뇌 네트워크 탐색성 평가와 그리디 라우팅 효율성 재조명

초록

본 레터는 Seguin 등(2018)이 제시한 유클리드 공간에서의 뇌 네트워크 탐색 효율성 지표가 Muscoloni 등(2017)이 정의한 GR‑score와 수식적으로 동일함을 밝히고, 기존 연구에서 사용된 탐색성 지표들의 한계와 GR‑efficiency(또는 GR‑score)의 장점을 체계적으로 정리한다. 또한 Seguin 논문의 해석적 오류와 용어 혼동을 지적하고, 향후 연구에서 일관된 용어와 평가 프레임워크를 사용할 것을 제안한다.

상세 분석

Seguin et al.는 뇌 구조 네트워크를 3차원 유클리드 좌표에 매핑한 뒤, 두 노드 사이의 최단 경로 대신 그리디 라우팅(greedy routing, GR) 방식을 적용해 탐색 효율성을 측정하였다. 그들이 도입한 “efficiency ratio”는 실제 GR 경로 길이와 최단 경로 길이의 비율을 평균화한 형태였으며, 식으로는  (E_{GR}= \frac{1}{N(N-1)}\sum_{i\neq j}\frac{\ell_{ij}^{\text{GR}}}{\ell_{ij}^{\text{sp}}!}) 와 동일하다. 이는 Muscoloni et al.가 2017년 Nature Communications에 발표한 GR‑score(또는 GR‑efficiency)와 완전히 일치한다. 즉, 두 연구는 동일한 수학적 정의를 사용했음에도 불구하고, Seguin 논문에서는 이를 새로운 지표라며 독립적으로 제시하였다.

이러한 중복은 두 가지 측면에서 문제를 야기한다. 첫째, 기존 문헌에서 이미 검증된 GR‑score는 네트워크의 기하학적 임베딩 품질을 평가하는 표준 지표로 자리 잡았으며, 다양한 합성 및 실험 데이터에 대해 신뢰성을 입증받았다. 반면 Seguin 논문은 해당 지표를 새롭게 정의하면서 기존 연구와의 연계성을 충분히 언급하지 않아, 독자에게 혼란을 초래한다. 둘째, Seguin 팀은 GR 탐색성을 논의할 때 “성공률(success rate)”과 “경로 길이 효율성(path length efficiency)”만을 별도로 제시하고, 이 두 지표를 단순히 평균하거나 가중합하는 방식으로 종합적인 효율성을 평가하려 했다. 그러나 이러한 접근은 GR‑score가 이미 성공률과 경로 길이 정보를 동시에 내포하고 있다는 점을 간과한다. GR‑score는 성공적인 라우팅이 이루어졌을 경우에만 실제 경로 길이를 최단 경로 길이와 비교하고, 실패한 경우에는 무한대로 처리해 평균에 반영함으로써 성공률과 경로 효율성을 자연스럽게 통합한다.

또한, Seguin 논문에서 사용된 “유클리드 거리 기반 임베딩”은 뇌 네트워크의 실제 물리적 거리와 완전히 일치하지 않을 가능성이 있다. 뇌 영역 간의 연결 강도는 거리 외에도 기능적 상관관계, 발달적 제약 등 복합적인 요인에 의해 결정된다. 따라서 단순히 좌표 거리만을 기반으로 GR을 수행하면, 실제 신경학적 탐색성을 과소평가하거나 과대평가할 위험이 있다. Muscoloni 등은 이러한 한계를 인식하고, 하이퍼볼릭 임베딩과 같은 비유클리드 공간을 활용해 네트워크의 내재적 계층 구조와 클러스터링을 더 정확히 반영하는 방법을 제시하였다.

본 레터는 위와 같은 점들을 정리하면서, GR‑efficiency라는 용어를 표준화하고, 향후 연구에서는 다음과 같은 원칙을 따를 것을 권고한다. ① 기존에 확립된 GR‑score 정의와 수식을 그대로 인용하고, 새로운 지표를 제안할 경우 명확한 차별점을 제시한다. ② 성공률과 경로 길이 효율성을 별도 지표로 제시하기보다는, 이미 통합된 GR‑score를 활용해 종합적인 탐색성을 평가한다. ③ 네트워크 임베딩 단계에서 물리적 거리 외에도 구조적·기능적 특성을 반영할 수 있는 비유클리드 모델을 고려한다. ④ 용어 정의와 표기법을 일관되게 사용해 학계 내 혼동을 최소화한다. 이러한 권고는 뇌 네트워크뿐 아니라 일반 복합 시스템의 탐색성 연구에도 적용 가능하며, 연구 재현성 및 비교 가능성을 크게 향상시킬 것이다.