AI가 ‘자폐’ 정밀 진단…개인 맞춤형 치료길 열린다

- KIST-멜버른대-서울대병원 국제공동연구팀
- 자폐스펙트럼장애 진단·경과 예측 AI 개발

백준호(왼쪽부터) KIST 뇌과학연구소/서울대 물리학부 학생연구원, 한소연 멜버른대학교 컴퓨터 공학부 부교수(국제교류 연구장), 한경림 KIST 뇌과학연구소 책임연구원 (UST부교수), 우준혁 KIST 뇌과학연구소 박사후 연구원.[KIST 제공]

[헤럴드경제=구본혁 기자] 인공지능(AI)으로 자폐스펙트럼장애(ASD)의 뇌 변화를 분석하고 진단과 치료 경과를 예측할 수 있는 기술이 개발됐다. 증상과 행동 관찰에 의존해온 기존 진단 방식에서 나아가 뇌 기능 네트워크를 객관적으로 분석할 수 있다는 점에서 주목된다.

한국과학기술연구원(KIST) 뇌과학연구소 한경림 박사가 참여한 국제공동연구팀은 호주 멜버른대학교, 서울대학교병원과 함께 기능적 자기공명영상(fMRI)과 AI를 결합한 해석 가능한 AI 프레임워크를 개발했다고 11일 밝혔다. 이번 연구성과는 제주국제컨벤션센터에서 열리는 ‘ACM SIGKDD 2026’의 ‘AI for Science’ 분야에서 발표된다.

연구팀은 fMRI 분석을 통해 자폐 아동의 뇌 기능적 연결성이 정상 발달 아동보다 낮다는 사실을 확인했다. 특히 감각 정보를 통합하는 하두정소엽과 감각 중계 역할을 하는 시상을 중심으로 뇌 전반의 네트워크 연결이 감소했다.

핵심은 AI가 단순히 자폐 여부를 판별하는 데 그치지 않고 왜 그렇게 판단했는지를 뇌 네트워크 변화로 설명할 수 있도록 한 것이다. 연구팀은 ‘생성적 매니폴드 감사(GMA)’ 프레임워크를 개발해 정상 발달군의 뇌 연결 패턴을 학습한 AI에서 특정 영역의 연결을 차단한 뒤 AI의 반응을 분석했다. ‘민감도 격차’ 지표를 통해 AI가 단순한 정보 손실이 아닌 실제 뇌 네트워크 구조 변화를 포착하는지도 검증했다.

대규모 자폐 뇌영상 데이터셋인 ABIDE와 서울대병원 임상 코호트를 활용한 검증에서는 생성형 AI 모델인 ‘Denoising Autoencoder’가 비교 모델보다 뇌 네트워크의 구조적 변화를 정확하게 구분했다.

특히 임상 증상이 호전된 환자에서도 뇌 기능 네트워크 변화는 개인마다 달랐다. 연구팀은 이를 통해 증상만으로 파악하기 어려운 환자별 뇌 변화를 AI로 분석할 가능성을 제시했다.

한경림 박사는 “환자마다 다른 뇌의 변화를 객관적으로 분석할 수 있는 가능성을 제시한 성과”라며 “향후 조기 진단과 치료 경과 예측에 활용할 수 있는 바이오마커 개발로 이어가겠다”고 말했다.