다감각 인과 추론과 재보정을 위한 신경 회로

초록

본 논문은 뇌가 다감각 입력을 통합하거나 분리해야 하는 판단과 감각 간 보정 메커니즘을 설명하는 신경망 모델을 제시한다. dorsal 경로의 공간 선택적 특성과 다감각 뉴런의 수렴 구조를 기반으로, 베이즈 인과 추론에 근접한 최적 통합과 감각 재보정을 동시에 구현한다. 또한 상향·하향 피드백이 초기 단일감각 피질의 공간 코딩을 조정한다는 가설을 제시하고, 인간 행동·뇌영상 결과와의 일치성을 논한다.

상세 분석

이 연구는 다감각 통합 문제를 두 단계의 계산으로 분해한다. 첫 번째는 ‘인과 가설’(C=1, 동일 사건)과 ‘독립 가설’(C=0, 별도 사건) 사이의 사후 확률을 추정하는 과정이며, 두 번째는 각 가설에 따라 공간 위치를 추정해 가중 평균을 구하는 과정이다. 이러한 베이즈 인과 추론은 기존의 단순 가중 평균 모델보다 불확실성에 대한 적응성을 제공한다. 논문은 이를 구현하기 위해 dorsal 흐름의 계층적 구조를 모방한 신경망을 설계한다. 초기 층은 시각·청각 등 각각의 감각 모달리티에 특화된 ‘단일감각 뉴런’으로, 좁은 공간 수용체와 높은 신호 대 잡음비를 갖는다. 상위 층에서는 이들 입력이 ‘다감각 뉴런’에 수렴하며, 각 다감각 뉴런은 두 감각의 결합된 활성 패턴을 나타낸다. 중요한 점은 이 다감각 뉴런이 두 가지 역할을 수행한다는 것이다. 첫째, 결합된 위치 추정값을 생성해 행동적 의사결정에 전달한다(통합 추정). 둘째, 각 뉴런의 활성도와 상호 연결 강도를 통해 인과 가설에 대한 증거를 누적한다(인과 판단). 인과 판단 신호는 상위 피드백 회로를 통해 다시 초기 단일감각 뉴런에 전달되어, 감각 좌표계의 재보정에 기여한다. 재보정 메커니즘은 ‘감각 재조정 신호(recalibration signal)’라 명명된 신경 활동으로, 지속적인 감각 불일치가 감지될 때 가중치를 조절해 시각·청각 좌표를 정렬한다. 이 과정은 실험적으로 관찰된 ‘감각 적응’ 현상과 일치한다. 또한 모델은 시각·청각 간 위상 차이, 신뢰도 변화, 그리고 시간적 지연에 따라 인과 판단과 통합 정도가 어떻게 변하는지를 정량적으로 예측한다. 시뮬레이션 결과는 인간 행동 실험에서 보고된 ‘베이즈 최적 통합’ 패턴과 높은 상관관계를 보이며, 뇌영상 연구에서 보고된 다감각 부위(예: IPS, STS)의 활성도 변화와도 일치한다. 따라서 이 모델은 다감각 인지의 신경생리학적 기반을 통합적으로 설명하는 강력한 프레임워크로 평가될 수 있다.