[로이슈 전여송 기자] 서울대병원 소아청소년정신과 김붕년 교수팀과 한국과학기술연구원(KIST), 멜버른대 공동연구팀은 인공지능(AI)이 기능적 자기공명영상(fMRI)에서 학습한 정보가 뇌의 생물학적 특성을 얼마나 반영하는지 평가하는 프레임워크를 개발했다고 11일 밝혔다.

이번 연구는 AI 모델의 예측 정확도뿐 아니라 모델이 학습한 내부 표현이 뇌 기능적 네트워크의 구조적 특성을 얼마나 반영하는지 평가하는 방법을 제시한 것이다. 연구 결과는 지난 10일 AI·데이터마이닝 학회 ‘ACM SIGKDD 2026’에서 발표됐다.

연구에는 서울대병원 소아청소년정신과 김붕년 교수와 임유빈 연구교수, KIST 뇌과학연구소 한경림 책임연구원과 강소현 박사후연구원, 멜버른대 컴퓨터공학부 한소연 교수와 정현석 연구원이 참여했다.

자폐스펙트럼장애는 제한된 관심과 반복적인 행동, 사회적 상호작용의 어려움 등을 특징으로 하는 신경발달장애다. 현재 진단과 경과 평가는 객관적인 생체표지자가 충분히 확립되지 않아 증상과 징후 관찰에 주로 의존하고 있다.

공동연구팀은 AI 모델의 내부 표현이 뇌 네트워크 구조 변화에 얼마나 민감하게 반응하는지 평가하는 ‘생성적 매니폴드 감사(Generative Manifold Auditing·GMA)’ 프레임워크를 제안했다.

연구팀은 정상 발달군 데이터를 바탕으로 전형적인 뇌 기능 연결 패턴을 학습한 표준 뇌 네트워크 모델을 구축했다. 이후 특정 뇌 영역의 연결을 가상으로 차단하고 이에 따른 AI 내부 표현의 변화를 분석했다.

또 변화가 단순한 정보 손실에 따른 것인지 뇌 네트워크 구조와 관련된 반응인지를 구분하기 위해 ‘민감도 격차(Sensitivity Gap)’ 지표를 도입했다. 이를 통해 AI 모델이 뇌 네트워크의 구조적 변화에 반응하는 정도를 정량적으로 평가했다.

연구팀은 해당 분석법을 다기관 데이터셋인 ABIDE와 서울대병원이 구축한 자폐 아동 임상 코호트에 적용했다. 그 결과 Denoising Autoencoder(DAE) 기반 생성형 AI 모델이 비교 모델보다 뇌 네트워크 구조 변화에 더 민감하게 반응하는 경향을 확인했다.

서울대병원 장기 코호트 분석에서는 자폐 임상 증상 지표인 K-CARS가 호전된 경우에도 신경 민감도 변화가 개인과 뇌 영역에 따라 다르게 나타날 수 있는 것으로 분석됐다. 연구팀은 임상 증상의 변화와 뇌 기능적 네트워크 변화가 개인별로 서로 다른 양상을 보일 가능성을 시사하는 결과라고 설명했다.

연구팀은 향후 GMA 프레임워크를 자폐스펙트럼장애의 바이오마커 후보 발굴과 치료 경과 예측 등에 활용할 수 있는지 추가 연구할 계획이다.

김붕년 서울대병원 소아청소년정신과 교수는 “이 연구는 증상 관찰을 넘어 뇌의 생물학적 특성을 바탕으로 자폐스펙트럼장애를 이해하고 평가하는 새로운 관점을 제시했다”며 “향후에는 이 프레임워크를 발전시켜 환자 개개인의 치료 경과를 예측하는 데까지 활용할 수 있도록 연구를 이어갈 계획”이라고 말했다.

전여송 로이슈(lawissue) 기자 arrive71@lawissue.co.kr