Non-decision time-informed collapsing threshold diffusion model: A joint modeling framework with identifiable time-dependent parameters

당신의 뇌를 배심원단이 평결을 내리기 위해 고군분투하는 분주한 법정이라고 상상해 보십시오. 수십 년 동안 과학자들은 이 배심원단이 어떻게 작동하는지 이해하기 위해 특정한 '규칙서'를 사용해 왔습니다. 그 규칙서에 따르면, 배심원단은 소음이 섞인 혼란스러운 단서(증거)를 수집하고, 이것이 정해진 '유죄' 또는 '무죄' 선에 도달할 때까지 계속해서 더해 나갑니다. 일단 이 선을 넘으면 결정이 내려집니다.

하지만 새로운 연구는 이 규칙서가 다소 경직되어 있다고 시사합니다. 현실에서 배심원단은 고정된 선이 올 때까지 기다리지 않습니다. 시간이 흐름에 따라 조급해지거나 더 신중해지기도 하며, 이는 곧 넘어야 할 '선'이 실제로 위아래로 움직인다는 것을 의미합니다. 이를 **시간 의존적 임계값(time-dependent threshold)**이라고 부릅니다.

문제점: 안개 낀 거울
문제는 과학자들이 이 움직이는 선이 정확히 어떻게 작동하는지 측정하려고 할 때, 그 결과가 마치 안개 낀 거울 속의 반사상을 보는 것과 같다는 점입니다. 수치들이 신뢰할 수 없고 불안정하게 나타납니다. 이 때문에 연구자들은 그 수치들이 개별 인간에게 무엇을 의미하는지 해석하는 것을 거의 포기하고, 대신 어떤 모델이 서류상으로 더 나아 보이는지에만 집중해 왔습니다.

해결책: 새로운 탐정 도구
이 논문은 이 안개를 걷어낼 영리하고 새로운 방법을 소개합니다. 저자들은 '결합 모델링(joint modeling)' 접근 방식을 제안합니다. 다음과 같이 생각해 보십시오:

배심원단의 결정 과정을 하나의 경주라고 상상해 보십시오. 경주의 한 부분은 실제 사고 과정(증거 수집)이고, 다른 한 부분은 평결을 작성하고 발표하는 데 걸리는 시간(비결정 시간, non-decision time)입니다.

과거에 과학자들은 그 '작성하는 시간'이 얼마나 걸릴지 추측해야 했으며, 이 때문에 전체 경주 시간을 정확하게 계산하기가 어려웠습니다. 이 새로운 연구에서 연구자들은 외부 목격자인 EEG 뇌파 스캔을 투입했습니다.

그들은 뇌의 전기 신호를 '듣기' 위한 특별한 디지털 방법을 사용하여, 매 시행(trial)마다 그 '작성하는 시간'이 정확히 얼마나 걸렸는지에 대한 노이즈가 섞였지만 실시간적인 측정값을 추출했습니다. 그런 다음 이 정보를 수학적 모델에 직접 입력했습니다.

결과: 더 선명한 그림
"이봐, 우리는 이 특정 시행에서 작성이 얼마나 걸렸는지 정확히 알고 있어"라고 모델에 알려줌으로써, 모델은 더 이상 추측하는 데 에너지를 낭비하지 않아도 됩니다. 대신 모델은 움직이는 결정 임계값이 실제로 어떻게 작동하는지를 파악하는 데 집중할 수 있습니다.

저자들은 이를 두 가지 방식으로 테스트했습니다:

1. 시뮬레이션: 그들은 가짜 데이터를 생성하여, 이러한 뇌파 측정값을 추가하는 것이 수학적으로 훨씬 더 신뢰할 수 있고 안정적이 된다는 것을 증명했습니다.
2. 실제 실험: 그들은 사람들이 시각적 결정을 내린 두 가지 실제 실험 데이터를 재분석했습니다. 뇌 신호를 사용하여 '작성 시간'을 확정함으로써, 그들은 두 가지 사실을 발견했습니다:
   • 마침내 결정 임계값이 시간에 따라 어떻게 변하는지에 대한 신뢰할 수 있는 수치를 얻을 수 있었습니다.
   • 모델이 이전보다 실제 인간의 행동에 훨씬 더 잘 부합했습니다.

요약하자면
이 논문은 질병을 치료하거나 미래를 예측한다고 주장하는 것이 아닙니다. 단지 이렇게 말할 뿐입니다: "우리의 의사결정 '움직이는 선'이 어떻게 작동하는지 이해하고 싶다면, 서류 작업을 마치는 데 걸리는 시간을 추측하는 것을 멈추십시오. 뇌파를 사용하여 그 시간을 직접 측정하십시오. 그러면 당신의 수학이 마침내 말이 통하게 될 것입니다."