데이터모델링

4 Contents

뇌 백질 노화의 세 가지 새로운 경로: 대규모 뇌 MRI와 머신러닝 기반 질병 진행 모델링

뇌 백질 변성(White Matter Hyperintensity, WMH)은 MRI 영상에서 밝게 나타나는 영역으로, 우리 뇌혈관의 건강 상태를 보여주는 중요한 생체 지표입니다. 이는 일반인에게서도 흔히 발견되는 뇌의 이상 징후 중 하나이며, 단순히 노화의 증상을 넘어 소혈관 질환의 핵심적인 지표로 활용됩니다. 그 원인은 매우 다양한데, 낮은 혈류 관류부터 혈관-뇌 장벽의 파괴, 그리고 뇌실 주변의 손상이나 염증 반응 등이 복합적으로 작용하여 뇌 백질 변성을 일으키는 것으로 알려져 있습니다. 기존의 뇌 백질 변성 연구는 주로 전체 부피를 측정하거나 뇌실 주변 백질과 심부 백질 영역으로 단순 구분하는 방식에 머물러 있었습니다. 하지만 이러한 접근법은 환자마다 다르게 나타나는 복잡한 발생 패턴과 그 이면에 숨겨진 다양한 병리학적 기전을 설명하는 데 한계가 있었습니다. 특히 시간적 변화를 고려하지 않은 단면적인 분석만으로는 뇌 백질 변성이 구체적으로 어떻게 진행되는지, 그리고 그것이 향후 발생할 뇌졸중이나 치매의 예후와 어떤 연관이 있는지 정밀하게 예측하기 어렵다는 문제가 있었습니다. 이러한 한계를 극복하기 위해 머신러닝 기반의 질병 진행 모델링인 'SuStaIn(Subtype and Stage Inference)' 기법이 도입되었습니다. 이 알고리즘은 대규모의 단면적 데이터를 활용하여 질병의 진행 단계를 추론하는 혁신적인 방법론입니다. 신경 손상이 비가역적이며 여러 영역에서 순차적으로 일어난다는 핵심 제약을 바탕으로, 복잡한 장기 추적 데이터를 수집하기 어려운 현실을 극복하고 환자 개인의 질병 서브타입과 진행 단계를 정밀하게 파악할 수 있게 해준다는 점이 가장 큰 특징입니다. 연구 결과, 뇌 백질 변성의 진행 경로는 크게 세 가지 서브타입으로 분류되었습니다. 첫 번째는 전두엽에서 시작해 두정엽으로 퍼져나가는 '전두-두정엽(Fronto-Parietal) 서브타입'이며, 두 번째는 뇌실 근처에서 방사형으로 확산되는 '라디얼(Radial) 서브타입'입니다. 마지막 세 번째는 측두엽에서 시작하여 후두엽으로 진행되는 '측두-후두엽(Temporo-Occipital) 서브타입'입니다. 이러한 발견은 뇌 백질 변성이 모든 사람에게 동일한 방식으로 나타나지 않으며, 환자군 내에서도 매우 이질적인 시공간적 패턴이 존재함을 과학적으로 입증한 결과입니다. 각각의 서브타입은 서로 다른 임상적 특징과 위험 요인을 가지고 있었습니다. 전두-두정엽(Fronto-Parietal) 서브타입은 고령의 여성에서 흔하며 고혈압과 밀접한 연관이 있었고, 뇌졸중의 재발률이 상대적으로 높게 나타나는 특징을 보였습니다. 반면 측두-후두엽(Temporo-Occipital) 서브타입은 남성에서 더 자주 관찰되었으며, 심장 질환과의 연관성이 높고 뇌졸중 발생 후 초기 예후가 좋지 않은 경향을 보였습니다. 라디얼(Radial) 서브타입은 가장 흔한 패턴으로 특정 위험 인자보다는 일반적인 노화 과정과 관련이 깊은 것으로 분석되었습니다. 연구팀은 기능적 엽(Lobe) 구분과 혈관 영역(Artery Territory) 구분을 비교 분석하며 어떤 방식이 질병 예측에 더 유용한지 확인했습니다. 흥미롭게도 큰 혈관의 분포를 따르는 방식보다 전두엽이나 측두엽 등 기능적 영역으로 나누는 방식이 질병의 진행 패턴을 설명하고 임상적 예후를 예측하는 데 훨씬 효과적이었습니다. 이는 뇌 백질 변성이 소혈관에서 기인하는 질환인 만큼, 거대 혈관의 분포보다는 3차원 공간상에서의 뇌 구조적 위치가 진행 경로를 결정하는 데 더 중요한 역할을 함을 의미합니다. 이번 연구는 단일 모델 중심의 치료 방식에서 벗어나, 환자 개개인의 진행 경로에 맞춘 정밀 의료의 가능성을 열어주었습니다. 대규모 데이터를 통해 검증된 세 가지 경로 모델은 향후 임상 시험 설계 시 환자를 선별하거나 개인별 치료 전략을 수립하는 데 중요한 기준이 될 것입니다. 뇌 백질 변성을 단순한 노화의 결과가 아닌 구체적인 발생 기전과 예후를 가진 질환으로 인식함으로써, 뇌졸중과 치매 예방을 위한 더욱 정교하고 효과적인 접근이 가능해질 것으로 기대됩니다.

뇌 백질 노화의 세 가지 새로운 경로: 대규모 뇌 MRI와 머신러닝 기반 질병 진행 모델링
생물학연구정보센터학술웨비나
  • 생명과학
  • 뇌인지과학
  • 융합

뇌 신호를 통해 식품 모델을 만들 수 있다고?(임만열 박사님)

인간이 음식을 시각적으로 인지할 때 뇌에서 발생하는 신호는 단순한 반응 이상의 정보를 담고 있습니다. 한국식품연구원에서는 이러한 뇌 신호를 분석하여 개인이 특정 식품을 얼마나 선호하는지 예측하는 기술을 연구하고 있습니다. 이 기술의 핵심은 뇌의 특정 부위가 활성화되는 현상을 넘어, 여러 뇌 영역 간의 연결성인 '뇌 연결성(Connectivity)'을 정밀하게 분석하는 데 있습니다. 서로 다른 뇌 영역들이 어떻게 상호작용하는지를 선형 조합으로 모델링함으로써, 우리는 주관적인 '맛있겠다'라는 감정을 객관적인 수치로 환산할 수 있게 됩니다. 이는 인간의 감정과 의도를 데이터로 읽어내는 기술이 식품 인지 영역에 성공적으로 적용된 사례라 할 수 있습니다. 뇌 신호를 활용한 예측 모델은 식품 산업 전반에 혁신적인 변화를 불러올 수 있습니다. 기업이 신제품을 출시하기 전, 타깃 연령층의 뇌파를 측정하여 시장에서의 반응을 미리 가늠하는 '뉴럴 마커'로 활용이 가능하기 때문입니다. 다만 뇌파 데이터는 외부 노이즈나 신체 움직임에 매우 민감하게 반응한다는 기술적 특성이 있습니다. 따라서 정교한 실험 설계를 통해 깨끗한 데이터를 확보하고, 아티팩트에 오염되지 않은 신호만을 정교하게 걸러내는 고도의 정제 과정이 필수적입니다. 이러한 과정을 거쳐 완성된 모델은 기존의 주관적인 설문 조사보다 더 정밀하게 소비자의 잠재적 선호도를 파악할 수 있는 강력한 도구가 됩니다. 이러한 연구는 단순히 상업적 목적에 그치지 않고 의료 및 행동 연구 분야로도 확장될 가능성이 매우 큽니다. 거식증이나 폭식증과 같은 식이 행동 장애의 뇌 기전을 분석함으로써, 왜 특정 개인이 과도하게 음식을 섭취하거나 거부하는지에 대한 근본적인 원인을 과학적으로 규명할 수 있습니다. 또한, 주관적인 평가를 뇌파라는 객관적인 지표로 대체하는 시도는 추후 진실 여부를 판단하는 기술 개발로도 이어질 수 있습니다. 인간의 뇌가 만들어내는 고유한 감정 신호를 정량화하는 작업은, 겉으로 드러나지 않는 인간의 진심을 깊이 있게 이해하고 다양한 사회적 문제를 해결하는 새로운 열쇠가 될 것으로 기대됩니다.

뇌 신호를 통해 식품 모델을 만들 수 있다고?(임만열 박사님)
한국식품연구원KFRI ☆활동이야기☆
  • 생명과학
  • 뇌인지과학
  • 공학·기술

[질문과 토론의 과학 #11] 🤔데이터과학이란?

수학과 통계학은 뿌리는 같지만 발전해 온 방향에서 뚜렷한 차이를 보입니다. 수학이 공리적 체계와 엄밀한 증명을 통해 지식을 쌓아 올리는 학문이라면, 통계학은 실제 세상의 문제를 해결하기 위한 실용성에서 출발했습니다. 현대의 데이터 과학은 이러한 수학적 토대 위에 컴퓨터 과학의 계산 능력과 도메인 지식이 결합된 융합 학문입니다. 단순히 이론에 머물지 않고 다양한 학문과 소통하며 실질적인 답을 찾아가는 과정이 데이터 과학의 진정한 핵심이라 할 수 있습니다. 데이터 과학을 요리에 비유하자면, 고가의 조리 기구와 완벽한 레시피가 없어도 훌륭한 음식을 만들 수 있는 것과 같습니다. 수학, 프로그래밍, 도메인 지식이라는 세 가지 축을 모두 완벽하게 갖춘 전문가는 드뭅니다. 대신 자신이 가진 강점을 바탕으로 부족한 부분을 보완하며 문제에 접근하는 유연함이 필요합니다. 중요한 것은 도구의 화려함이 아니라, 주어진 재료인 데이터를 어떻게 해석하고 가공하여 우리 삶에 가치 있는 결과물을 만들어내느냐에 달려 있습니다. 통계학자의 중요한 임무는 세상의 복잡한 현상을 분석 가능한 통계 모형으로 정립하는 것입니다. 예를 들어 우주의 팽창 속도나 질병의 위험도 같은 거대하고 추상적인 질문을 받았을 때, 이를 정교한 통계 모형으로 설계하고 데이터를 대입하여 구체적인 해답을 도출해냅니다. 이 과정에서 다른 분야의 전문가들과 협력하며 그들의 언어를 이해하고 설득하는 과정이 필수적입니다. 통계학은 결국 서로 다른 학문적 영역을 연결하고 문제를 구체화하는 가교 역할을 수행합니다. 최근 빅데이터와 인공지능의 발달로 선거 예측이나 범죄 예방 분야에서 통계학의 위상이 더욱 높아졌습니다. 하지만 단순히 데이터의 양이 많다고 해서 항상 정확한 예측이 가능한 것은 아닙니다. 2016년 미국 대선 사례처럼 데이터 이면의 구조와 메커니즘을 오해하면 잘못된 결론에 도달할 수 있습니다. 진정한 통계적 분석은 결과의 맞고 틀림을 넘어, 예측의 오차를 어떻게 줄이고 데이터의 공백을 어떻게 과학적으로 메울 것인지 고민하는 비판적인 태도에서 비롯됩니다. 미래 사회에서 통계학은 불확실성을 완화하는 가장 강력한 도구가 될 것입니다. 넷플릭스의 추천 시스템부터 범죄 발생 지역 예측에 이르기까지, 통계는 이미 우리 삶 깊숙이 들어와 의사결정을 돕고 있습니다. 완벽한 예측은 불가능할지라도, 데이터를 통해 오류의 가능성을 조금씩 줄여나가는 노력은 인류가 미래의 불안감을 극복하는 데 큰 도움을 줍니다. 융합적 사고를 바탕으로 한 통계학적 접근은 앞으로도 제4차 산업혁명 시대의 중추적인 역할을 수행할 것입니다.

[질문과 토론의 과학 #11] 🤔데이터과학이란?
카오스재단질토과 + 짧강

[코로나 인터뷰] 김범준_ 데이터에 기반하지 않으면 과학이 아니다! 감염병 확산 모형

감염병의 전 세계적 확산을 정교하게 예측하기 위해서는 국가 간 이동 패턴과 같은 구체적인 이동 지표가 반드시 뒷받침되어야 합니다. 하지만 코로나19 팬데믹 초기에는 각국이 전례 없는 여행 제한 조치를 시행하면서 기존의 항공망 데이터를 그대로 활용하기 어려운 상황이었습니다. 이러한 급격한 환경 변화는 기존의 확산 모형에 큰 혼란을 주었으며, 연구자들에게 실시간 지표 확보와 새로운 분석 체계 수립이라는 도전적인 과제를 안겨주었습니다. 감염병 확산 과정에서 나타난 국가별 시차는 연구자들에게 매우 흥미로운 분석 대상을 제공했습니다. 중국에서 확산세가 꺾일 무렵 한국에서 본격적인 유행이 시작되고, 다시 한국이 안정세에 접어들 때 다른 국가들에서 폭발적인 증가가 나타나는 양상을 보였습니다. 이러한 시간차는 전 세계가 유기적으로 연결되어 있으면서도 각기 다른 방역 환경에 처해 있음을 보여줍니다. 이는 복잡한 확산 경로를 추적하고 분석하는 데 있어 중요한 실마리가 됩니다. 학문 간의 경계를 허무는 융합 연구가 실질적인 성과로 이어지기 위해서는 연구의 지향점이 뚜렷해야 합니다. 막연하게 융합 연구를 도모하기보다는 해결해야 할 당면 과제가 명확할 때 비로소 각 분야의 전문성이 시너지를 낼 수 있습니다. 이번 프로젝트는 코로나19 확산의 메커니즘을 규명한다는 확고한 목표를 설정했습니다. 목표가 구체적일수록 참여자들은 자신의 학문적 도구를 어떻게 활용할지 정확히 인지하게 되며, 이는 연구의 효율성을 극대화하는 핵심 동력이 됩니다. 이번 융합 연구의 가장 큰 특징은 사회경제적 효과, 인문학적 관점, 인권 문제, 그리고 의학적 전문성까지 아우르는 광범위한 다양성에 있습니다. 통계물리학자와 감염병 전문가가 같은 정보를 바라보며 서로 다른 통찰을 나누고, 병원 현장의 목소리와 사회과학적 분석이 결합되는 과정은 매우 고무적입니다. 각자의 특기가 다른 전문가들이 공통의 주제를 해결하기 위해 모인 이 플랫폼은, 복잡한 사회적 문제를 다각도에서 조명하고 보다 입체적인 해결책을 모색하는 데 기여합니다. 대학이라는 공간은 다양한 학문적 배경을 가진 이들이 모여 새로운 연구 방법론을 실험하기에 최적의 플랫폼입니다. 이곳에서 이루어지는 데이터 기반의 융합 연구는 단순히 현재의 현상을 분석하는 데 그치지 않고, 우리가 미래의 위기에 대응하기 위해 어떤 추가적인 자원을 확보해야 하는지 논의하는 장이 됩니다. 여러 분야의 연구자들이 활발한 토론을 통해 확산 모형을 정교화해 나가는 과정은, 향후 발생할 수 있는 또 다른 팬데믹에 대비하는 과학적 자산이자 성공적인 융합 연구 모델이 될 것입니다.

[코로나 인터뷰] 김범준_ 데이터에 기반하지 않으면 과학이 아니다! 감염병 확산 모형

김범준

카오스재단코로나19 과학토크
  • 물리학
  • 생명과학