Research perspectives

Using multiple behavioral and neuroimaging approaches, our laboratory seeks to explore human brain network organization within a translational framework. In doing so, we believe that a systems approach is crucial in filling the gaps in our understanding of the human brain with all its complexity arising from the need for multiple levels of analysis – from neurons to cognition and from cognition to behavior.

An overarching theme that is guiding our work is to arrive at a set of universal principles governing all levels of analysis –  the neural, cognitive, and behavioral expressions of the human mind. So, we pay close attention to the structure-function relationship of brain regions to elucidate the link between the brain and the mind. In this quest, we believe that a combined effort from multiple facets of brain research is necessary. On top of the need for inquiries both at theoretical and experimental levels, various approaches to analyzing research data is becoming increasingly more important. Two main research approaches employed at our lab are computational and systems models. Due to its reliance on analysis by synthesis, computational models have the potential to provide a unified perspective on the underlying biology of a wide range of behaviors including those associated with neuropsychiatric disorders. We also consider neural network topology as an important brain model bearing on the systems approach. This approach is particularly effective in uncovering how neural circuitries spanning multiple neuronal populations collectively work together and give rise to complex, higher-level functions of cognition. These approaches have allowed us to latch on a multi-scale and multi-level analysis of brain activity.

One important focus in our work is a push towards deciphering individual brains. Traditionally, human neuroimaging has had to combine measurements from multiple brains and generate average brain data. This group-level analysis approach is problematic because various lines of research has increasingly shown over the recent years that there is meaningful variation across different brains that are collapsed by this type of technique. Acknowledging that understanding inter-individual variability inherent in brain network organization is paramount in bringing basic neuroscience research into the translational domains of precision medicine and other real-world settings directed at improving health and performance of individuals. We believe that this emphasis on the individual brain will help us more effectively interface basic neuroscience and real-world intervention settings such as clinical practice and education.

관점 : 무엇을 지향하는가?

뇌 과학은 다층적 간극을 가진 학문입니다. 신경 단위에서의 활동과 신경 군집들이 상호작용하여 형성하는 뇌 기능은 서로 다른 차원입니다. 이를 ‘전체는 전체를 이루는 부분들의 합보다는 크다’라고 표현할 수 있는데 이 개념은 뇌 시스템 과학의 근간이 됩니다. 한편, 신경 활동과 기능을 신경 군집간의 상호작용에 대한 수학적 모델로 재현하는 연구 분야가 계산 뇌과학입니다. 신경활동을 재현하는 과정에서 신경 시스템이 어떻게 작동하는지 연구하는 방법입니다. 이러한 방법을 ‘종합을 통한 해석’ 이라고 합니다. 마지막으로 뇌신경 활동이 무엇을 하기 위해 작동하는지를 설명하고 그 근거를 세워 가는 분야가 이론 뇌과학이 다루는 영역입니다. 본 연구실 책임자인 박해정 교수가 영국 UCL 대학의 Friston 교수와 2013년도에 SCIENCE 잡지에 발표한 논문에서 종설하였듯이 (Park and Friston, 2013) 이러한 최신 뇌과학의 세 분야는 분리되어 있지 않고 유기적으로 상호작용합니다. 뇌 시스템은 뇌 활동의 구조적 기반이 되고 (시스템 뇌과학) 그 기반 위에서 생물학적으로 타당한 모델 (계산 뇌과학)로 설명되는 뇌신경군들의 기능들이 이루어집니다. 뇌의 이론적 작동인(작동을 이끄는 요인, 이론뇌과학)을 따라 뇌 기능의 재조직화가 일어나는 것으로 보고 치료 계획 수립에 근간이 됩니다. 이러한 과정은 뇌 질환의 생물학적 수준뿐만 아니라, 더 고차적인 단계인 인간 행동이나 인간간의 상호작용에 까지 확대될 수 있습니다. 이러한 뇌연구 방법론에 근거하여 본 연구실의 연구 방향을 소개 합니다.

research themes

인간 인지, 정서, 행동, 마음에 이르는 복잡한 뇌 인지 기능이 어떻게 고정적인 뇌신경 연결망을 기반으로 형성 되는지를 연구합니다. 뇌는 외부와 교류하기 위한 인지 기능 외에도 뇌 자신 안에서 가변성, 항상성, 견고성, 자가 조절성, 효율적 정보교류, 에너지 효율성등의 복잡계 시스템 특성을 가집니다. 이러한 뇌 시스템 특성은 시스템을 구성하는 뇌신경연결망 토폴로지 (topology)에 의해 결정된다고 할 수 있습니다. 뇌 신경연결망 골격은 모듈화되고 계층 조직화된 형태로서 뇌 영역간 효율적으로 정보를 교환하지만 에너지를 최소화 할 수 있는 기하학적 토폴로지를 가지고 있습니다. 이 구조적 뇌연결망 위에서 다양한 인지 기능 연결망이 형성된다고 봅니다. 본 연구실에서는 이러한 구조-기능 연결망의 상호 관계[(Lee et al., 2017a; Park et al., 2017a)와 기능 연결망의 동적인 특성 (Park et al., 2012) (Jeong et al., 2016; Park et al., 2014), 구조 연결망에 대한 수렴과 발산 (Park et al., 2017a), 인지, 정서, 행동의 뇌신경연결망 근간을 연구하고 (Park and Friston, 2013) 개인을 타인과 구분하는 개별성 (Jang et al., 2017) 및 뇌질환 특성을 연구함으로 (Cho et al., 2017; Jang et al., 2016; Lee et al., 2011; Park et al., 2015; Yu et al., 2018) 개인과 질환을 특징하는 생물학적 지표를 찾는 연구를 진행하고 있습니다.

뇌는 단일 상태에 고정된 것이 아니라 다중안정상태를 천이하는 동적 시스템 특성이 있습니다. 뇌의 동적 특성은 에너지 경관 (Energy landscape) 해석을 통해 안정 상태의 개수, 안정 상태들 간 천이 등 통계역학관점에서 분석할 수 있습니다. 한 안정상태가 어떤 상태를 거쳐서 다른 안정 상태로 바뀌는지, 그 전이 속도가 어떻게 되는지, 어떤 외부 자극이 천이를 효과적으로 유발하는지 등은 뇌 작동 기전을 이해하는데 있어 중요한 단서가 됩니다. 뇌의 비선형적 동적 특성은 인지 과정 뿐만 아니라 환경과 상호작용을 통한 뇌 발달의 이해 및 뇌 발달에 의한 정신 질환 발현 기전 이해와 치료에 중요한 요소가 될 것입니다. 특히, 뇌질환은 발달 경로에 있어서 비정상적인 뇌연결망이 만들어 낸 에너지경관이 환경 자극과 상호 작용함으로 정상적 천이 경로의 왜곡에 기인하는 것으로 가설하고 이를 입증하기 위해 노력하고 있습니다. 이러한 뇌 시스템의 동적 특성을 탐구하기 위해 뇌 영역간 동역학적 상호작용 모델에 따른 뇌연결망을 추정하고 (Jung et al., 2018; Jung et al., 2019; Kang et al., 2020), 뇌 시스템의 동역학적 고유 특성 해석 (Kang et al., 2017), 동역학적 천이 특성 (Kang et al., 2019), 발달 뇌 장애 동적 기전 연구 방법론 등을 연구하고 있습니다. 또한, 뇌질환에 특이적인 뇌연결망을 제어하여 통해 정상 기능이 가능한 뇌연결망으로 전환시키는 이론적 연구를 진행하고 있습니다. 특히, 개인별 뇌 시스템에 특화된 동적 구조의 추정, 개인별 뇌 상태 에너지경관에 따른 뇌연결망의 조절(Park and Kang, under review)을 위해 여러 전문가들과 협력하고 있습니다.

복잡한 뇌를 이해하고 뇌 질환의 기전을 파악하는 중요한 방식은 실제 뇌의 작동을 재현할 수 있는 모델을 수립하는 것입니다. 종래에는 질환의 특성을 반영하는 동물 모델을 만듦으로 해당 질환의 발병 기전에 대한 개연성을 확보하고 치료 기법을 수립하기 위해 노력해왔습니다. 동물 모델 뿐만 아니라 수학적 모델에 따라 특정 뇌 기능을 모사하여 구현함으로 그 과정에서 뇌의 기전을 이해할 수 있습니다. 일단 수학적 모델이 잘 수립이 된다면 그 모델을 쉽게 조작할 수 있게 됨으로 치료 계획을 수립하는데 사용할 수 있습니다. 수학적 모델링은 중요한 것과 중요하지 않은 것을 구분하는 과정이며 단순화 하는 과정입니다. 다양한 뇌 계층에서 수학적 모델링 연구를 진행하고 있는데 낮은 단계로는 Zebra fish, 쥐 신경 세포와 세포간의 상호 작용 모델링 (Jung et al., 2019; Kang et al., 2020)에서 부터 인간 뇌 영역과 영역 사이의 상호 작용에 대한 수학 모델 (Jung et al., 2018; Park et al., 2017b; Park et al., 2017c; Razi et al., 2017)을 사용합니다. 이 모델링은 신경군간의 상호 작용 기전에 대한 모델과 측정 과정에 대한 모델로 구성되어 측정된 뇌 활동 신호를 이용하여 모델을 추정하게 됩니다. 수학적 모델링은 인간 행동 모델링으로 확대할 수 있는데 이는 행동 유형을 유발하는 개인의 내재적 고유치를 추정하는 과정이라 할 수 있습니다. 측정 자료로부터 모델의 고유치를 역추적하는 과정에는 베이지안 추론을 사용하게 됩니다. 본 연구진은 다양한 계층에서 계산 모델링 연구를 진행하고 있습니다.

신경군들이 서로 상호작용할때에 어떤 목적에 따라 어떤 방향으로 상호 작용하는 지에 대한 뇌의 작동 원리를 가설하고 이에 대한 근거를 제시하는 분야가 이론뇌신경생물학이라고 할 수 있습니다. 본 연구실의 책임자가 공동 연구하고 있는 영국 UCL의 Friston 교수가 주창한 ‘자유에너지(Free energy)’ 원리는 뇌를 외부 세상에 대한 내적 모델을 생성해 나가는 계층적 베이지안 시스템으로 이해하고 있습니다. 기존 경험을 축적하여 세상에 대한 모델을 수립하고, 그 모델을 기반으로 예측하고 행동하여야 생존을 돕고 에너지를 줄이는 방향으로 작동하도록 설계되어 있다고 봅니다. 이 원리는 인간 행동, 학습, 정서적 반응, 기억, 뇌의 재조직화 및 회복을 설명하고 정신 질환, 파킨슨 등과 같은 신경질환을 설명하는 중요한 원리로 부상하고 있습니다. 본 연구 그룹에서는 뇌 시스템의 작동원리로서 베이지안 원리에 따르는 자유에너지 최소화 과정에 초점을 두고 인지 행동, 뇌 질환의 연구를 수행하고 있습니다. 특히 뇌의 치료에 따라 자가 회복 과정에 있어서 자유에너지 이론을 근거로 하여 모델링하고 자가 회복 시스템에 대한 효과적 치료 계획(Park and Kang, under review)에 대한 연구를 진행하고 있습니다. 이를 임상에 적용하기 위해서는 이론신경생물학에 근거하에 뇌 영상 기반 개인의 뇌 시스템 구조를 정교하게 추정하고, 뇌 시스템 해석, 뇌 계산 모델링, 인공지능 기반 뇌 시스템 제어기술을 접목하는 과정을 진행하게 될 것입니다.

뇌인지과학은 뇌를 이해하는 과학적 측면 못지 않게 개인과 사회에 중요한 역할을 합니다. 뇌인지과학의 실용적 유용성을 입증하기 위한 목표로 집단에 일반화된 연구 보다는 개인에 특화된 뇌 연구를 지향합니다. 이를 위해서 뇌 해독(brain decoding) (Lee et al., 2017b), 베이지안 기반에 의한 자연스러운 뇌 활동 측정 및 해석 기법을 연구하고 이를 바탕으로 과학수사(Yoo et al., 2020), 뇌해독 기반 뇌조절 (Lee et al., 2018), 개인 맞춤형 뇌 진단 및 인지 치료 계획 수립의 근간을 마련하기 위해 노력하고 있습니다. 뇌연구의 사회적 유용성을 확대하기 위해서 SNS, VR 등과 같은 미디어를 기반으로 개인 행동 유형의 뇌신경 기반 분류와 상호 연관성을 밝힘으로 뇌과학에 근거한 보다 효율적인 디지털 테라그노시스 기법을 개발하고자 한다. 디지털 테라그노시스는 치료와 진단을 비대면 환경에서 VR/모바일/웹등의 4차 산업적 매체를 이용하여 인지, 정서 능력을 진단하면서 증진 시키는 것입니다 (Song et al., 2020). 특히 로봇 에이전트와 관계성 수립에 관련한 여러 인지적 이슈들에 대한 뇌과학적 연구를 진행하고 있습니다. 이 외에도 신경언어학에 있어서 음운학, 화용론 등에 대한 신경학적 기전 (Jang et al., 2013; Park et al., 2011; Park et al., 2010), 디자인의 창의성 (Cho et al., under review)에 대한 뇌과학적 근거 등에 대한 연구를 수행하였고 관련 연구를 지속적으로 진행하게 될 것입니다.

뇌과학의 응용이라고 할 수 있는 인공지능 연구에서 뇌 표면 기반 딥러닝 분석 기법 등 뇌과학 응용 연구 기법을 개발하고 (Seong et al., 2018), 임상 의학자들과 협력하여 뇌영상, 핵의학 영상, 이비인후과 고막 영상 (Cha and Pae et al., 2019), 안과 단층촬영영상 등 의료영상 진단 기법을 개발하였습니다. 대용량 뇌영상 및 연구 관련 자료를 이용하기 위한 다수의 고성능 워크스테이션, NVIDIA DGX 딥러닝 서버등을 기반으로 인공 지능 의료 영상 진단 기법 개발을 여러 의료진을 교육하면서 진행하고 있습니다.

  • Cha, D., Pae, C., Seong, S.B., Choi, J.Y., Park, H.J., 2019. Automated diagnosis of ear disease using ensemble deep learning with a big otoendoscopy image database. EBioMedicine.
  • Cho, E., Yoon, S.-A., Jo, S., Park, H.-J., under review. Hierarchical neural processing of prototypicality and simplicity of product design in forming design preference.
  • Cho, H., Kim, C.H., Knight, E.Q., Oh, H.W., Park, B., Kim, D.G., Park, H.J., 2017. Changes in brain metabolic connectivity underlie autistic-like social deficits in a rat model of autism spectrum disorder. Sci Rep 7, 13213.
  • Jang, C., Knight, E.Q., Pae, C., Park, B., Yoon, S.A., Park, H.J., 2017. Individuality manifests in the dynamic reconfiguration of large-scale brain networks during movie viewing. Sci Rep 7, 41414.
  • Jang, C., Park, H.J., Chang, W.S., Pae, C., Chang, J.W., 2016. Immediate and Longitudinal Alterations of Functional Networks after Thalamotomy in Essential Tremor. Front Neurol 7, 184.
  • Jang, G., Yoon, S.A., Lee, S.E., Park, H., Kim, J., Ko, J.H., Park, H.J., 2013. Everyday conversation requires cognitive inference: neural bases of comprehending implicated meanings in conversations. Neuroimage 81, 61-72.
  • Jeong, S.O., Pae, C., Park, H.J., 2016. Connectivity-based change point detection for large-size functional networks. Neuroimage 143, 353-363.
  • Jung, K., Friston, K.J., Pae, C., Choi, H.H., Tak, S., Choi, Y.K., Park, B., Park, C.A., Cheong, C., Park, H.J., 2018. Effective connectivity during working memory and resting states: A DCM study. Neuroimage 169, 485-495.
  • Jung, K., Kang, J., Chung, S., Park, H.J., 2019. Dynamic causal modeling for calcium imaging: Exploration of differential effective connectivity for sensory processing in a barrel cortical column. Neuroimage 201, 116008.
  • Kang, J., Jung, K., Eo, J., Son, J., Park, H.J., 2020. Dynamic causal modeling of hippocampal activity measured via mesoscopic voltage-sensitive dye imaging. Neuroimage 213, 116755.
  • Kang, J., Pae, C., Park, H.J., 2017. Energy landscape analysis of the subcortical brain network unravels system properties beneath resting state dynamics. Neuroimage 149, 153-164.
  • Kang, J., Pae, C., Park, H.J., 2019. Graph-theoretical analysis for energy landscape reveals the organization of state transitions in the resting-state human cerebral cortex. PLoS One 14, e0222161.
  • Lee, D., Jang, C., Park, H.J., 2018. Neurofeedback learning for mental practice rather than repetitive practice improves neural pattern consistency and functional network efficiency in the subsequent mental motor execution. Neuroimage 188, 680-693.
  • Lee, D., Pae, C., Lee, J.D., Park, E.S., Cho, S.R., Um, M.H., Lee, S.K., Oh, M.K., Park, H.J., 2017a. Analysis of structure-function network decoupling in the brain systems of spastic diplegic cerebral palsy. Hum Brain Mapp 38, 5292-5306.
  • Lee, D., Yun, S., Jang, C., Park, H.J., 2017b. Multivariate Bayesian decoding of single-trial event-related fMRI responses for memory retrieval of voluntary actions. PLoS One 12, e0182657.
  • Lee, J.D., Park, H.J., Park, E.S., Oh, M.K., Park, B., Rha, D.W., Cho, S.R., Kim, E.Y., Park, J.Y., Kim, C.H., Kim, D.G., Park, C.I., 2011. Motor pathway injury in patients with periventricular leucomalacia and spastic diplegia. Brain : a journal of neurology.
  • Park, B., Eo, J., Park, H.J., 2017a. Structural Brain Connectivity Constrains within-a-Day Variability of Direct Functional Connectivity. Front Hum Neurosci 11, 408.
  • Park, B., Kim, D.S., Park, H.J., 2014. Graph independent component analysis reveals repertoires of intrinsic network components in the human brain. PLoS One 9, e82873.
  • Park, B., Kim, J.I., Lee, D., Jeong, S.O., Lee, J.D., Park, H.J., 2012. Are brain networks stable during a 24-hour period? Neuroimage 59, 456-466.
  • Park, H., Iverson, G.K., Park, H.J., 2011. Neural correlates in the processing of phoneme-level complexity in vowel production. Brain Lang 119, 158-166.
  • Park, H., Park, H.J., Iverson, G.K., 2010. The frontal and temporal lobe in the identification of laryngeal contrasts. Neuroreport 21, 474-478.
  • Park, H.-J., Kang, J., under review. A computational framework for optimal controllability of the self-restorative nonlinear brain system based on redundancy and the free energy principle.
  • Park, H.J., Friston, K., 2013. Structural and functional brain networks: from connections to cognition. Science 342, 1238411.
  • Park, H.J., Friston, K., Pae, C., Park, B., Razi, A., 2017b. Dynamic effective connectivity in resting state fMRI. Neuroimage.
  • Park, H.J., Kim, J.J., Youn, T., Lee, D.S., Lee, M.C., Kwon, J.S., 2003a. Independent component model for cognitive functions of multiple subjects using [15O]H2O PET images. Hum Brain Mapp 18, 284-295.
  • Park, H.J., Kubicki, M., Shenton, M.E., Guimond, A., McCarley, R.W., Maier, S.E., Kikinis, R., Jolesz, F.A., Westin, C.F., 2003b. Spatial normalization of diffusion tensor MRI using multiple channels. Neuroimage 20, 1995-2009.
  • Park, H.J., Kwon, J.S., Youn, T., Pae, J.S., Kim, J.J., Kim, M.S., Ha, K.S., 2002. Statistical parametric mapping of LORETA using high density EEG and individual MRI: application to mismatch negativities in schizophrenia. Hum Brain Mapp 17, 168-178.
  • Park, H.J., Lee, J.D., Chun, J.W., Seok, J.H., Yun, M., Oh, M.K., Kim, J.J., 2006. Cortical surface-based analysis of 18F-FDG PET: measured metabolic abnormalities in schizophrenia are affected by cortical structural abnormalities. Neuroimage 31, 1434-1444.
  • Park, H.J., Pae, C., Friston, K., Jang, C., Razi, A., Zeidman, P., Chang, W.S., Chang, J.W., 2017c. Hierarchical Dynamic Causal Modeling of Resting-State fMRI Reveals Longitudinal Changes in Effective Connectivity in the Motor System after Thalamotomy for Essential Tremor. Front Neurol 8, 346.
  • Park, H.J., Park, B., Kim, D.J., 2009. Real-time functional MRI for patient monitoring during a language task. Conf Proc IEEE Eng Med Biol Soc 1, 5389-5392.
  • Park, H.J., Park, B., Kim, H.Y., Oh, M.K., Kim, J.I., Yoon, M., Lee, J.D., Chang, J.W., 2015. A Network Analysis of (1)(5)O-H(2)O PET Reveals Deep Brain Stimulation Effects on Brain Network of Parkinson’s Disease. Yonsei Med J 56, 726-736.
  • Razi, A., Seghier, M.L., Zhou, Y., McColgan, P., Zeidman, P., Park, H.-J., Sporns, O., Rees, G., Friston, K.J., 2017. Large-scale DCMs for resting-state fMRI. Network Neuroscience 1, 222-241.
  • Seong, S.B., Pae, C., Park, H.J., 2018. Geometric Convolutional Neural Network for Analyzing Surface-Based Neuroimaging Data. Front Neuroinform 12, 42.
  • Song, H., Yi, D.J., Park, H.J., 2020. Validation of a mobile game-based assessment of cognitive control among children and adolescents. PLoS One 15, e0230498.
  • Yoo, S., Choi, H.H., Choi, H.Y., Yun, S., Park, H., Bahng, H., Hong, H., Kim, H., Park, H.J., 2020. Neural correlates of anxiety under interrogation in guilt or innocence contexts. PLoS One 15, e0230837.
  • Yu, R., Park, H.J., Cho, H., Ko, A., Pae, C., Oh, M.K., Kang, H.C., Kim, H.D., Park, E.K., Shim, K.W., Kim, D.S., Lee, J.S., 2018. Interregional metabolic connectivity of 2-deoxy-2[(18) F]fluoro-D-glucose positron emission tomography in vagus nerve stimulation for pediatric patients with epilepsy: A retrospective cross-sectional study. Epilepsia 59, 2249-2259.