Spike-Wave Index Prediction in Electroencephalography of Children with Self-limited Epilepsy with Centrotemporal Spikes by Using a Transformer with Spatial and Temporal Attention

인간의 뇌를 수십억 개의 작은 전령(뉴런)들이 모든 것을 원활하게 운영하기 위해 끊임없이 신호를 보내는 북적이는 도시라고 상상해 보세요. 보통 이 교통 흐름은 매끄럽게 이어지지만, 때때로 갑작스럽고 혼란스러운 교통 체증이 발생하여 발작을 일으키기도 합니다. 이러한 교통 체증을 이해하기 위해 의사들은 뇌의 전기적 "소음"을 기록하기 위해 두피에 마이크를 대는 것과 같은 특수한 도구인 뇌파도(EEG)를 사용합니다. 특정 유형의 소아 뇌전증의 경우, 의사들은 이 소음 속에서 매우 구체적인 패턴을 찾습니다. 바로 날카로운 스파이크(spike) 뒤에 이어지는 느린 파동(slow wave)입니다. 그들은 뇌의 수면 시간 중 얼마나 많은 부분이 이러한 스파이크로 채워져 있는지 알아야 합니다. 만약 "스파이크-파동 지수(SWI)"가 너무 높다면, 이는 아이의 학습과 기억력을 해칠 수 있는 위험한 상태임을 알리는 적색 경보와 같습니다. 문제는 이 스파이크를 손으로 직접 세는 것이 마치 교통 체증 속을 운전하며 지나가는 차 한 대 한 대를 모두 세려는 것과 같아서, 시간이 몇 시간씩 걸리고, 기진맥진하게 만들며, 의사마다 다르게 셀 수도 있다는 점입니다.

이 논문은 이 계산 작업을 즉각적으로 수행하도록 설계된 새로운 초지능형 디지털 비서를 소개합니다. 연구진은 "트랜스포머(Transformer)"라고 알려진 인공지능의 일종을 사용하는 컴퓨터 모델인 STATFS를 구축했습니다. 이 모델을 뇌의 소음을 듣기만 하는 것이 아니라 그 이면에 담긴 이야기를 이해하는 탐정이라고 생각해보세요. 이 모델은 두 가지 특별한 "초능력"을 가지고 있습니다. 하나는 문제가 시작되는 뇌의 특정 구역에 집중할 수 있게 해주는 '공간적 주의력(spatial attention)'이고, 다른 하나는 문제가 시간이 지남에 따라 어떻게 반복되는지 추적하는 '시간적 주의력(temporal attention)'입니다. 이 두 능력을 결합함으로써, 이 모델은 가공되지 않은 뇌 기록을 보고 몇 시간이 아닌 단 몇 초 만에 스파이크-파동 지수를 예측할 수 있습니다. 이 연구는 이 도구가 이전의 컴퓨터 방식보다 더 정확하며, 의사들이 위험한 패턴을 더 빠르게 포착하여 아이들의 뇌에 심각한 문제가 생기기 전에 보호할 수 있도록 도울 수 있음을 시사합니다.

스마트한 뇌 탐정 이야기

미션: 혼돈을 세다
연구진은 SeLECTS(중심측두부 스파이크를 동반한 제한적 소아 뇌전증)라고 불리는 질환을 앓는 아이들과 관련된 까다로운 퍼즐을 풀고자 했습니다. 이 아이들의 뇌는 수면 중에 가끔 오작동을 일으켜, 앞서 언급한 날카로운 "스파이크와 느린 파동" 패턴을 만들어냅니다. 의사들은 뇌가 이 혼란스러운 상태에서 보내는 시간의 비율인 "스파이크-파동 지수(SWI)"를 계산해야 합니다. 만약 SWI가 높으면(특히 50% 또는 85% 이상), 이는 언어, 읽기, 학습 능력을 손상시킬 수 있는 ESES라는 심각한 상태의 징후입니다.

전통적으로 신경과 의사는 몇 시간 동안의 뇌 기록을 살펴보며 이를 수동으로 세어야 합니다. 이는 환자 한 명당 1~3시간이 걸릴 수 있는 지루한 작업이며, 사람이 수행하기 때문에 실수나 의견 차이가 발생하기 쉽습니다. 연구팀은 이 일을 더 빠르고 더 잘 수행할 수 있는 로봇을 만들고자 했습니다.

도구: 두 쌍의 안경을 쓴 탐정
이 해결책을 만들기 위해 팀은 STATFS라는 이름의 딥러닝 모델을 제작했습니다. 이 모델을 두 쌍의 특별한 안경을 쓴 탐정이라고 상상해 보세요.

1. 공간 안경: 이 안경은 탐정이 올바른 장소에 집중하도록 도와줍니다. SeLECTS의 경우, 문제는 보통 뇌의 중심측두 영역에서 발생합니다. 모델은 "공간적 주의력"을 사용하여 뇌의 소음이 있는 부분을 무시하고 스파이크가 발생하는 특정 채널에 초점을 맞춥니다.
2. 시간 안경: 이 안경은 탐정이 올바른 시간에 집중하도록 도와줍니다. 모델은 "시간적 주의력"을 사용하여 스파이크가 기록 과정 동안 어떻게 반복되고 진화하는지 추적하며, 이를 일반적인 수면 파동과 구별합니다.

이 모델은 문맥을 이해하는 데 탁-월한(예를 들어 챗봇이 문장을 이해하는 데 도움을 주는) "트랜스포머" 구조를 기반으로 합니다. 하지만 연구진은 뇌파의 지저도 있고 품질이 낮은 신호를 처리할 수 있도록 이를 수정했습니다. 그들은 모델이 데이터에 압도되지 않고 더 빠르고 효율적으로 처리할 수 있도록 "선형(linear)"적인 요소를 추가했습니다.

훈련: 221명의 어린 환자로부터 배우다
이 탐정을 가르치기 위해 연구진은 상하이 아동 병원에서 SeLECTS 진단을 받은 221명의 어린이 데이터를 수집했습니다. 단순히 무작위 클립을 가져온 것이 아니라, 이러한 스파이크가 가장 흔하게 나타나는 자연스러운 수면 상태, 특히 꿈을 꾸지 않는 깊은 수면(NREM) 상태의 기록을 신중하게 선택했습니다.

• 데이터: 기록물은 근육이나 전력선으로부터 발생하는 노이즈를 제거하기 위해 정제되었으며, 컴퓨터가 이해할 수 있는 형식으로 변환되었습니다.
• 레이블(정답): 전문가 의사들이 이미 이 기록들을 검토하고 5% 간격(예: 10–15%, 15–20%, ..., 90–95%까지)으로 SWI를 표시해 두었습니다.
• 테스트: 모델이 실제로 학습하고 있는지, 아니면 단순히 암기하고 있는지를 확인하기 위해 환자들을 두 그룹으로 나누었습니다. 80%는 훈련용, 20%는 테스트용으로 사용했습니다. 결정적으로, 단 한 명의 아이의 데이터도 두 그룹에 중복되어 나타나지 않도록 하여, 모델이 한 번도 본 적 없는 새로운 환자의 데이터를 처리할 수 있는지 증명하게 했습니다.

결과: 더 빠르고 더 날카롭게
연구팀이 STATFS를 테스트했을 때, 이 모델은 뇌 신호용으로 설계된 다른 인기 있는 AI 모델들보다 더 뛰어난 성능을 보였습니다.

• 속도: 인간 의사가 기록을 분석하는 데 13시간이 걸리는 반면, STATFS는 단 1030초 만에 예측을 수행할 수 있습니다.
• 정확도: 이 모델은 76.41%의 정확도와 80.46%의 AUROC(높은 위험과 낮은 위험을 구분하는 능력의 척도)를 달성했습니다. 이 수치들은 SPaRCNet, CNNT, 그리고 더 발전된 BIOT 모델과 같은 다른 모델들보다 높았습니다.
• 비교: 연구는 다른 모델들이 이 뇌전증의 특정한 "국소적(focal)" 성격(즉, 뇌의 올바른 영역에 집중하는 것)을 포착하는 데 어려움을 겪는 반면, STATFS의 이중 주의력 시스템은 이 부분에서 탁월함을 보여주었습니다. 모델은 단순히 스파이크를 보는 것에 그치지 않고, 그것이 어디에 있고 시간이 흐름에 따라 어떻게 움직이는지를 이해했습니다.

모델이 아직 하지 못하는 것
이 연구가 주장하지 않은 점을 유의하는 것이 중요합니다. 현재 모델은 "이진 분류(binary classification)"를 수행합니다. 즉, 기본적으로 "SWI가 높은가(60% 이상) 아니면 낮은가(60% 미만)?"라는 질문에 답하는 것입니다. 아직 한 번에 "63.4%"와 같은 정밀한 숫자를 제공하지는 못하며, 그렇다고 의사를 완전히 대체하는 것도 아닙니다. 저자들은 이것이 모든 것을 해결하는 마법 지팡이가 아니라 의사 결정을 보조하는 도구임을 분명히 하고 있습니다. 또한, 이 모델은 단 하나의 병원 데이터로 테스트되었으므로, 어디서나 작동할 수 있는지 확인하기 위해 다른 지역의 아이들을 대상으로 테스트될 필요가 있다고 인정했습니다.

미래: 의사를 위한 도움의 손길
연구진은 STATFS가 조기 개입의 판도를 바꿀 수 있다고 제안합니다. 높은 SWI 수준을 빠르게 포착함으로써, 의사들은 인지 기능 저하를 예과하기 위해 더 빨리 치료를 시작할 수 있습니다. 그러나 이 도구가 모든 병원에서 사용되기 전에는 실제 의료 현장에서 전문가 의사들과 대조하여 테스트되어야 하며, 병원 시스템에 통합되어야 한다고 경고합니다. 현재로서는, 이 연구가 이 새로운 "디지털 탐정"이 뇌전증 관리를 더 빠르고 객적이며, 인간 전문가의 한정된 시간에 덜 의존하게 만드는 유망한 단계임을 시사하고 있습니다.