과학자들이 뇌 -컴퓨터 인터페이스의 안정성을 유지하는 능력을 획기적으로 향상했다.

연구진은 기계학습(ML)을 활용, 실험 중 또는 실험 사이에 이들 장치를 재보정 할 필요성을 크게 줄이거 나 없앨 수 있었다.

미국 카네기 멜론대(Carnegie Mellon University, CMU)와 피츠버그대(Pittsburgh University)의 연구원들은 뇌 컴퓨터 인터페이스와 이를 사용하는 동안 안정된 상태를 유지하는 능력을 획기적으로 향상시켜 재교정 필요성을 크게 줄이거나 없애는 연구결과 발표했다.

연구 논문은 20일(현지시각) 네이처 바이오메디컬 엔지니어링(Nature-Biomedical Engineering)에 게재됐다.

실험 중인 BCI(Brain-Computer Interface)는 마비와 같은 운동 장애가 있는 개인이 인공 팔다리, 컴퓨터 커서 및 기타 인터페이스를 생각으로 제어하도록 하는 장치다. 임상 환경에서 BCI가 직면하는 가장 큰 문제 중 하나는 신경 기록 자체의 불안정성이다. 시간이 지남에 따라 BCI에 의해 포착된 신호는 다양할 수 있으며, 이러한 변화의 결과로 개인은 BCI를 제어하는 능력을 잃을 수 있다.

이러한 제어력 상실의 결과로, 연구원들은 사용자에게 재조정 세션을 통해 수행중인 작업을 중단하고 생각 명령과 수행중인 작업 사이의 연결을 재설정하도록 요구한다. CMU 박사후 연구원 윌리엄 비숍(William Bishop)은 “휴대 전화를 사용하고 싶을 때마다 제대로 작동하려면 화면을 어떻게 보정해야하는지 상상해보라. BCI 최신 기술은 그런 식이다. 이러한 BCI 장치를 작동 시키려면 사용자가 빈번한 재보정을 수행해야한다. 따라서 사용자와 장치를 유지 관리하는 기술자에게는 매우 불편하다”고 말했다.

논문은 이러한 다양한 신호를 설명하고 개인이 이러한 불안정성이 존재하는 경우 BCI를 계속 제어할 수 있게 해주는 기계학습 알고리즘을 제시한다.

신경 인구 활동이 저 차원의 “신경 메니폴드(manifold) 배열”에 존재한다는 발견을 활용함으로써, 연구자들은 기록 불안정이 존재할 때 좋은 BCI 성능을 유지하기 위해 신경 활동을 안정화할 수 있다.

CMU 박사후 연구원 엘언 데겐하트(Alan Degenhart)는“ ‘안정화’라고 말하면 신경 신호가 불안정하다는 것을 의미한다. 우리는 시간이 지남에 따라 다른 뉴런 집단을 취하고 그들의 정보를 사용해 뇌에서 진행되는 계산의 일반적인 그림을 본질적으로 공개함으로써 신경 불안정성에도 불구하고 BCI를 보정하는 방법을 알아 냈다”고 설명했다.

이 연구가 자가 재교정 방법을 제안한 최초는 아니다. 몇 가지 연구는 자체 재교정 절차를 제안했지만 불안정성을 다루는 문제에 직면해 있다. CMU 바이런 유(Byron Yu) 교수는“불안정성이 너무 커서 피험자가 더 이상 BCI를 통제할 수 없다고 하자. 기존의 자체 재교정 절차는이 시나리오에서 어려움을 겪을 수 있지만, 우리의 방법에서는 많은 경우에 이러한 재난 불안정성에서 복구할 수 있음을 보여주었다”고 말했다.

연구팀에 따르면 이 연구는 다른 신경 인터페이스를 안정화 하는데 도움이 된다.

* Alan D. Degenhart, William E. Bishop, Emily R. Oby, Elizabeth C. Tyler-Kabara, Steven M. Chase, Aaron P. Batista, Byron M. Yu. Stabilization of a brain–computer interface via the alignment of low-dimensional spaces of neural activityNature Biomedical Engineering, 2020; DOI: 10.1038/s41551-020-0542-9