Pupil-DLC: an open-source deep learning pipeline for scalable, markerless tracking of pupil dynamics across conscious and unconscious states

당신의 눈 중앙에 있는 검은 점인 동공을, 뇌 내부에서 어떤 일이 일어나고 있는지 보여주기 위해 끊임없이 열리고 닫히는 아주 작은 살아있는 창문이라고 상상해 보세요. 당신이 깨어 있거나, 집중하거나, 심지어 꿈을 꾸고 있을 때도 이 창문의 크기는 변합니다. 과학자들은 뇌의 상태를 이해하기 위해 이러한 변화를 측정하기를 오랫동안 원해 왔지만, 지금까지 그들이 사용해 온 도구들은 마치 오래되고 투박한 카메라와 같았습니다. 그것들은 느리고, 새로운 상황에서 쉽게 고장 나며, 벌어지는 상황을 따라잡는 데 어려움을 겪습니다.

이 논문은 눈이라는 창문을 관찰하는 똑똑하고 지칠 줄 모르는 디지털 탐정 역할을 하는 새로운 무료 소프트웨어 도구인 Pupil-DLC를 소개합니다. 이 도구가 어떻게 작동하는지 쉬운 비유를 통해 설명하겠습니다.

"훈련 학교"
전문가가 되기 위해 Pupil-DLC는 거대한 훈련 학교에 다녔습니다. 이 도구는 130개 이상의 생쥐 영상에서 촬영된 2만 개 이상의 스냅샷을 학습했습니다. 이 생쥐들은 깨어 있고 활동적인 상태, 졸린 상태, 또는 다양한 약물(환각제 및 마취제 포함)의 영향을 받는 상태 등 온갖 다양한 "기분" 상태에 있었습니다. 인간 팀이 컴퓨터에게 정확히 무엇을 찾아야 하는지 가르치기 위해, 이 사진 속의 모든 동공을 하나하나 정성껏 라벨링했습니다.

"두 가지 도구 세트"
Pupil-DC는 단 하나의 방법만을 사용하는 대신, 두 가지 도구 세트를 제공합니다.

1. 일반 모델 (General Model, GM): 이것은 마스터 키라고 생각하면 됩니다. 적외선 카메라로 촬영된 거의 모든 생쥐 영상에서 즉각적으로 작동하도록 설계되어, 매번 개별적인 맞춤 설정 없이도 방대한 양의 데이터를 빠르게 분석하는 데 적합합니다.
2. 개별 모델 (Individual Model, IM): 이것은 맞춤 제작된 정장과 같습니다. 만약 특정 실험을 위해 극도로 정밀한 작업이 필요하다면, 이 도구는 해당 세션만의 고유한 특징에 맞춰 스스로를 미세하게 조정합니다.

왜 더 나은가
이 논문은 Pupil-DLC가 현재의 "골드 스탠다드(표준)" 도구들보다 더 정확하고 신뢰할 수 있다고 주장합니다. 이 도구는 단순히 추측하는 것이 아니라 **신뢰도 점수(confidence score)**를 제공합니다. 이는 마치 "이 동공이 열려 있다고 99% 확신합니다" 또는 "확신도가 60%뿐이니 이 부분은 다시 확인해 보는 것이 좋겠습니다"라고 알려주는 일기 예보와 같은 역할을 합니다. 이를 통해 연구자들은 정확도를 잃지 않으면서 어느 정도의 데이터를 유지할지 결정할 수 있습니다.

종(種)의 경계를 넘나들기
아마도 가장 놀라운 기술은 이 도구의 일반화 능력일 것입니다. 추가적인 훈련 없이도, Pupil-DLC는 생쥐 영상만큼이나 잘 인간의 적외선 눈 영상을 보고 동공을 추적할 수 있습니다. 만약 연구자들이 낮에 촬영된 인간의 영상이나 다른 카메라로 촬영된 영상으로 약간의 추가 훈련을 시킨다면, 이 도구는 그러한 조건들도 처리할 수 있습니다.

결론
Pupil-DLC는 어렵기만 했던 동공 변화 추적 작업을 매끄럽고 자동화된 과정으로 바꿔주는 오픈 소스 기반의 유연한 플랫폼입니다. 이를 통해 과학자들은 깊은 잠부터 약물의 영향에 이르기까지 매우 다양한 조건 속에서, 빠르고 정확하며 지속 가능하게 구축된 도구를 사용하여 생쥐와 인간 모두의 뇌 상태를 측정할 수 있습니다.