DGIST, 뇌신호 레이블 부족 문제 해결한 AI 파운데이션 모델 개발

DGIST(총장 이건우) 지능형로봇연구부 안진웅 박사 연구팀이 딥러닝 기반 뇌신호 분석에서 가장 큰 한계로 꼽혀 온 '레이블 데이터 부족' 문제를 혁신적으로 해결한 새로운 AI 파운데이션 모델을 개발했다. 이 기술은 뇌신호를 스스로 학습하도록 설계돼, 극도로 적은 양의 레이블만으로도 높은 정확도를 구현할 수 있는 점에서 주목 받고 있다.

연구는 안진웅 박사(지능형로봇연구부 책임연구원, 융합전공 겸무교수)와 정의진 박사후연수연구원(로봇및기계전자공학연구소, 바이오체화형피지컬AI연구단)이 공동으로 수행했으며, EEG(뇌파)와 fNIRS(기능적 뇌혈류) 신호를 모두 이해하고 분석할 수 있는 '뇌파·기능뇌혈류 멀티모달 파운데이션 모델'을 세계 최초로 구현한 것이 핵심 성과다.

연구팀은 총 918명으로부터 약 1250시간 규모의 초대형 뇌신호 데이터를 확보해, 레이블 없이 비지도 방식으로 모델을 학습시켰다. 이를 통해 EEG와 fNIRS 각각의 고유한 특징뿐 아니라 두 신호가 공유하는 잠재적인 표현까지 동시에 파악할 수 있도록 설계했다.

기존에는 EEG와 fNIRS를 동시에 측정한 데이터 확보가 거의 불가능해 멀티모달 AI 구축에 큰 제약이 있었지만, 이번 연구에서 개발된 모델은 동시계측 데이터가 없어도 학습이 가능하도록 설계됐다. 또한, 소량의 레이블만으로도 높은 정확도를 구현하며, EEG 단독 분석, fNIRS 단독 분석, 두 신호를 결합한 멀티모달 분석까지 하나의 모델로 모두 수행할 수 있어 기존 기술의 구조적 한계를 완전히 넘어섰다.

안진웅 박사는 “이번 연구는 멀티모달 뇌신호 분석이 가진 구조적 제약을 뛰어넘은 최초의 프레임워크로, 뇌신호 AI 분야에서 근본적인 혁신을 이뤄냈다”며, “특히 두 신호 간 공유 정보를 정렬하는 대조 학습 전략이 모델의 표현력을 대폭 확장했고, 이는 뇌창발인공지능(Brain-Inspired AI)과 뇌·컴퓨터 인터페이스(BCI) 등 미래 뇌공학 기술 발전에 중요한 전환점이 될 것”이라고 밝혔다.

이번 연구는 과학기술정보통신부와 한국연구재단의 지원을 받아 수행됐으며, 연구 결과는 계산생물학 및 의료정보학 분야 국제 저명 학술지 'Computers in Biology and Medicine'에 게재됐다.