• 목록

- DGIST 전현애 교수 연구팀, 사람이 통계적 학습을 진행할 때 뇌에서 일어나는 핵심 신경학적 연결망 규명

- 새로운 규칙 학습과 관련 된 뇌에서의 변화를 확인함으로써 폭 넓은 인지신경과학적 연구 진행의 가능성 제시

 DGIST(총장 국양) 뇌과학과 전현애 교수 연구팀이 통계적 학습과 인간 두뇌의 신경학적 연결망의 관련성을 규명하였다. 이번 연구를 통해 인간이 새로운 규칙을 학습하는 능력에 대한 비밀을 풀 수 있는 기반을 마련해, 향후 인지신경과학의 다양한 연구 및 확장이 기대된다.

 ‘통계적 학습’은 인간이 주어진 환경으로부터 자신도 모르게 규칙성을 파악하고 그것에 적응하게 되는 핵심적인 인지능력이다. 이러한 통계적 학습의 주요 기전을 밝히기 위해 그 동안 많은 연구가 진행되어 왔지만, 기존 연구들에서는 뇌의 여러 영역들이 어떠한 방식으로 상호작용하여 통계적 학습을 가능케 하는지 그 면모를 자세히 확인할 수 없었다.

 DGIST 뇌과학과 전현애 교수 연구팀은 인간의 통계적 학습에 관여하는 신경학적 연결망이 뇌의 어느 영역들에 걸쳐 일어나는지 확인하고, 이들 영역들 사이의 연결고리가 어떤 식으로 구성되어야 통계적 학습에 도움이 될 수 있는지를 규명하고자 기능적 자기공명 영상(fMRI)을 이용하였다.

 기능적 자기공명 영상(fMRI)은 공간적 해상도가 높아 통계적 학습을 진행할 때 활성화되는 뇌 영역들에 대한 보다 면밀한 관찰이 가능하다. 연구팀은 이러한 장점을 활용하여 통계적 학습을 진행할 때 관여하는 뇌 영역의 발견과 더불어 각각의 영역을 이어주는 신경학적 연결망이 개개인의 통계적 학습에 어떤 도움을 주는지 밝혀냈다. 특히 기존의 연구들과 차별화된 연결망 분석 기법을 적용하여 통계적 학습을 진행할 때 관여하는 핵심 네트워크와 그 기능에 대한 중요한 증거를 제시할 수 있었다. 이 과정에서 데이터 기반(data-driven), 그리고 가설 기반(hypothesis-driven) 신경학적 연결망 분석 기법을 동시에 적용하여 보다 신뢰도 높은 증거를 제시하는데 성공하였다.

 그 결과, 상전두회(superior frontal gyrus)를 중심으로 펼쳐진 하향 조절(top-down control)에 관련된 영역들과 그들 사이의 신경학적 연결망이 통계적 학습에 핵심적인 역할을 수행하는 것으로 밝혀졌다. 특히 해당 연결망의 연결 강도가 약해질수록 통계적 학습을 더 잘하는 것으로 나타났는데, 이는 목표 지향적 행동(goal-directed behavior)이나 집중도(attention level)와 관련 있는 뇌 영역의 개입을 줄이는 것이 오히려 새로운 규칙을 익히는데 도움이 될 수 있다는 흥미로운 가능성을 제시한다.

 DGIST 뇌과학과 전현애 교수는 “이번 연구는 인간의 통계적 학습을 가능케 하는 뇌 신경학적 기전에 대한 핵심적인 증거를 제시한 것으로, 향후 연구팀에서 발견한 두뇌 연결망을 중심으로 학습 능력을 높이기 위한 다양한 연구 방법이 진행될 수 있을 것”이라고 밝혔다.

 한편, 이번 연구는 DGIST 뇌과학과 박정탁 박사과정생이 제1저자로 참여했다. 연구결과는 신경과학 분야 학술지 ‘NeuroImage’에 게재됐으며, 과학기술정보통신부와 한국연구재단의 중견연구자 사업의 지원을 받아 수행됐다.

연구결과개요

Reduced functional connectivity supports statistical learning of temporally distributed regularities

Jungtak Park, Karolina Janacsek, Dezso Nemeth, Hyeon-Ae Jeon*

(NeuroImage, on-line published on 9th July, 2022)

통계적 학습은 인간이 살아가면서 새로운 환경에 적응할 수 있도록 규칙성을 파악하고 익히게 하는 능력이다. 통계적 학습을 진행할 때 뇌에서 일어나는 현상을 이해하기 위해 많은 연구들이 진행되어 왔지만, 아직 여러 증거들이 하나의 결과로 귀결되지 못하는 상황이다. 신경학적 연결망이란, 공간적으로 떨어진 뇌 영역들 사이에서 정의된 통계적 의존성을 의미하는데, 이는 환자의 병리학적 상태나 일반인의 행동학적 특성을 나타내는 중요한 지표를 제공한다고 알려져 있다. 그러나 기존의 통계적 학습 연구들에서는 해상도가 낮은 뇌영상 촬영 장치를 사용해왔기 때문에 신경학적 연결망에 관여되는 뇌 영역을 정확하게 찾지 못하거나, 혹은 활성화 되는 뇌의 영역을 1차원적으로 규명하는데 그치는 단점이 있었다.

본 연구에서는 인간이 통계적 학습을 진행할 때 연관되는 두뇌의 신경학적 연결망 지도를 얻을 수 있었을 뿐만 아니라, 더 나아가 통계적 학습을 증진시키기 위한 필요조건들에는 어떠한 것들이 있는지 추가적으로 제시할 수 있었다. 구체적으로, 상전두회(superior frontal gyrus)를 중심으로 하향 조절(top-down control)과 관련된 영역들 사이에서 펼쳐진 연결망의 세기가 감소할수록 개개인의 통계적 학습 수행이 더 좋아진다는 사실을 밝혀내었다. 이는 통계적 학습을 잘하기 위해서는 하향 조절과 관련된 집중도(attention)를 낮추고 목적 지향 행동(goal-directed behavior)을 줄이는 것이 도움이 될 수도 있다는 흥미로운 관점을 제공한다. 본 연구를 통해 새롭게 밝혀진 신경학적 연결망 지도를 중심으로 통계적 학습 연구에 새로운 지평을 열 수 있으리라 기대한다.

· · · 

연구결과문답

Q. 이번 성과 무엇이 다른가? 

인간의 통계적 학습 능력을 증진시킬 수 있는 방법을 찾기 위한 연구가 오랫동안 이어지고 있다. 하지만 기존 연구는 서로 상반되는 결과를 제시하거나 그 내용 역시 매우 다양하여 합의된 결론에 도달하지 못하고 있었다. 그러나 이번 연구에서는 데이터 기반 분석과 가설 기반 분석을 동시에 적용함으로써 결과의 신뢰도를 한층 높였다. 우리 연구팀이 새로 발견한 신경학적 연결망 지도를 통하여 통계적 학습에 있어서 하향 조절의 개입을 줄이는 것이 학습에 도움이 된다는 매우 흥미로운 결과를 확인하였다.

Q. 어디에 쓸 수 있나?

이번 연구를 통해 밝힌 통계적 학습과 관련된 신경학적 연결망 지도를 기반으로 학습 능력을 증진시키기 위한 다양한 방법들이 파생되어 등장할 것으로 기대한다.

Q. 실용화까지 필요한 시간과 과제는?

통계적 학습과 관련된 신경학적 연결망에서의 변화가 실제로 인간의 학습 능력에 어떠한 기여를 하는지 알아보기 위해서는 환자를 대상으로 하는 병변 연구, 경두개 자기자극법(TMS)을 통한 뇌신경 조절 연구 등 다각도에서 재검증이 필요하다. 또한 학습 능력을 높이기 위한 다양한 방법들이 실험환경이 아닌 일상생활에 적용되기 위해서는 추가적인 검증 단계를 거쳐야 하기 때문에 상당한 시간이 소요될 것으로 예상된다.

Q. 연구를 시작한 계기는?

전현애 교수 연구팀은 사람이 어떻게 복잡한 시퀀스(sequence)를 습득하고, 응용하고, 적용하는지를 언어/비언어 도메인에서 통합적으로 연구한다. 이들의 신경학적 기전을 fMRI를 통해 관찰하고, 그 결과를 TMS를 통해 조절하며, 행동에 대한 수학적 모델을 세우고 있다. 본 연구는 인간이 새로운 환경에 적응하는데 필수적인 ‘통계적 학습’을 통한 규칙의 습득과 이에 대한 신경학적 기전을 밝히고자 도전적으로 시작한 과제이다.

Q. 어떤 의미가 있는가?

우리 연구팀이 새로 발견한 신경학적 연결망 지도를 기반으로 다양한 학습 능력 증진 프로토콜의 개발이 가능하다. 학습 능력 증진 프로토콜이 성공적으로 개발된다면, 앞으로 교육계에도 큰 보탬이 될 수 있으리라 기대한다.

Q. 꼭 이루고 싶은 목표는?

복잡한 행동을 수행하는데 필요한 여러 가지 시퀀스(sequence)를 처리하기 위해 사용되는 뇌신경기제에 관심이 많다. 통계적 학습도 사실은 암묵적 시퀀스 학습의 일종으로 볼 수 있다. 이외에도 시퀀스의 층위 처리에 대한 연구가 진행 중이다. 작년부터는 시간 흐름의 측정과 관련된 연구도 시작하여, 흥미로운 결과들을 도출하고자 최선의 노력을 다하고 있다.

· · ·

그림설명

[그림 1] 가설 기반(Hypothesis-driven) 신경학적 연결망 지도 

본 연구를 통해 통계적 학습에 관여하는 상전두회(superior frontal gyrus, SFG)가 하향 조절과 관련된 다른 뇌 영역들과 깊은 관련이 있다는 것이 새로 제시됨. 또한 해당 연결망은 음의 방향으로 강해질수록 통계적 학습을 더 잘하는 것으로 밝혀짐.

[그림 2] 데이터 기반(Data-driven) 신경학적 연결망 지도

어떠한 가설 없이 데이터만을 가지고 신경학적 연결망을 조사하였을 때, 상전두회를 중심으로한 신경학적 연결망이 통계적 학습에 크게 기여하고 있음을 밝혀냄.