요약:
인공지능이 생체 비전 기술의 새로운 발전 방향을 열고 있다. 캘리포니아대학교 산타바바라 캠퍼스, 스위스 취리히 연방공과대학, 스페인 미구엘 에르난데스대학교 연구진은 딥러닝 기술을 사용해 시각 피질 임플란트의 전기 자극 방법을 개선해 뇌가 보다 정확하고 전력을 절약하는 방식으로 시각적 인식을 생성할 수 있도록 했습니다. 이번 연구는 눈이나 시신경 손상으로 실명한 사람들에게 부분 시력 회복 가능성을 제공함으로써 차세대 생체공학 눈의 개발을 촉진할 것으로 기대된다.
기존 시각 보철물은 일반적으로 카메라를 통해 외부 이미지를 캡처한 다음 이미지를 전기 신호로 변환하여 망막이나 뇌의 시각 피질을 자극하여 사용자가 빛 점이나 단순한 모양을 인식할 수 있도록 합니다. 그러나 비전 시스템은 일반 디스플레이보다 훨씬 더 복잡합니다. 다중 전극에 정밀한 전기 신호가 입력되더라도 뇌가 만들어내는 최종 시각적 경험은 입력 신호와 일대일로 대응되지 않을 수 있습니다. 전극은 서로 상호 작용할 수 있으며 뉴런 반응은 시간과 뇌 상태에 따라 변할 수 있습니다.
이 연구의 초점은 전기 자극 신호와 실제 인간의 시각적 인식 간의 차이를 해결하는 것입니다.
연구팀이 스페인의 한 병원에서 인체 실험을 진행했는데, 참가자는 27세 남성이었습니다. 그는 이전에 심각한 외상성 뇌 손상으로 인해 시력을 잃었습니다. 연구원들은 시각 처리를 담당하는 뇌 영역에 전기 신호를 직접 보낼 수 있는 96개의 전극이 포함된 임시 전극 배열을 그의 시각 피질에 이식했습니다.
전극이 시각 피질을 자극하면 참가자는 '포스펜'이라는 시각적 현상을 경험할 수 있습니다. 이 현상에서는 외부 빛이 눈에 들어오지 않아도 뇌가 여전히 섬광, 광점 또는 단순한 모양의 감각을 생성합니다. 이러한 현상은 뇌를 직접 자극함으로써 손상된 눈과 시신경을 우회하여 어느 정도 시각적 경험을 만들어 낼 수 있음을 보여줌으로써 시각 피질 보형물 연구에 중요한 기초가 됩니다.
자극 효과를 향상시키기 위해 연구자들은 인공지능이 다양한 전기 자극 모드와 뇌 신경 반응 간의 관계를 학습할 수 있도록 일련의 심층 신경망을 훈련했습니다.
기존 방법과 달리 이 AI 시스템은 전극에서 어떤 신호가 입력되는지 분석할 뿐만 아니라 각 테스트 전에 기록된 휴식 중인 뇌 활동도 참조합니다. 뇌는 항상 같은 상태에 있는 것은 아니며, 똑같은 전기 자극을 사용해도 시간에 따라 다른 신경 반응이 나타날 수 있습니다. AI는 이러한 배경 활동을 모델에 통합함으로써 뇌가 특정 자극에 어떻게 반응할지 더 정확하게 예측하고 그에 따라 전극이 작동하는 방식을 조정할 수 있습니다.
실험 결과에 따르면 AI에 최적화된 자극 모드는 목표 신경 반응을 더 정확하게 활성화할 수 있고 더 낮은 전류가 필요한 것으로 나타났습니다. 연구자들은 또한 뇌 활동을 직접 기록하는 것이 단순히 전극의 전기적 매개변수를 관찰하는 것보다 참가자의 최종 시각적 경험을 예측하는 데 실제로 더 낫다는 것을 발견했습니다.
이번 발견은 매우 중요합니다. 전통적인 공학적 사고는 시각 피질을 전극을 통해 점별로 빛을 발할 수 있는 디스플레이 화면으로 취급하는 경우가 많으며, 더 많은 전극을 자극하면 보다 완전한 이미지를 형성할 수 있다고 믿습니다. 그러나 이것은 사실이 아니다. 전극 사이에는 상호 작용이 있으며 신경 반응도 변동됩니다. 뇌에 입력되는 전기 신호는 사람들이 최종적으로 보는 것과 동일하지 않습니다.
이 실험에서 연구자들은 신경 활동을 기록했을 뿐만 아니라 참가자들에게 밝기, 크기, 모양, 색상과 같은 정보를 포함하여 자신이 느낀 광점을 설명하도록 요청했습니다. 객관적인 신경 기록과 결합된 이러한 주관적인 시각적 경험은 인공 지능이 보다 정확한 자극 모델을 구축할 수 있는 데이터 기반을 제공합니다.
더 주목할만한 점은 이 이식된 장치가 뉴런을 자극하는 동시에 신경 반응을 기록하는 능력을 갖추고 있다는 점입니다. 이는 미래의 시각 보철물이 항상 미리 설정된 고정 매개변수에 따라 작동할 필요는 없지만 뇌의 반응을 지속적으로 관찰한 다음 인공 지능을 사용하여 자극 계획을 동적으로 조정할 수 있음을 의미합니다.
연구 책임자이자 산타바바라 캘리포니아 대학교 교수인 마이클 바이엘러(Michael Beyeler)는 진정으로 유용한 시각 보철물은 모든 사람에게 적합한 고정된 자극 프로그램에 의존할 수 없으며 각 사람의 뇌의 반응 특성을 학습하고 개인차에 따라 지속적으로 조정해야 한다고 말했습니다. 궁극적인 목표는 사용자가 장치에 적응하도록 요구하는 것이 아니라 장치를 사용자의 두뇌에 적응시키는 것입니다.
이 기술은 언젠가 유전적 안구 질환, 사고 또는 신경 질환으로 인해 시력을 잃은 사람들에게 도움이 될 수 있습니다. 특히, 한때 정상적인 시력을 가졌으나 나중에 실명한 사람들은 어느 정도의 시각적 경험과 관련 신경 처리 능력을 보유할 수 있으므로 어느 정도 시력을 회복하는 것은 특별한 의미가 있을 수 있습니다.
그러나 연구원들은 현재 결과가 아직 초기 개념 증명에 불과하며 시각 장애인의 일상 시력 회복에 진정으로 도움이 되기까지는 아직 갈 길이 멀다고 강조했습니다. 이 실험에는 한 명의 참가자만 참여했습니다. 연구 결과에 따르면 인공지능은 특정 조건에서 시각 피질의 전기 자극 효과를 향상시킬 수 있지만, 이것이 참가자의 정상적인 시력을 회복했다는 의미는 아닙니다.
또한 현재 전극을 통해 생산되는 포스펜은 여전히 매우 제한적이며, 인간의 눈이 인지할 수 있는 복잡한 장면 사이에는 큰 격차가 있습니다. 또한 향후 연구에서는 안정적이고 명확하며 공간적으로 연속적인 시각 정보를 형성하는 방법과 이식된 장치의 장기간 안전한 작동을 가능하게 하는 방법과 같은 문제를 해결해야 합니다.
이 연구 결과는 2026년 8월 7일 Neuron 저널에 게재되었습니다. 논문 제목은 "Deep Learning을 기반으로 한 인간 시각 피질의 전기적 유발 활동 제어"입니다.
이 연구의 가장 중요한 돌파구는 단순히 시각 보철물의 전극 수를 늘리는 것이 아니라 인공 지능을 사용하여 전기 자극, 신경 활동 및 주관적인 시각적 경험 간의 보다 정확한 연결을 구축한다는 것입니다. 뇌-컴퓨터 인터페이스와 인공 지능 기술의 지속적인 통합으로 미래의 생체 공학 눈은 더 이상 미리 설정된 신호를 뇌에 보내는 전자 장치가 아니라 점차적으로 각 사람의 고유한 신경 반응을 학습하여 보다 개인화된 인공 시각을 달성할 수 있습니다.
댓글