Automated Detection of Seizures in Rodents: Use of Artificial Intelligence (AI) to Improve Racine Score Scoring

뇌의 전기 신호가 잘못 전달되어 갑작스럽고 통제되지 않는 움직임이나 의식 변화를 일으키는 질환이 바로 뇌전증입니다. 인간에게 이 질환을 어떻게 치료할지 이해하기 위해, 과학자들은 인간과 유전적 유사성이 있어 신뢰할 수 있는 모델 역할을 할 수 있는 생쥐와 같은 작은 동물들을 자주 연구합니다. 이러한 실험에서 연구자들은 동물을 면밀히 관찰하여 발작의 심각도를 등급화합니다. 그들은 코를 움찔거리는 동작부터 전신 경련에 이르기까지 다양한 행동에 숫자를 부여하는 라신(Racine) 척도라는 표준 체계를 사용합니다. 수십 년 동안 이 등급 분류는 비디오 녹화 영상을 지켜보는 인간 관찰자에 의해 수행되어 왔습니다. 이 과정은 필요하기는 하지만, 수동적인 작업이라 속도가 느리고 피로를 유발하며, 사람마다 동일한 움직임을 다르게 해석할 수 있다는 오류가 발생하기 쉽습니다. 이러한 불일치는 새로운 약물이 정말 효과가 있는 것인지, 아니면 행동의 변화가 단지 누가 관찰했느냐의 문제였는지 판단하기 어렵게 만들 수 있습니다.

파키스탄의 펀자브 대학교와 민하즈 대학교 연구진은 컴퓨터가 영상을 보도록 가르침으로써 이 작업 방식이 어떻게 바뀌고 있는지 보여주기 시작했습니다. 그들은 인공지능을 사용하여 비디오에서 생쥐를 자동으로 찾아내고, 움직임을 추적하며, 인간의 도움 없이 발작의 심각도를 분류하는 시스템을 개발했습니다. 연구진은 식물 기반의 뇌전증 치료제를 테스트하기 위해 원래 기록된 영상들을 기초로 작업을 시작했습니다. 그들은 이 영상들을 사물을 인식하도록 설계된 컴퓨터 프로그램에 입력하였는데, 구체적으로는 생쥐를 찾아내도록 훈련시켰습니다. 컴퓨터가 동물을 안정적으로 찾을 수 있게 되자, 연구진은 두 번째 소프트웨어 계층을 추가하여 각 개별 생쥐가 케이지 안에서 어떻게 움직이는지 추적하게 함으로써, 설령 생쥐들이 서로 경로를 겹치더라도 시스템이 어떤 생쥐가 무엇을 하고 있는지 알 수 있도록 했습니다.

컴려 시스템은 이 과업을 수행하는 데 상당히 유능한 모습을 보였습니다. 이 시스템은 비디오 프레임 내에서 생쥐의 존재를 높은 신뢰도로 성공적으로 식별해 냈습니다. 더 중요한 것은, 정상적으로 행동하는 생쥐와 발작을 일으키는 생쥐를 구분하는 법을 학습했다는 점입니다. 시스템은 특히 두 가지 특정 상태를 포착하는 데 뛰어났는데, 하나는 정상적이고 차분한 상태였고, 다른 하나는 생쥐가 뒷다리로 몸을 일으켜 세우고 다리를 뻣뻣하게 뻗는 심각한 발작 단계였습니다. 또한 생쥐의 뒷다리가 완전히 뻗어진 단계를 식감하는 데에도 좋은 성능을 보였습니다. 시스템은 발작의 매우 초기 단계인 미세한 움직임에 대해서는 확신이 다소 떨어졌지만, 명확하고 극적인 움직임에 대해서는 높은 정확도를 보였습니다. 연구진은 컴퓨터가 이러한 특정 행동들을 평균적으로 약 77%의 확률로 정확하게 식별할 수 있다는 것을 발견했는데, 이는 복잡한 생물학적 움직임을 다루는 머신러닝 모델로서 유망한 결과입니다.

이 연구는 또한 이 새로운 접근 방식의 실질적인 한계점을 강조했습니다. 컴퓨터는 발작의 가장 초기 징후들을 파악하는 데 다소 어려움을 겪었는데, 이는 해당 움직임이 매우 작고 관찰하기 어렵기 때문이며, 또한 가용 가능한 영상 내에서 가장 극단적인 발작 단계는 거의 나타나지 않았기 때문입니다. 연구진은 시스템이 영상을 처리하는 데 상당한 시간이 소요되어, 표준 장비 기준으로 단일 프레임을 분석하는 데 3초 이상이 걸린다는 점에 주목했습니다. 이는 한 시간짜리 실험 영상을 시청하는 것이 실제 실험 시간보다 훨씬 더 오래 걸릴 수 있음을 의미합니다. 그러나 연구진은 더 빠른 컴퓨터와 더 나은 비디오 녹화 설비를 갖춘다면 이러한 장애물들을 극복할 수 있다고 믿습니다. 점수 산정 과정을 자동화함으로써, 연구진은 추측과 피로를 제거하고 뇌전증 치료가 얼마나 효과적인지를 측정하는 일관되고 객관적인 방법을 제공하고자 합니다. 인간의 눈에서 디지털 분석으로의 이러한 전환은 약물 개발에서 더 신뢰할 수 있는 결과를 이끌어내어, 과학자들이 동물과 인간 모두를 위한 더 나은 발작 관리 방법을 찾는 데 도움을 줄 수 있습니다.