뇌 영역 간 신호를 해독하는 신경 칩

AI 요약

EPFL 연구진은 여러 뇌 영역에서 기록한 신호의 진동 강도와 동기화를 분석하는 이식형 시스템온칩 LogSync를 개발했습니다. 기존 심부뇌자극(DBS)은 미리 정한 설정에 따라 자극하거나 한 뇌 영역의 신호에 의존하는 경우가 많습니다. 연구진은 정신질환과 관련한 정보가 여러 영역 사이의 소통 변화에 나타날 수 있다는 연구를 바탕으로, 뇌 네트워크 수준의 생체표지자를 활용하는 방식을 제안합니다.

신호 처리와 평가

LogSync는 뇌파 신호에서 네트워크 생체표지자를 추출한 뒤 머신러닝 알고리즘으로 인지·감정 상태를 분류하고, 특정 상태가 나타나면 자극 신호를 내도록 설계했습니다. 로그 연산으로 뇌 네트워크 분석과 실시간 표지자 추출에 필요한 계산을 단순화했습니다. 알고리즘과 하드웨어를 함께 설계해 전력 소비를 200마이크로와트 미만으로 낮췄다고 연구진은 설명합니다.

평가에는 정신과 연구에서 얻은 사람의 뇌 기록 두 종류를 사용했습니다. 하나는 정신 과제를 수행할 때의 인지적 몰입 변화였고, 다른 하나는 영상 시청 중의 감정적 각성이었습니다. 알고리즘은 뇌 기록만으로 두 상태를 구분했습니다. 별도의 쥐 실험에서는 뇌 진동의 진행을 추적해 미리 정한 위상에 맞춰 자극 신호를 발생시켰습니다. 따라서 사람 대상 평가는 기존 기록을 이용한 상태 분류이며, 사람에게 이식해 치료 효과를 확인한 결과는 아닙니다.

연구의 범위

연구는 미국 국립정신건강연구소(NIMH)의 660만 스위스프랑 규모 지원 과제의 일부로 진행됐습니다. 논문은 2026년 9월 IEEE Journal of Solid-State Circuits에 실렸습니다. 연구진은 LogSync의 접근이 운동장애용 적응형 DBS, 비침습 폐쇄루프 자극, 집속 초음파 인터페이스에도 적용될 가능성을 제시합니다. 다만 이번 검증은 정신과 관련 기존 사람 기록과 쥐 실험에 한정됩니다.

Hacker News 반응

• @hoppp — 사람들이 창의적으로 집중하는 상태에서 집단의 생각에 순응하는 상태로 바뀌는 모습을 관찰할 수 있습니다. 그런 상태를 기술 용어와 연결할 수 있도록 인지 상태 목록을 찾고 있습니다.
  • @asgraham — 합의된 목록이 있을 거라고 생각하기 어렵고, 신경 기록으로 뒷받침되는 목록은 더더욱 없을 것 같습니다. 직접 관찰해 적절한 분류를 만드는 편이 나을 수 있습니다.
  • @D-Machine — 감정과 인지를 분리하기는 어렵습니다. 둘은 대개 함께 나타나며, 단순한 일상 심리 용어로 정신 상태를 분류하면 기계 출력에서 유용한 정보를 얻기 어려울 수 있습니다.
• @D-Machine — 논문에 적힌 수치로는 두 정신 과제 데이터셋에서 민감도 80.9%와 74.8%, 특이도 74.2%와 73.1%를 기록했다고 합니다. 비교 분류기의 성능과 데이터셋의 기본 비율을 알아야 이 수치가 의미 있는지 판단할 수 있습니다. EEG 신호 대신 간단한 질문으로 더 잘 예측할 수 있는지도 궁금합니다.
• @AbstractH24 — 이미 비슷한 기술이 있고 자신도 NeuroPace 기기를 뇌에 이식했다고 말합니다. 기기는 뇌 활동을 자세히 기록하고 발작 강도를 줄이는 데 어느 정도 도움이 됐지만, 약을 끊게 하지는 못했다고 설명합니다. 기록 정보는 약 조정에 유용했지만 뇌 기능을 안정적으로 바꾸는 능력은 의문이라고 덧붙입니다.