 NIRS 기반 BCI를 사용해서 왼손과 오른손의 움직임을 상상하는 과제에서 NIRS 기반 BCI는 이를 89%의 정확도로 맞혔다(Sitaram et al., 2007b). 이분법적 선호도를 조사하는 의사 결정 과제에 사용된 단일 NIRS 신호만 가지고도 평균 80%의 정확도를 보여 준 연구도 보고되었다(Luu and Chau, 2009). 또한 NIRS는 뇌파의 P300 성분에 대응하는 혈류역학(hemodynamic) 반응을 검출한다고 보고되어 있어서(Kennan et al., 2002), EEG 기반 BCI나 MEG 기반 BCI 이외에 P300 관련 BCI로 발전될 잠재성을 보여 준다.

앞서 언급한 것처럼 NIRS 기반 BCI는 장단점이 있다. 이 방법은 뇌전도에서 사용하는 전해질 젤도 필요하지 않고, 부식되지 않는 광전극을 사용한다는 점이나 기기 이동의 수월성, 기기 가격의 적절성 측면에서 장점을 가지고 있다. 하지만 NIRS는 산화된 혈액 농도에 의해 근적외선이 산란되고 흡수되는 정도에 따라 해당 영역의 신경 활동을 측정하는 근본 원리로 인해서, 혈류역학에 의한 시간 지연이라는 본질적인 제약이 있고, 근적외선 투과도의 한계 때문에 피질 아래의 활동성을 측정하기 어려운 단점이 있다. 따라서 이 방법이 실질적인 BCI의 도구로 발전하기 위해서는 앞으로 개선의 여지가 있다.

BCI의 미래

예상컨대 컴퓨터나 기계를 우리의 생각만으로 제어할 수 있는 세상이 머지않아 도래할 것이다. 하지만 앞서 살펴본 바와 같이 현재의 BCI 기술은 아직까지는 여러 측면에서 제한적이고, 상당히 단순한 정도의 BCI 기기를 작동시키는 수준이다. 우리가 영화에서 보는 만능 수준의 BCI 기술까지는 아직도 갈 길이 멀다. 어쩌면 지금의 뇌 영상 기법만 가지고는 역부족일지도 모른다.

우선 BCI 기기 제어를 위한 뇌 신호 추출 방법으로 여러 측면에서 유리한 뇌전도만 하더라도 만족스럽지 못한 공간 해상도라는 근원적 문제 때문에 지금 당장은 우리의 다양한 정신 활동을 구체적으로 담아내기 어렵다. 단지 왼쪽 팔의 움직임은 오른쪽 뇌에서, 오른쪽 팔의 움직임은 왼쪽 뇌에서 뇌파의 활동성이 더 크고 뚜렷하게 측정되는 속성만으로도 뇌파를 사용해서 대표적인 이분법적 신호를 추출하는 데 문제는 없다.

컴퓨터가 0과 1의 두 자리 숫자만 가지고도 지금의 놀라운 진보를 보이는 것처럼 이분법적 신호 체계의 BCI에는 희망이 있지만, 복잡다단한 우리의 정신 세계를 실시간으로 거침없이 BCI로 구사하기에는 아직 연구해야 할 몫이 거대하다. 복합형(hybrid) BCI라는 이름하에 각각의 뇌 영상 기법을 짝지어 함께 사용하는 방법도 현재 BCI의 한계를 극복할 수 있는 새로운 시도라고 할 수 있다. 또한 BCI가 지금의 휴대 전화처럼 일상에서 중요한 위치를 차지하게 될 미래에서 우리가 현재 상상할 수 없을 정도로 첨단화된 BCI로 인해 발생할 수도 있는 사회적이고 윤리적인 문제도 BCI 기술 개발과 함께 연구되어야 할 과제이다.

 

[그림 2] EEG 기반 BCI 사례: 뇌전도를 이용한 휠체어 움직임 제어(Josédel R. Millán, Nijholt and Tan(2008) 및 http://www.maia-project.org)

BCI도 비침습적인 방법을 사용해서 우리의 생각을 전달해야 임상은 물론 현실 세계에서 누구나 사용할 수 있게 된다. 현재의 BCI는 피드백 훈련에 의한 신경 재활이나 운동 신경계 보조 기기로 그 역할을 충실히 하며 기여를 하지만 ([그림 2] 참고) 앞으로의 BCI는 이러한 기능은 물론, 가정이나 업무 공간의 자동화를 포함해서 수술 로봇 조정, 음악 작곡이나 게임 응용, 명상, 가상 현실, 웹 검색 등에서 발전적으로 활용되어 인간 생활을 더욱 윤택하게 하는 데 중추적인 역할을 할 것이다(Tan and Nijholt, 2010).

이는 뇌신경과학이 그동안 축적한 지식을 인류 복지에 실질적으로 활용할 수 있는 가치 있는 일이다. 사람과 사람이 뇌 신호를 통해서 서로의 정신 활동을 무선으로 소통하게 된다면 한 사람의 뇌 신호를 다른 사람의 뇌에서 표상하는 놀라운 현상도 기대할 수 있다. 예를 들어, 정상인의 뇌파로 뇌 기능 장애 환자의 해당 뇌 기능을 대신해 줄 수도 있다. 이러한 측면에서 이 문제는 임상적으로도 상당히 흥미롭고 의미 있는 주제라고 할 수 있다.

지금까지 뇌에서 컴퓨터로 또는 기기로의 신호 전달 연구는 어느 정도 진행되었지만, 반대로 컴퓨터나 기기에서 뇌로의 신호 입력 부분은 상대적으로 연구가 미약했다. 두개골을 열어 전극을 뇌에 이식하여 뇌에 해당 신호를 국부적으로 전달할 수 있는 침습적인 방법 이외에는 기술적으로 뇌로 신호를 넣는 마땅한 비침습적 방법이 없었기 때문이다. 하지만 최근에 두개골을 투과하는 저강도(low-intensity) 집속-초음파(focused-ultrasound) 기술이 개발 되면서, 두개골을 열지 않고도 뇌 안의 특정 부분에 원하는 에너지를 전달하여 해당 뇌 기능을 변화시킬 수 있는 가능성을 보여 주고 있다. 이는 외부에서 뇌로의 신호 전달 및 기능 제어의 새로운 희망이라고 할 수 있다(Min et al., 2011, Yoo et al., 2011).

이러한 집속-초음파 기술이 뇌 기능 조절 차원이나 안전도 차원에서 확실하게 검증이 되면, 앞서 살펴본 BCI 기술과 접목하여 한 뇌에서 다른 뇌로의 신호 전달 및 제어 연구(brain-brain interface)까지 가능하게 된다. 이는 소설 속에서나 등장하는 이야기처럼 한 사람의 뇌가 다른 사람의 뇌 기능을 조절할 수 있는 일이 실제로 구현될 수 있다는 점에서 흥미롭다.

물론 초음파를 사용한 뇌 기능 제어 연구가 현재는 동물 실험 단계이기는 하지만 앞으로 인간의 뇌 기능 조절에 사용할 수 있도록 안전성 검증이 뒷받침된다면, BCI 기술이 임상이나 일상생활에 편리함과 윤택함을 제공하는 차원을 넘어, 서로 다른 뇌 사이의 의사소통을 가능케 할지도 모른다. 어쩌면 소설 작가가 책을 통해 독자에게 내용을 전달하는 것이 아니라, 소설 작가의 뇌 신호가 독자의 뇌 속으로 직접 들어가 책의 내용을 온전하게 전하는 세상이 올지도 모른다.

 

[그림 3] 뇌-뇌 접속 기기 도해도

참고문헌

• Battapady, H., Lin, P., Fei, D. Y., Huang, D. & Bai, O. (2009) “Single trial detection of human movement intentions from SAM-filtered MEG signals for a high performance two-dimensional BCI. Conferenceproceedings: ...Annual International Conference of the IEEE Engineering in Medicine and Biology Society” Conference 2009, 524-7.
• Birbaumer, N. & Cohen, L. G. (2007) “Brain-computer interfaces: communication and restoration of movement in paralysis” The Journal of Physiology 579, 621-36.
• Braun, C., Schweiser, R., Elbert, T., Birbaumer, N. & Taub, E. (2000) “Differential activation in somatosensory cortex for different discrimination tasks” The Journal of Neuroscience: The Official Journal of the Society for Neuroscience 20, 446-50.
• Decharms, R. C., Maeda, F., Glover, G. H., Ludlow, D., Pauly, J. M., Soneji, D., Gabrieli, J. D. & Mackey, S. C. (2005) “Control over brain activation and pain learned by using real-time functional MRI” Proceedings of the National Academy of Sciences of the United States of America 102, 18626-31.
• Graimann, B., Allison, B. & Pfurtscheller, G. (2010) Brain-Computer Interfaces: Revolutionizing Human-Computer Interaction Berlin, Springer-Verlag.
• Haynes, J. D. & Rees, G. 2006. “Decoding mental states from brain activity in humans” Nature reviews. Neuroscience, 7, 523-34.
• Hochberg, L. R., Serruya, M. D., Friehs, G. M., Mukand, J. A., Saleh, M., Caplan, A. H., Branner, A., Chen, D., Penn, R. D. & Donoghue, J. P. (2006) “Neuronal ensemble control of prosthetic devices by a human with tetraplegia” Nature 442, 164-71.
• Kennan, R. P., Horovitz, S. G., Maki, A., Yamashita, Y., Koizumi, H. & Gore, J. C. (2002) “Simultaneous recording of event-related auditory oddball response using transcranial near infrared optical topography and surface EEG” NeuroImage 16, 587-92.
• Lee, J. H., Ryu, J., Jolesz, F. A., Cho, Z. H. & Yoo, S. S. (2009) “Brain-machine interface via real-time fMRI: preliminary study on thought-controlled robotic arm” Neuroscience Letters 450, 1-6.
• Luu, S. & Chau, T. (2009) “Decoding subjective preference from single-trial near-infrared spectroscopy signals” Journal of Neural Engineering 6, 016003.
• Min, B. K., Bystritsky, A., Jung, K. I., Fischer, K., Zhang, Y., Meng, L. S., Park, S. I., Chung, Y. A., Jolesz, F. A. & Yoo, S. S. (2011) “Focused ultrasoundmediated suppression of chemically-induced acute epileptic EEG activity” BMC Neuroscience 12, 23.
• Min, B. K., Marzelli, M. J. & Yoo, S. S. (2010) “Neuroimaging-based approaches in the brain-computer interface” Trends in Biotechnology 28, 552-60.
• Nijholt, A. & Tan, D. (2008) “Brain-computer interfacing for intelligent systems” IEEE Intelligent Systems 72-79.
• Okada, E., Firbank, M., Schweiger, M., Arridge, S. R., Cope, M. & Delpy, D. T. (1997) “Theoretical and experimental investigation of near-infrared light propagation in a model of the adult head” Applied Optics 36, 21-31.
• Rota, G., Sitaram, R., Veit, R., Weiskopf, N., Birbaumer, N. & Dogil, G. “fMRI-neurofeedback for operant conditioning and neural plasticity investigation: a study on the physiological self-induced regulation of the BA” 45 The Cognitive Neuroscience Conference, 2006 San Francisco, USA.
• Sitram, R., Caria, A., Veit, R., Gaber, T., Kuebler, A. & Birbaumer, N. “Real-time fMRI based brain-computer interface enhanced by interactive virtual worlds” The 45th Annual Meeting Society for Psychophysiological Research, 2005 Lisbon, Portugal.
• Sitaram, R., Caria, A., Veit, R., Gaber, T., Rota, G., Kuebler, A. & Birbaumer, N. (2007a) “fMRI brain-computer interface: a tool for neuroscientific research and treatment” Computational Intelligence and Neuroscience 25487.
• Sitram, R., Zhang, H., Guan, C., Thulasidas, M., Hoshi, Y., Ishikawa, A., Shimizu, K. & Birbaumer, N. (2007b) “Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain-computer interface” NeuroImage 34, 1416-27.
• Stanley, G. B., Li, F. F. & Dan, Y. (1999) “Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus” The Journal of Neuroscience: The Official Journal of the Society for Neuroscience 19, 8036-42.
• Tan, D. S. & Nijholt, A. (2010) Brain-ComputerInterfaces: Applying our Minds to Human-Computer Interaction London, Springer-Verlag.
• Van Gerven, M. & Jensen, O. 2009. “Attention modulations of posterior alpha as a control signal for two-dimensional brain-computer interfaces” Journal of Neuroscience Methods 179, 78-84.
• Vidal, J. J. 1973. “Toward direct brain-computer communication” Annual Review of Biophysics and Bioengineering 2, 157-80.
• Weiskopf, N., Mathiak, K., Bock, S. W., Scharnowski, F., Veit, R., Grodd, W., Goebel, R. & Birbaumer, N. 2004. “Principles of a brain-computer interface (BCI) based on real-time functional magnetic resonance imaging (fMRI)” IEEE Transactions on Bio-medical Engineering 51, 966-70.
• Weisopf, N., Veit, R., Erb, M., Mathiak, K., Grodd, W., Goebel, R. & Birbaumer, N. 2003. “Physiological self-regulation of regional brain activity using real-time functional magnetic resonance imaging (fMRI): methodology and exemplary data” NeuroImage 19, 577-86.

[네이버저자 민병경 〈고려대학교 뇌공학과 교수〉

[ 지식백과]  뇌-컴퓨터 접속 장치 기술의 현재와 미래 (뇌과학 경계를 넘다, 2012.11.5, 바다출판사

[계 정혜]