동적 인과 모델링 (Dynamic causal modeling)
한 줄 정의: 영역 간 영향의 방향과 세기를 생성 모형으로 추정하는 분석법입니다.
쉽게 풀면
두 뇌 영역의 신호가 함께 움직인다는 사실만으로는 어느 쪽이 어느 쪽에 영향을 주는지 알 수 없습니다. 동적 인과 모델링은 영역들이 서로 어떻게 영향을 주고받는지를 미분방정식으로 먼저 가정한 뒤, 그 가정이 실제 측정 신호를 얼마나 잘 만들어 내는지를 비교합니다. 여러 후보 구조를 세워 놓고 자료에 가장 잘 맞는 구조를 고르는 방식입니다.
왜 중요한가
기능적 연결성이 답하지 못하는 '영향의 방향' 문제를 다루려는 대표적 시도라 인지신경과학의 회로 수준 가설 검증에 널리 쓰입니다. 뇌파와 기능영상 모두에 적용할 수 있는 공통 틀이라는 점도 장점으로 꼽힙니다.
논문에서는 이렇게 쓰입니다
"과제 조건이 하측두피질에서 전전두피질로 향하는 연결의 강도를 유의하게 변조하는 모형이 가장 높은 모형 증거를 보였다."
여러 연결 구조를 비교해 가장 그럴듯한 모형을 고르는 분석 절차를 그대로 보여 주는 문장입니다.
조금 더 깊게 보면
모형은 영역별 신경 상태 방정식과, 그 상태가 어떻게 측정 신호로 바뀌는지를 기술하는 관측 모형으로 구성됩니다. 추정에는 베이즈 방법이 쓰이며, 모형 간 비교는 자유에너지로 근사한 모형 증거를 기준으로 이루어집니다. 결과가 모형 공간의 설정과 관심 영역 선택에 크게 좌우되므로, 후보 모형을 어떤 근거로 정했는지 명시하는 것이 방법 보고의 핵심으로 강조됩니다.
주의할 점
기능적 연결성은 신호 사이의 통계적 관련성을 기술할 뿐이지만, 이 분석은 '유효 연결성', 즉 영향의 방향까지 추정하려는 시도입니다. 다만 추정된 방향은 가정한 모형 안에서만 유효한 결론이므로 인과의 확증으로 읽지 않아야 합니다.