eyeris: A flexible, extensible, and reproducible pupillometry preprocessing framework in R

이 논문은 fMRI 나 EEG 분야의 표준 도구에 필적하는 표준화된 전처리 프레임워크가 부재한 동공 측정 (pupillometry) 연구의 공백을 메우고, 재현성과 FAIR 원칙을 준수하는 모듈형 오픈소스 R 패키지인 'eyeris'를 소개합니다.

핵심

🧐 동공 측정이란 무엇인가요?

우리의 눈동자 크기는 단순히 빛의 양에만 반응하는 게 아닙니다. 우리가 집중할 때, 놀랄 때, 스트레스를 받을 때, 혹은 기억을 떠올릴 때 눈동자가 미세하게 커지거나 작아집니다. 마치 마음의 '등'이 켜지거나 꺼지는 것처럼요.

과학자들은 이 눈동자의 변화를 통해 인간의 생각과 감정을 읽어내려 합니다. 하지만 문제는, 눈동자 데이터가 너무 더럽고 지저분하다는 것입니다.

🌪️ 문제: "더러운 데이터"와 "혼란스러운 조리법"

눈동자 카메라로 데이터를 찍으면 다음과 같은 문제들이 생깁니다.

1. 깜빡임 (Blink): 사람이 눈을 깜빡이면 데이터가 끊깁니다.
2. 떨림 (Jitter): 머리가 살짝 움직이거나 카메라가 초점을 잃으면 데이터에 날카로운 '뾰족한 찌꺼기'가 생깁니다.
3. 노이즈: 잡음으로 인해 진짜 신호가 가려집니다.

기존에는 이 더러운 데이터를 깨끗하게 다듬는 방법이 연구자마다 달랐습니다. 마치 요리사마다 같은 재료를 다듬는 방식이 제각각이라서, 같은 요리를 해도 맛이 완전히 다르게 나오는 것과 같습니다. 이로 인해 "내 연구 결과는 맞는데, 너의 연구 결과는 왜 틀린 거야?"라는 혼란이 생기고, 과학적 신뢰도가 떨어졌습니다.

🛠️ 해결책: '아이리스 (eyeris)'라는 자동 세척기

이 논문은 **아이리스 (eyeris)**라는 R 언어 기반의 소프트웨어를 소개합니다. 이는 동공 데이터를 위한 '올인원 자동 세척 및 정제 공장' 같은 역할을 합니다.

1. 투명 유리 상자 (Glass-box) 방식

기존의 많은 프로그램은 '블랙박스 (Black-box)'였습니다. 버튼을 누르면 결과가 나오지만, 무엇이 어떻게 변했는지 알 수 없는 상태였죠.
하지만 아이리스는 **'유리 상자'**입니다.

• 비유: 음식을 조리할 때, 모든 재료가 어떻게 다듬어지고, 어떤 양념이 얼마나 들어가는지 투명한 유리창을 통해 실시간으로 볼 수 있는 주방입니다.
• 연구자는 각 단계 (깜빡임 제거, 노이즈 제거, 다듬기 등) 가 어떻게 데이터에 영향을 미치는지 직접 확인하고, 필요하면 수정할 수 있습니다.

2. 표준화된 조리법 (Prescribed Workflow)

아이리스는 "이 순서대로 하세요"라고 정해진 표준 레시피를 제공합니다.

• 비유: 요리를 할 때, "먼저 채소를 씻고, 그다음에 고기를 자르고, 마지막으로 볶으세요"라고 정해진 순서를 따라야 맛있는 요리가 나옵니다. 연구자들이 임의로 순서를 바꾸면 (예: 고기를 먼저 자르고 채소를 씻으면) 요리가 망가집니다. 아이리스는 이 올바른 순서를 자동으로 지켜줍니다.

3. 자동 보고서와 품질 관리 (Quality Control)

데이터를 처리하면 자동으로 **예쁜 보고서 (HTML)**가 만들어집니다.

• 비유: 공장에서 물건을 가공할 때, 각 단계별 품질 검사 사진과 기록이 자동으로 찍혀서 파일로 저장됩니다. 나중에 "이 데이터가 정말 깨끗한가?"를 확인할 때, 수천 개의 데이터를 일일이 눈으로 확인할 필요 없이 이 보고서를 보면 됩니다.

4. 대량 데이터 관리 (Database)

수천 명의 데이터를 다룰 때, 엑셀 파일 (CSV) 수천 개를 관리하는 건 지옥 같은 일입니다.

• 비유: 아이리스는 수천 개의 종이 파일을 **하나의 거대한 디지털 도서관 (데이터베이스)**으로 통합해 줍니다. 필요한 책 (데이터) 만 빠르게 찾아낼 수 있게 해줍니다.

🌟 왜 이것이 중요한가요?

이 도구가 나오기 전까지, 동공 측정 연구는 **"내가 이걸 어떻게 처리했는지 설명하기 어렵고, 남이 내 연구를 따라 하기 힘들었다"**는 문제가 있었습니다.

아이리스는 다음과 같은 변화를 가져옵니다:

• 재현성 (Reproducibility): 누구나 같은 데이터를 넣으면 같은 결과를 얻을 수 있습니다.
• 투명성 (Transparency): 모든 처리 과정이 기록되어 남에게 보여줄 수 있습니다.
• 접근성 (Accessibility): 코딩 실력이 없는 연구자도 몇 줄의 명령어로 전문가 수준의 데이터 정제가 가능합니다.

📝 한 줄 요약

**아이리스 (eyeris)**는 눈동자 데이터라는 '더러운 원석'을, 투명하고 표준화된 공정을 통해 누구나 신뢰할 수 있는 '보석'으로 다듬어 주는 자동화 도구입니다. 이를 통해 심리학 및 신경과학 연구의 신뢰도를 한 단계 업그레이드하려는 것이 이 논문의 핵심 목표입니다.

기술 요약

논문 요약: eyeris - R 기반의 유연하고 확장 가능하며 재현 가능한 동공 측정 (Pupillometry) 전처리 프레임워크

1. 문제 제기 (Problem)

동공 측정 (Pupillometry) 은 주의, 각성, 감정 상태 등 인지 및 자율신경 과정을 연구하는 비침습적 도구로 널리 사용되지만, 데이터 전처리 분야에서 다음과 같은 심각한 격차가 존재합니다.

• 표준화 부재: fMRI(fMRIPrep) 나 EEG(EEGLAB, MNE-Python) 분야와 달리, 동공 측정 연구에는 널리 채택된 표준화된 전처리 파이프라인이 부재합니다.
• 재현성 위기: 기존 도구들은 대부분 유연한 툴박스 형태이거나 특정 프로젝트에 국한되어 있어, 연구자들이 전처리 단계에서 과도한 자유도 (Garden of Forking Paths) 를 가지게 됩니다. 이는 분석 결과의 재현성을 저해하고 Type I 오류 (거짓 양성) 를 유발할 수 있습니다.
• FAIR 원칙 미준수: 대부분의 기존 솔루션은 데이터의 검색성 (Findability), 접근성 (Accessibility), 상호 운용성 (Interoperability), 재사용성 (Reusability) 을 위한 FAIR 원칙에 부합하도록 설계되지 않았습니다.
• 기술적 진입 장벽: 많은 심리학 연구자들이 소프트웨어 공학 훈련이 부족하여 비효율적인 프로그래밍 관행이나 재현 불가능한 분석 코드를 작성하는 경향이 있습니다.

2. 방법론 (Methodology)

저자들은 이러한 격차를 해결하기 위해 eyeris라는 R 패키지를 개발했습니다. 이는 fMRIPrep 과 유사한 '유령 상자 (Glass-box)' 철학을 기반으로 설계된 통합 전처리 프레임워크입니다.

• 핵심 진입점: glassbox() 함수

  • 원시 데이터 (.asc 파일) 를 입력받아 표준화된 전처리 파이프라인을 자동으로 실행합니다.
  • 상호작용 모드 (Interactive): 각 전처리 단계 후 시각적 진단 플롯을 제공하여 사용자가 파라미터를 최적화하고 결과를 확인하도록 유도합니다.
  • 헤드리스 모드 (Headless): 클라우드 클러스터 등 대규모 데이터 처리를 위해 자동화 및 배치 처리가 가능합니다.
  • 기본 설정: 신호 처리 모범 사례 (Best Practices) 에 기반한 권장 파라미터를 기본값으로 제공하지만, 사용자는 각 단계의 파라미터를 오버라이드할 수 있습니다.

• 시퀀스 기반 전처리 모듈 (Sequential Preprocessing Steps)
  glassbox() 는 다음 단계들을 엄격한 순서로 수행합니다:

  1. 데이터 로딩 (load_asc): SR Research EyeLink 의 .asc 파일 파싱 및 메타데이터 추출.
  2. 깜빡임 제거 (deblink): 눈깜빡임으로 인한 결측치 및 주변 아티팩트를 NA 로 채우고 확장 (Extend) 하여 제거.
  3. 임시 아티팩트 제거 (detransient): 추적 불안정성이나 머리 움직임으로 인한 급격한 펄스 (Spike) 를 속도 기반 임계값 (MAD 기반) 으로 탐지 및 제거.
  4. 선형 보간 (interpolate): 제거된 구간의 결측치를 선형 보간하여 연속된 시계열 복원.
  5. 저역 통과 필터링 (lpfilt): 4Hz 통과대역 및 8Hz 차단대역을 갖는 Butterworth 필터 적용 (노이즈 제거).
  6. 다운샘플링 (downsample) 또는 버깅 (bin): 샘플링 속도 조절 (에일리어싱 방지 필터 적용).
  7. 트렌드 제거 (detrend): (기본 비활성화) 작업 시간 효과 (Time-on-task effect) 와 같은 선형 드리프트 제거.
  8. Z-스코어링 (zscore): 참가자 간 생리적 차이 보상을 위해 평균 0, 표준편차 1 로 정규화 (기본 활성화).

• 추가 기능

  • 이벤트 기반 에포킹 (epoch): EEGLAB 의 pop_epoch 와 유사하게, 이벤트 메시지 문자열 패턴 (Wildcard 및 {curly-brace} 구문) 을 사용하여 트라이별 데이터 추출 및 메타데이터 자동 파싱.
  • BIDS 유사 구조 (bidsify): 전처리된 데이터를 BIDS(Brain Imaging Data Structure) 스타일의 디렉토리 구조로 자동 저장.
  • 데이터베이스 저장: DuckDB 를 기반으로 한 통합 데이터베이스 백엔드 제공. 대규모 데이터셋의 효율적인 저장, 쿼리, 공유 지원.

3. 주요 기여 (Key Contributions)

1. 표준화된 전처리 파이프라인 제공: 동공 측정 연구 최초로 fMRI/EEG 분야 수준의 표준화된 전처리 워크플로우를 제시하여 재현성을 높였습니다.
2. 유연성과 확장성: 모듈형 아키텍처를 통해 사용자가 커스텀 전처리 단계를 쉽게 추가하고 파이프라인에 통합할 수 있도록 설계되었습니다.
3. 상호작용형 품질 관리 (QC): 각 전처리 단계별로 자동 생성되는 대화형 HTML 진단 리포트를 통해, 연구자가 수천 개의 트라이를 효율적으로 검토하고 아티팩트를 식별할 수 있게 했습니다.
4. FAIR 원칙 준수: 메타데이터 관리, BIDS 유사 파일 구조, DuckDB 기반 데이터베이스 저장 기능을 통해 데이터의 검색성, 접근성, 상호 운용성, 재사용성을 보장합니다.
5. 대규모 데이터 처리 지원: CSV 파일 기반의 비효율성을 극복하기 위해 DuckDB 를 활용한 단일 데이터베이스 파일 저장 및 Parquet 형식 내보내기 기능을 제공하여 클라우드 기반 대규모 분석을 가능하게 했습니다.

4. 결과 (Results)

• 사용성: glassbox() 함수를 사용하면 원시 데이터를 3 줄의 코드만으로 표준화된 전처리 데이터와 진단 리포트로 변환할 수 있습니다.
• 재현성: 모든 전처리 단계와 파라미터 설정이 자동으로 기록되어 (Provenance), 분석 과정의 투명성이 확보되었습니다.
• 확장성: 커스텀 함수 작성 가이드 (Box 7) 를 통해 개발자들이 새로운 전처리 알고리즘을 패키지에 쉽게 통합할 수 있음을 시연했습니다.
• 데이터 관리: DuckDB 백엔드를 통해 수천 명의 참가자 데이터를 단일 파일로 관리하고, SQL 쿼리 없이도 복잡한 필터링 및 집계 분석이 가능함을 확인했습니다.

5. 의의 및 중요성 (Significance)

• 연구 방법론의 혁신: 동공 측정 연구의 '분기 경로 (Forking paths)' 문제를 해결하여, 연구자들이 데이터 전처리보다는 가설 검증에 집중할 수 있는 환경을 조성합니다.
• 신뢰성 있는 추론: 표준화된 전처리와 엄격한 품질 관리 프로세스를 통해 심리과학 및 신경과학 분야에서 동공 측정 데이터의 신뢰성을 크게 향상시킵니다.
• 오픈 사이언스 촉진: 오픈 소스 R 패키지로서, 프로그래밍 숙련도가 낮은 연구자부터 고급 개발자까지 모든 수준의 연구자가 접근할 수 있으며, 데이터 공유 및 재분석을 용이하게 합니다.
• 미래 지향성: 대규모 다기관 연구 및 클라우드 컴퓨팅 환경에서의 동공 측정 연구 수행을 위한 인프라를 마련하여, 인지 노화 및 신경퇴행성 질환 연구 등 임상적 응용 분야로의 확장을 지원합니다.

결론적으로, eyeris는 동공 측정 연구의 재현성 위기를 해결하고, 표준화된 모범 사례를 정립하여 이 분야의 과학적 엄밀성을 높이는 데 기여할 핵심 도구로 평가됩니다.