딥러닝으로 보철 눈-뇌 통신 정밀화

캘리포니아 대학 산타바버라 캠퍼스를 비롯한 국제 공동 연구진이 심층 학습 인공지능을 활용해 시각 피질 보형물과 뇌 간 신호 전달의 정밀도를 향상시키는 데 성공했다. 연구진은 뇌의 시각 처리 영역에 전극을 이식해 전기 자극을 가할 때 신경세포가 어떻게 반응할지 예측하고 최적의 자극 패턴을 설계하는 딥러닝 모델을 개발했다. 이는 시신경이나 망막이 손상된 환자의 시력 회복을 목표로 하는 시각 프로스테시스 기술의 핵심 난제를 해결하는 전향적 진전이다. 기존 시각 보조 장치는 손상된 시각 경로를 우회하지 못해 적용 대상이 제한적이었다. 반면 뇌 피질에 직접 신호를 전달하는 보형물은 잠재력이 크나, 설정값과 실제 지각 사이의 불일치, 신경 반응의 실시간 변동성으로 인해 구현되는 인공 점의 형태와 밝기를 정확히 제어하는 데 한계가 있었다. 이를 극복하기 위해 연구진은 자극 파라미터뿐만 아니라 실험 직전의 뇌 기본 상태 데이터를 학습에 반영해, 신경 회로의 동적 변화를 실시간으로 보정하는 알고리즘을 구축했다. 2024년 스페인 IMED 엘체 병원에서 진행된 임상 시험에서 연구진은 시각 피질에 96채널 전극 어레이를 이식받은 뇌손상 실명자에게 해당 모델을 적용했다. AI 기반 설계 패턴은 표적 신경 활동을 더 정확하게 재현하며 기존 방식보다 낮은 전류로 작동했다. 또한 전극의 전기적 매개변수만으로는 예측이 어려웠던 실제 지각 내용을, 기록된 신경 활동 신호를 통해 훨씬 정교하게 예측할 수 있음을 입증했다. 연구진은 뇌가 단순한 픽셀 조합으로 작동하지 않음을 고려해, 자극을 고정값이 아닌 사용자 뇌 상태에 맞춰 적응형으로 조정하는 방향으로 기술을 발전시키고 있다. 해당 성과는 학술지 노이런에 게재되었으며, 개인의 신경 특성에 실시간으로 반응해 스스로 최적화되는 차세대 시각 보정 장치 상용화의 초석을 마련했다. 연구진은 향후 고정된 알고리즘 대신 사용자의 신경 가소성에 기반해 지속적으로 학습하는 적응형 프로스테시스가 다양한 실명 원인을 가진 환자에게 실질적인 시력 회복을 제공할 것으로 전망했다.