Intensity-based scattering correction enables in vivo two-photon imaging beyond 1 mm

뇌는 밀도가 높고 뿌연 생물학적 조직의 요새이며, 이는 빛을 이용해 뇌 내부를 깊숙이 들여다보는 것을 매우 어려운 과제로 만듭니다. 수십 년 동안 과학자들은 살아있는 뇌 내부를 놀라운 선명도로 들여다보기 위해 이광자 현미경(two-photon microscopy)이라는 강력한 영상 기술을 사용해 왔습니다. 이 방법은 빛의 펄스를 사용하여 아주 작은 형광 표지자가 빛나게 함으로써, 연구자들이 개별 세포와 그 연결을 볼 수 있게 해줍니다. 그러나 빛이 더 깊이 이동할수록, 빛은 마치 짙은 안개 속에서 확산되는 손전등 불빛처럼 뇌의 산란되는 조직에 부딪혀 튕겨 나갑니다. 이러한 산란은 이미지를 흐리게 만들고 신호를 약화시켜, 현미경의 시야를 뇌의 상층부인 피질(cortex) 안에 가두어 버립니다. 기억에 필수적인 해마(hippocampus)와 같은 더 깊은 구조를 보기 위해, 연구자들은 전통적으로 훨씬 더 복잡하고 비싼 삼광자 현미경으로 전환하거나, 생성하기 더 어려운 더 긴 파장의 빛을 사용해야 했습니다.

캘리포니아 대학교 데이비스 캠퍼스의 연구팀은 이제 표준 이광자 현미경의 한계를 이전보다 훨씬 더 깊은 곳까지 밀어붙일 수 있는 방법을 찾아냈습니다. 그들은 DeepFOCUS라고 불리는 새로운 방법을 개발했는데, 이는 이미지를 찍은 후에 흐릿한 사진을 보정하는 용도가 아니라, 빛이 뇌에 들어가기 전부터 빛의 형태를 조절하기 위해 인공지능을 사용합니다. 실시간으로 특정 빛 강도 패턴을 계산함으로써, 이 시스템은 산란되는 조직을 보상하여 빛이 표면 아래 1밀리미터 또는 그 이상에서도 날카롭게 초점을 맞출 수 있도록 합니다. 이 획기적인 성과는 신경과학 실험실에서 흔히 쓰이는 기존의 이광자 현미경을, 완전히 새로운 특수 하드웨어를 도입하지 않고도 깊은 뇌 구조를 볼 수 있도록 업그레이드할 수 있음을 의미합니다.

이 성과의 핵심은 연구진이 빛의 산란이라는 혼돈을 다루는 방식에 있습니다. 빛이 뇌를 통과할 때 빛은 뒤섞이며, 광자들은 무질서하게 목표 지점에 도착합니다. 전통적인 방법들은 이 뒤섞임을 역전시키기 위해 왜곡을 측정하고 그에 대한 역왜곡을 적용하려 하지만, 이는 신호가 정확하게 측정될 만큼 충분히 강하지 않은 깊은 조직에서는 종종 실패합니다. DeepFOCUS 팀은 다른 접근 방식을 취했습니다. 빛의 파면(wavefront)을 역전시키는 대신, 그들은 빛의 강도, 즉 밝기에 집중했습니다. 그들은 수천 개의 작은 거울로 덮인 칩인 디지털 미러 장치(digital micromirror device)를 사용하여 뇌에 무작위적인 빛 패턴을 투사했습니다. 이 패턴들이 조직에 부딪힐 때, 빛의 일부는 건설적으로 간섭하여 더 밝은 점을 만드는 반면, 다른 부분은 서로 상쇄됩니다.

시스템은 이후 뇌 속 형광 표지자로부터 발생하는 빛을 측정했습니다. 가벼운 자기 지도 학습형(self-supervised) 신경망이 이 밝기 측정값을 분석하여, 가장 효과적인 빛 패턴을 만들기 위해 칩 위의 어떤 특정 거울들을 켜야 하는지를 파악했습니다. 이 네트워크는 미리 학습된 이미지 데이터베이스에 의존하지 않고, 현재 관찰 중인 뇌의 구체적인 산란 조건으로부터 직접 학습했습니다. 일단 네트워크가 최적의 패턴을 식별하면, 그 패턴을 뇌에 투사하여 빛의 형태를 물리적으로 조절함으로써 산란되는 조직을 뚫고 목표물에 날카롭게 초점을 맞추도록 했습니다. 이 과정은 실시간으로 일어나며, 현미경이 이동함에 따라 이미지를 스캔하고 교정할 수 있게 합니다.

연구진은 살아있는 생쥐를 대상으로 이 시스템을 테스트하여, 뇌의 피질 전체 두께와 그 아래의 산란이 심한 백질(white matter)을 촬영했습니다. 보정이 없었을 때, 혈관과 뉴런의 이미지는 현미경이 깊이 들어감에 따라 불분명해지고 빠르게 희미해졌습니다. DeepFOCUS를 통해 연구진은 1.1밀리미터 깊이까지 형광 혈관을 성공적으로 촬영했으며, 1.2밀리미터 깊이에서 해마의 개별 뉴런을 시각화했습니다. 이 깊이에서 보정된 이미지는 미세한 모세혈관과 뉴런의 섬세한 가지와 같은 세밀한 디테일을 보여주었는데, 이는 사용된 파장의 표준 이광자 현미경으로는 이전에는 불가능했던 선명도였습니다. 시스템은 뇌를 작은 하위 영역들로 나누고 각 영역에 대해 고유한 교정 패턴을 계산함으로써, 뇌의 위치에 따라 산란 특성이 변하더라도 빛이 초점을 유지할 수 있도록 했습니다.

이 연구는 이광자 현미경의 깊이 한계가 고정된 장벽이 아니라, 더 똑똑한 빛 제어를 통해 극복할 수 있는 도전 과제임을 보여줍니다. 연구진은 신경망을 사용하여 적절한 강도 패턴을 계산함으로써, 기존의 복잡한 삼광자 시스템에서만 가능했던 깊이까지 신호를 회복할 수 있음을 입증했습니다. 이 방법은 흐릿한 이미지를 디지털적으로 복원하려고 시도하는 대신, 흥분 광(excitation light)을 물리적으로 형성하여 신호를 강화하는 방식으로 작동합니다. 이러한 차이점은 소프트웨어가 흐릿한 이미지가 어떠해야 하는지 추측할 때 발생할 수 있는 '환각(hallucinations)' 또는 가짜 세부 정보를 만드는 위험을 피한다는 점에서 매우 중요합니다. 대신, 시스템은 실제로 생성되는 형광을 측정함으로써 모든 교정 과정을 검증합니다.

이 연구의 함의는 신경과학 분야에서 매우 큽니다. 해마는 학습과 기억에 중요한 영역이지만, 침습적인 절차 없이 살아있는 동물에서 연구하기가 어려웠습니다. 손상되지 않은 뇌 내의 이 깊은 구조를 고해상도로 촬영할 수 있게 함으로써, DeepFOCUS는 신경 회로가 실시간으로 어떻게 기능하는지 관찰할 수 있는 새로운 문을 열어줍니다. 연구진은 이 시스템이 디지털 미러 장치와 필요한 소프트웨어를 갖춤으로써 기존의 이광자 현미경을 업그레이드하여 구현될 수 있으며, 이를 통해 전 세계 실험실들이 깊은 뇌 이미징에 더 쉽게 접근할 수 있게 될 것이라고 언급했습니다. 이 기술이 아직 뇌의 절대적인 가장 깊은 한계에 도달한 것은 아니지만, 표준 장비를 통해 가능한 경계를 넓힘으로써, 단순한 물리적 힘이나 더 복잡한 하드웨어가 아닌 지능적인 빛 강도 조절을 통해 깊은 조직 이미징이 달성될 수 있음을 증명했습니다.

또한 연구는 시스템의 견고성을 확보하기 위해 매개변수를 신중하게 평가했습니다. 연구진은 감지에 사용되는 빛 패턴의 수가 보정 품질에 어떤 영향을 미치는지 테스트하여, 속도와 정확도 사이의 신뢰할 수 있는 균형을 제공하는 특정 측정 횟수를 찾아냈습니다. 또한 신경망의 구조를 최적화하여, 불필요한 복잡성 없이 데이터를 효율적으로 처리할 수 있는 내부 처리 단위의 이상적인 크기를 결정했습니다. 이러한 테스트를 통해 시스템이 다양한 산란 조건에 적응하고 다양한 깊이와 조직 유형에 걸쳐 높은 성능을 유지할 수 있음을 확인했습니다. 결과는 일관되었으며, 이미지 밝기와 선명도에서 상당한 향상을 보였고, 일부 영역에서는 신호 강도가 거의 6배 가까이 증가했습니다.

궁극적으로, 이 연구는 깊은 뇌를 연구하기 위한 실질적인 경로를 제시합니다. 이는 현재의 이광자 기술 능력과 신경과학자들이 필요로 하는 피질하 영역에 대한 접근성 사이의 간극을 메워줍니다. 산란 문제를 신경망이 풀 수 있는 퍼즐로 바꿈으로써, 연구팀은 강력하면서도 적응력이 뛰어난 도구를 제공했습니다. 기존 실험실 설정과 호환되는 방법을 사용하여 살아있는 뇌 깊숙한 곳을 세포 수준의 해상도로 볼 수 있는 능력은, 건강 및 질병 상태에서의 복잡한 뇌 작용을 이해하는 데 있어 의미 있는 진전입니다. 이 작업은 광학 물리학과 현대 계산 방법론을 결합하여 오랫unique한 생물학적 과제를 해결하는 힘을 보여주는 증거입니다.