Evaluating State-Transition Models in Short Resting-State fMRI with Continuous-Dynamics Controls

인간의 뇌는 정적인 기계가 아닙니다. 그것은 거대한 뉴런 네트워크가 끊임없이 리드미컬한 대화를 나누며 밝아졌다 어두워지기를 반복하는, 살아 움직이는 변화무쌍한 풍경입니다. 과학자들은 특히 뇌가 특정 과업에 집중하지 않는 휴식 상태일 때, 이 대화의 양상을 지도화하기 위해 오랫동안 노력해 왔습니다. 이를 연구하는 한 가지 대중적인 방법은 뇌를 마치 집 안의 서로 다른 방들을 옮겨 다니는 사람처럼, 몇 개의 뚜렷한 '상태' 사이를 건너뛰는 여행자로 상상하는 것이었습니다. 각 방은 특정한 활동 패턴을 나타내며, 그 사이의 여정은 뇌가 어떻게 스스로를 조직하는지를 드러낸다고 여겨집니다. 이 접근 방식은 뇌가 한 상태에서 다른 상태로 넘어갔을 때를 추측하는 통계적 도구에 의존하며, 이러한 변화를 갑작스럽고 불연속적인 사건으로 취급합니다. 하지만 이 방법은 뇌가 도약하며 움직인다고 가정하지만, 실제 뇌의 활동은 강물처럼 매끄럽고 연속적이며 결코 진정으로 멈추지 않는 흐름일 수 있습니다. 만약 뇌의 본질이 흐르는 강물인데 우리가 그것을 일련의 디딤돌로 묘사하려 한다면, 우리는 존재하지 않는 패턴을 보게 될 수도 있습니다.

한 연구팀은 이러한 겉보기상의 도약이 실제인지, 아니면 우리가 데이터를 바라보는 방식에 의해 만들어진 환상인지 테스트하기 위해 연구를 시작했습니다. 그들은 두 가지 서로 다른 예측 방식을 비교했습니다. 첫 번째 방법은, 즉 '방을 옮겨 다니는' 방식은 뇌가 현재 어떤 '상태'에 있는지 결정함으로써 다음 순간을 예측하려고 합니다. 두 번째 방법은 대조군으로서 사용되었는데, 이는 최근의 뇌 활동 이력을 단순히 살펴보고, 갑작스러운 도약이 존재한다고 가정하지 않은 채 매끄럽고 연속적인 흐름을 바탕으로 미래를 예측합니다. 어떤 방법이 더 나은지 확인하기 위해, 그들은 수천 번의 컴퓨터 시뮬레이션을 수행했습니다. 일부 시뮬레이션에서는 뇌 활동이 실제로 상태 사이를 도약하도록 프로그래밍했습니다. 다른 시뮬레이션에서는 바퀴가 돌거나 파도가 치는 것처럼 매끄럽고 연속적인 곡선을 그리며 움직이도록 프로그래밍했습니다. 그런 다음 두 가지 예측 방법을 사용하여 이 가상의 뇌들이 보여줄 다음 활동 순간을 맞히게 했고, 어떤 모델이 더 정확한지 관찰했습니다.

조건이 안정적일 때 결과는 명확했습니다. 시뮬레이션된 뇌가 실제로 상태 사이를 도약할 때는 '방을 옮겨 다니는' 방식이 대개 더 나은 예측력을 보였습니다. 반면, 시뮬레이션된 뇌가 매끄럽게 움직일 때는 연속적인 흐름을 가정하는 방식이 훨씬 더 정확했습니다. 이는 이론적으로 두 방법이 도약하는 뇌와 흐르는 뇌를 구별할 수 있음을 시사했습니다. 그러나 연구진은 이 결론이 얼마나 취약할 수 있는지 확인하기 위해 반전을 도입했습니다. 근본적인 뇌 활동은 똑같이 유지하면서, 테스트 단계에서 데이터를 매끄럽게 만드는 방식(smoothing)을 변경하여 실제 뇌 스캔에서 노이즈를 제거하는 과정을 모사했습니다. 놀랍게도, 데이터를 처리하는 이 작은 변화만으로도 '방을 옮겨 다니는' 방식이 갑자기 승자인 것처럼 보이게 만들었습니다. 뇌는 여전히 매끄럽고 연속적인 곡선을 그리며 움직이고 있었음에도 불구하고 말입니다. 데이터가 측정되는 방식이 변했다는 이유만으로, 도약을 가정하는 모델이 매끄러운 데이터를 더 잘 예측하게 된 것입니다.

연구진은 이와 동일한 비교를 정상 인지 기능, 경도 인지 장애, 치매 환자를 포함한 270명의 실제 뇌 스캔 데이터에 적용했습니다. 그들은 이 스캔 데이터들을 두 가지 예측 모델에 입력하여, 다음 순간의 뇌 활동을 누가 더 잘 예측하는지 확인했습니다. 대다수의 경우, 매끄럽고 연속적인 흐름을 가정하는 모델이 더 나은 예측력을 보였습니다. 이 모델은 신뢰할 만한 길이를 가진 184개의 기록 중 160개에서 '방을 옮겨 다니는' 모델보다 우수한 성능을 보였으며, 더 짧은 기록들에서도 그러했습니다. 이는 이 연구 대상자들의 경우, 휴식 중의 뇌 활동이 별개의 멈춤이 있는 상태라기보다는 연속적인 흐름에 더 가깝다는 것을 시사합니다. 더욱이, 연구진이 '방을 옮겨 다니는' 모델이 매끄럽고 연속적인 시뮬레이션 속에서 도약을 찾도록 강제했을 때, 그 모델은 실제로 도약을 찾아냈습니다. 모델은 뇌가 마치 하나의 상태에서 다른 상태로 이동하는 것처럼 선호하는 이동 방향을 식[]별해 냈는데, 실제로는 그러한 상태 자체가 존재하지 않았음에도 말입니다. 이는 해당 모델이 완전히 매끄러운 과정으로부터 불연속적인 전이(transition)라는 이야기를 지어낼 수 있음을 증명했습니다.

연구는 뇌의 스캔에서 '상태 전환'을 보는 것이 반드시 뇌가 실제로 전환되었음을 의미하는 것은 아니라고 결론짓습니다. 겉으로 보이는 도약은 데이터를 분석하는 수학적 도구의 산물이거나, 분석 전 신호를 필터링하고 매끄럽게 처리하는 과정의 결과일 수 있습니다. 연구진은 테스트 중에 사용하는 필터를 바꾸는 것만으로도 결과가 뒤바뀔 수 있으며, 이로 인해 연속적인 과정이 불연서적인 과정처럼 보일 수 있다는 것을 발견했습니다. 이것이 뇌에 별개의 상태가 전혀 없다는 것을 증명하는 것은 아니지만, 단지 모델이 어떤 것을 찾아냈다고 해서 그것이 존재한다고 가정해서는 안 된다는 점을 보여줍니다. 뇌 활동의 진정한 본질을 이해하기 위해서, 과학자들은 자신의 발견을 연속적인 흐름을 가정하는 모델과 비교해야 하며, 데이터를 측정하는 방식이 변하더라도 그 결론이 유효한지 확인해야 합니다. 시뮬레이션과 실제 사례의 증거들은 뇌의 휴식기 활동이 종종 연속적인 변동의 춤과 같다는 것을 시사하며, 이를 일련의 갑작스러운 도약으로 해석하는 데에는 훨씬 더 많은 주의가 필요함을 보여줍니다.