기술 요약: 성격 이질성이 조건화된 위협 학습의 신경 조직을 형성한다

문제 제기

성격 구조의 개인차와 공포 조건화의 신경 기제 사이의 관계는 정밀 정신의학(precision psychiatry)에서 여전히 해결되지 않은 중요한 과제이다. 높은 정서적 민감성(특히 신경증)은 정신적 취약성의 강력한 예측 인자이지만, 기존의 신경 영상 문헌은 성격이 위협 처리를 어떻게 형성하는지에 대해 상충되는 결과들을 제시해 왔다. 전통적인 접근 방식은 정서적 민감성을 위협에 대한 "과장된" 신경 반응으로 정의하곤 한다. 그러나 적응적인 공포 학습은 단순히 위협을 탐지하는 것뿐만 아니라, 위협 신호와 안전 신호를 정확하게 구별하는 능력에 달려 있다.

나아가, 신경적 위협 표상과 불안 관련 증상 사이의 관계가 개인에 따라 균일한지, 아니면 잠재적인 성격 이질성에 의존하는지는 불분명하다. 현재의 방법론들은 종종 단일 특성 상관관계나 임의적인 점수 분할(예: 중앙값 분할)에 의존하며, 이는 성격의 다차원적 특성을 포착하지 못하고 구별되는 신경생물학적 하위 유형을 가릴 수 있다. 본 연구는 성격으로 정의된 이질성이 조건화된 위협 학습의 신경 조직을 형성하는지, 그리고 신경적 위협 표상과 불안 증상 사이의 결합이 성격에 따라 달라지는지를 다룬다.

연구 방법론

참가자 및 설계

본 연구는 세 개의 독립적인 데이터 수집 사이트(NYU Grossman School of Medicine 및 UTHealth Houston의 두 코호트)에서 모집된 249명(연령 18~60세)의 다기관 코호트를 활용하였다. 참가자들은 기능적 자기공명영상(fMRI) 획득 과정 중 파블로프식 공포 조건화 패러다임을 수행하였다. 이 패러다임은 시각적 조건 자극(CS+)을 혐오적인 전기 충격과 쌍으로 결합하는 동시에, 쌍을 이루지 않는 안전 자극(CS−)을 유지하는 방식으로 진행되었다. 분석에는 공포 조건화 단계(Day 1)의 데이터만을 사용하였다.

성격 프로파일링 및 계층화

단일 특성 분석의 한계를 해결하기 위해, 저자들은 데이터 기반의 비지도 학습 접근 방식을 채택하였다:

• 도구: 다섯 가지 요인(신경증, 외향성, 개방성, 우호성, 성실성)을 다루는 NEO Five-Factor Inventory-3 (NEO-FFI-3)를 사용하였다.
• 클러스터링: 표준화된 5요인 프로파일에 가우시안 혼합 모델(Gaussian Mixture Model, GMM)을 적용하였다. 베이지안 정보 기준(BIC)을 통한 모델 선택 결과, 두 개의 클러스터 솔루션이 최적임이 확인되었다.
• 하위 그룹: 이 과정을 통해 참가자들을 두 개의 잠재적 하위 그룹인 저신경증(Low-Neuroticism) 그룹($n=154$)과 고신경증(High-Neuroticism) 그룹($n=95$)으로 계층화하였다. 이 분리는 주로 신경증 점수의 차이에 의해 주도되었다.
• 검증: 서브샘플링 안정성, 무작위 시드 일관성(Adjusted Rand Index, Normalized Mutual Information), 그리고 분할-반복 분석(split-half reproducibility analyses)을 통해 견고성을 확인하였다.

신경 영상 및 분석

• 데이터 획득: 사이트 효과를 완화하기 위해 CovBat을 사용하여 조화시킨 3T MRI 스캐너(Siemens Prisma/MAGNETOM)를 사용하였다.
• 신경 디코딩: 이전에 검증된 분산 신경 위협 디코더(24개 노드의 위협 회로 아틀라스 기반)를 사용하여 각 조건 블록에 대한 CS+ 및 CS− 단서의 "공포 확률(fear probability)" 점수를 추정하였다.
• 단변량 활성화: 일반 선형 모델(GLM)을 사용하여 초기 조건화 대조군(CS+ > CS−)을 하위 그룹 간에 비교하였으며, 복측 전전두엽 피질(vmPFC), 하부 슬하 전대상 피질(sgACC), 후대상 피질(PCC)에 초점을 맞추었다.
• 동적 기능적 연결성(dFC): 잭나이프 상관관계 절차를 사용하여 시행별(trial-wise) 연결성 변동을 정량화하였다. 분석은 24개 노드의 위협 회로 아틀라스와 442개 영역의 전뇌 파셀레이션(whole-brain parcellation) 내에서의 위협-안전 연결성 차이($\Delta FC = FC_{CS+} - FC_{CS-}$)에 집중하였다.
• 증상 및 행동 측정: 불안 민감도(ASI-3, ASI-Total), 특성 불안(STAI-Trait), 상태 불안(STAI-State)을 평가하였다. 주관적 공포 평가는 조건화 전후로 수집되었다.
• 예측 모델링: 교차 검증된 선형 회귀 모델을 통해 각 하위 그룹 내에서 공포 학습 관련 신경 특징이 불안 증상 심각도를 예측하는지 테스트하였다.

주요 결과

1. 고신경증 개인에서의 구별된 신경 조직

고신경증이 과장된 위협 반응을 반영한다는 가설과 달리, 고신경증 하위 그룹은 조건화된 위협과 안전 신호를 구별하는 능력이 감소한 모습을 보였다.

• 신경 디코딩: 초기 습득 단계에서 저신경증 그룹은 고신경증 그룹에 비해 CS+ 단서에 대해 유의미하게 높은 공포 확률 표현을 보였다. 고신경증 그룹은 조건화된 위협에 대한 신경적 표현이 약화되어 있었으나, 안전 단서에 대한 반응은 두 그룹 간에 유사하게 유지되었다.
• 지역적 활성화: 저신경증 그룹은 CS+ > CS− 대조군 동안 vmPFC, sgACC, PCC에서 더 높은 위협 관련 활성화를 나타냈다. 고신경증 그룹은 이 영역들에서 유의미하게 감소된 활성화를 보였다.
• 동적 기능적 연결성: 저신경증 그룹은 더 강한 위협-안전 연결성 차별화를 보였다. 유의미한 하위 그룹 차이는 **PCC–중심내측 편도체(cmAMY), 배측 전대상 피질(dACC)–안와전두피질(OFC), 그리고 전측두엽–중측 전두회(precentral–middle frontal gyrus, MFG)**를 포함하는 연결에서 관찰되었다. 전뇌 분석에서는 주의 네트워크(DAN), 소뇌 네트워크(CEM), 전두정엽 제어 네트워크(CON), 감각운동 네트워크(SMN)와 관련된 상호작용에서의 차이가 드러났다.

2. 증상 프로필 및 행동적 해리

• 특성 vs. 상태: 고신경증 하위 그룹은 저신경증 그룹에 비해 특성 관련 척도(ASI-3, ASI-Total, STAI-Trait)에서 유의미하게 높은 점수를 보였다. 그러나 **상태 불안(STAI-State)**은 그룹 간에 유의미한 차이를 보이지 않았다.
• 행동 수행: 뚜렷한 신경학적 차이에도 불구하고, 두 하위 그룹 간의 주관적 공포 평가는 유의미한 차이가 없었다. 즉, 두 그룹 모두 행동적으로 공포 연합을 성공적으로 습득하였다.

3. 성격 의존적 뇌-증상 결합

예측 모델링 결과는 결정적인 해리를 보여주었다:

• 고신경증 하위 그룹: 공포 학습 관련 신경 활성화 패턴은 불안 민감도(ASI-3 및 ASI-Total) 점수를 유의미하게 예측하였다. 더 강한 위협-안전 활성화 대조가 더 높은 증상 심각도와 관련이 있었다.
• 저신경증 하위 그룹: 신경 특징과 증상 심각도 사이의 유의미한 예측 관계가 발견되지 않았다.
• 전체 표본: 하위 그룹으로 나누지 않고 전체 코호트를 분석했을 때는 유의미한 예측이 관찰되지 않았으며, 이는 성격 구조가 뇌-증상 관계를 은폐하거나 조절하고 있음을 시사한다.

의의 및 주장

본 논문은 성격으로 정의된 이질성이 단순한 노이즈가 아니라, 위협 학습의 신경생물학을 구성하는 근본적인 조직자라고 주장한다. 저자들의 주장은 다음과 같다:

1. 취약성의 기제: 고신경증은 위협 반응의 "과장된 부피"가 아니라, 신경 수준에서 위협과 안전를 구별하는 능력의 감소로 특징지어진다. 이는 vmPFC, sgACC, PCC의 참여 감소와 분산된 위협 처리 네트워크 내의 역동적 협응 약화에 근거한다.
2. 특성 vs. 상태: 관찰된 신경적 차이는 일시적인 상태의 변화나 명백한 행동적 반응보다는 안정적인 특성적 취약성(불안 민감도)과 관련이 있다.
3. 정밀 정신의학적 함의: 신경적 위협 표상과 불안 증상 사이의 관계는 성격 의존적이다. 공포 학습의 신경적 표지는 고신경증 개인 내에서만 불안 취약성을 예측한다. 따라서 다차원적 성격 프로파일링을 통합하는 것은 생물학적으로 의미 있는 하위 그룹을 식별하고 층화된 개인 맞춤형 개입을 개발하는 데 필수적이다.
4. 신경 표적: 본 연구는 vmPFC, sgACC, PCC 및 그 네트워크 역동성을 성격 의존적 위협 학습과 관련된 수렴 영역으로 식별하였으며, 이는 향에 대한 신경 조절 연구(예: TMS, tDCS, 뉴로피드백)의 잠재적 표적이 될 수 있음을 시사한다.

저자들은 본 연구가 임상 환자가 아닌 일반 인구를 대상으로 수행되었으며, 공포 소거(extinction)의 역할이 아닌 습득 단계에만 초점을 맞추었다는 점을 언급하며 인과적 주장에 대해 신중한 태도를 유지하였다.