Estimating measures of information processing during cognitive tasks using functional magnetic resonance imaging

기술 요약: 과업 기반 fMRI에서의 정보 처리 척도 추정

문제 제기
인지 기능은 점차 정보 처리 과정으로 개념화되고 있으나, 표준적인 기능적 자기공명영상(fMRI) 분석은 주로 국소적 활성화 또는 기능적 연결성(상관관계 기반)에 집중되어 있습니다. 이러한 기존 방식은 신경계 내에서 정보가 어떻게 저장되고, 전달되며, 통합되는지를 정량화하지 못합니다. 또한, 정보 이론적 척도를 과업 기반 fMRI에 적용하는 데에는 중대한 방법론적 장애물이 존재합니다. 과업 기록은 본질적으로 짧고 비정상성(non-stationary)을 띠며, 느린 혈류역학적 응답 함수(HRF)는 신경 활동의 시간적 역동성을 가립니다. 기존 접근법들은 대개 정상성 가정이 성립하는 휴지기 데이터에 의존해 왔으며, 이로 인해 특정 인지적 요구가 발생하는 동안의 정보 처리 특성을 규명하는 데 공백이 발생했습니다.

방법론
저자들은 과업 기반 fMRI 데이터로부터 세 가지 핵심 정보 이론적 척도인 능동 정보 저장(Active Information Storage, AIS), 전이 엔트로피(Transfer Entropy, TE), 그리고 **순 시너지(Net Synergy)**를 추정하기 위한 프레임워크를 제안합니다. 본 연구는 Human Connectome Project(HCP) 데이터를 활용하며, 특히 470명의 참가자를 대상으로 한 작업 기억(N-back) 과업(0-back 및 2-back 조건)과 독립적인 휴지기 기록을 사용합니다.

방법론적 파이프라인은 다음 단계들을 통해 주요 과제들을 해결합니다:

1. 전처리: 표준 fMRI 전처리(움직임 보정, 노이즈 회귀)가 적용되었습니다. 결정적으로, 저자들은 데이터에서 HRF를 제거하기 위해 **블라인드 디컨볼루션(blind deconvolution)**을 적용하여, 정보 흐름 추정을 왜곡하는 시간적 흐림 현상을 완화했습니다.
2. 교차 상호 정보량(Cross Mutual Information, Cross MI): 짧고 비정상적인 과업 데이터의 한계를 극복하기 위해, 저자들은 교차 상호 정보량을 사용하는 최근 개발된 접근 방식을 채택했습니다. 전통적인 "조건부" MI는 과업에 기초하여 확률 분포를 정의하지만, Cross MI는 휴지기와 과업 데이터를 결합하여 도출된 **참조 분포(reference distribution)**를 사용합니다. **검정 분포(test distribution)**는 특정 과업 조건(예: 2-back)으로부터 도출됩니다. 이를 통해 본 프레임워크는 과업 특이적 의존성이 피험자의 더 넓은 기저 활동과 비교했을 때 얼마나 이례적인지를 결정할 수 있으며, 이는 짧은 기록에 대해 더욱 견고한 맥락을 제공합니다.
3. 추정량: 모든 척도는 JIDT 툴박스에 구현된 KSG1 추정량(Kraskov et al., 2004)을 사용하여 계산되었습니다. fMRI 고유의 자기상관을 처리하기 위해, 추정 과정 중 자기상관이 있는 샘플은 제외되었습니다.
4. 분석 전략: 각 시점에서의 국소적(순간적) 척도가 계산되었습니다. 이후 일반 선형 모델(GLM)을 적합시켜 조건 특이적 평균값을 추출했습니다. 연구는 두 가지 대조군에 집중했습니다: 2-back vs. rest(일반적인 과업 참여 포착) 및 2-back vs. 0-back(감각 및 운동 요구를 통제함으로써 작업 기억 특이적 처리를 분리).

주요 기여

• 방법론적 프레임워크: 본 논문은 HRF 디컨볼루션과 Cross MI 접근법을 통합함으로써 과업 기반 fMRI에 정보 이론적 척도를 적용하는 새로운 파이프라인을 구축했습니다. 이는 비정상성과 제한된 샘플 크기라는 과업 데이터의 문제를 구체적으로 해결합니다.
• 측도 간 차별화: 본 연구는 Cross MI가 조건부 MI보다 더 일관되고 해석 가능한 대조를 제공하며, 특히 기저 활동과 구별되는 과업 유발 의존성을 식별하는 데 탁-월함을 입증했습니다.
• 시너지와 중복의 정량화: 순 시너지를 계산함으로써, 본 프레임워크는 단순한 연결성을 넘어 지역 간 상호작용이 주로 시너지적인지(입력이 결합될 때만 드러나는 정보) 아니면 중복적인지(겹치는 정보)를 구분합니다.

결과
HCP N-back 과업 분석 결과, 정보 처리의 뚜렷한 패턴이 나타났습니다:

• 정보 저장(AIS): 2-back vs. rest 대조에서 AIS는 전역적으로 증가했으며, 시각 모듈에서 가장 유의미한 상승이 관찰되었습니다. 2-back vs. 0-back 대조(작업 기억 격리)에서는 AIS가 전두-두정엽 영역에서 구체적으로 증가하였는데, 이는 전통적인 활성화 패턴을 반영하면서도 신경 표상의 시간적 안정성을 정량화한 것입니다.
• 정보 전달(TE): 2-back vs. rest 대조에서는 시각 영역에서 다른 모듈로 향하는 지배적인 정보 유출이 관찰되었습니다. 2-back vs. 0-back 대조에서는 피질 전반에 걸쳐 정보 전달이 증가하여, 작업 기억이 분산된 프로세스임을 시사했습니다. 그러나 특정 모듈(VIS B 및 CON A) 내에서의 전달은 감소하였으며, 이는 더 국소적인 처리를 향한 재구성을 나타냅니다.
• 순 시너지: 2-back vs. 0-back 대조 동안 대부분의 모듈에서 **중복(redundancy)**을 향한 전역적 변화가 관찰되었습니다. 이는 높은 인지 부하 하에서 뇌가 정보를 공유하기 위해 중복된 정보를 활용하도록 재구성되며, 잠재적으로 견고성을 높인다는 것을 시사합니다. 주목할 점은 특정 모듈(VIS B, CON A, DMN A)이 시너지를 향한 변화를 보였다는 것이며, 이는 해당 영역에서의 통합적 처리가 유지되거나 강화되었음을 나타냅니다.
• 행동 상관관계: 개인별 과업 수행 능력(2-back 정확도)은 전두엽 영역의 AIS 증가 크기 및 중복으로의 변화 강도와 유의미하게 연관되었습니다. 높은 정확도는 더 큰 정보 저장과 더 강한 중복 변화와 상관관계가 있었습니다. 전이 엔트로피(TE)와 수행 능력 사이에는 유의미한 연관성이 발견되지 않았습니다.

의의
본 논문은 활성화와 연결성을 넘어 정보의 저장, 전달, 통합의 역동성을 특징짓는, 과업 기반 fMRI에서 정보 처리를 정량화하는 새로운 방법론을 확립했다고 주장합니다. 연구 결과는 작업 기억이 단순히 활성화의 증가가 아니라 다음을 포함한다는 것을 시사합니다:

1. 전두-두정엽 네트워크에서 표상의 시간적 안정성(AIS) 강화.
2. 노이즈와 간섭에 대한 견고성을 지원하기 위한 중복된 정보 처리로의 전역적 재구성.
3. 특정 제어 및 시각 모듈에서의 선택적 시너지 처리.

저자들은 이러한 정보 이론적 척도가 전통적인 fMRI 분석을 보완하고 확장하여, 행동적으로 의미 있는 인지 기능의 지표를 제공한다고 주장합니다. 본 연구는 Cross MI와 HRF 디컨볼루션을 사용하여 과업 기반 fMRI의 인지 과정을 연구하는 것이 가능하다는 것을 검증하며, 뇌가 정보를 어떻게 인코딩하고, 저장하고, 조작하는지에 대한 원칙적인 프레임워크를 제시합니다.