비지도 행동 분절화 (Unsupervised Behavioral Segmentation)

한 줄 정의: 사람이 미리 정한 행동 이름표 없이, 동물의 자세와 움직임 데이터를 컴퓨터가 스스로 반복되는 패턴 단위로 잘라 분류하는 행동신경과학 분석 기법.

쉽게 풀면

동물의 움직임을 영상으로 찍으면 몸의 자세가 시시각각 바뀌는 긴 시계열 데이터가 생기는데, 사람이 "이건 그루밍, 저건 걷기"라고 일일이 이름을 붙이는 대신 알고리즘이 데이터 안에서 스스로 반복되는 짧은 움직임 패턴들을 찾아내 자동으로 구간을 나누고 그룹으로 묶는 방법입니다. 마치 사람이 문법을 가르쳐주지 않아도 아이가 말소리를 듣고 반복되는 음절 단위를 스스로 알아채는 것과 비슷합니다. MoSeq, B-SOiD 같은 도구가 대표적이며, 이렇게 뽑아낸 반복 단위를 흔히 '행동 음절(syllable)'이라고 부릅니다. 연구자가 정의한 카테고리에 갇히지 않기 때문에 미처 이름 붙이지 못했던 새로운 행동 패턴까지 발견할 수 있습니다.

왜 중요한가

기존 행동 연구는 연구자가 "이 행동은 A, 저 행동은 B"라고 미리 정의한 카테고리에 의존했는데, 이는 관찰자의 주관과 선입견이 개입될 수밖에 없고 미세한 행동 차이를 놓치기 쉽습니다. 비지도 행동 분절화는 이런 편향 없이 데이터 자체가 가진 구조를 드러내주기 때문에, 약물 처리나 유전자 조작, 질병 모델에서 나타나는 미묘하고 이전에는 이름조차 없던 행동 변화를 정량적으로 포착할 수 있습니다. 이 덕분에 신경과학·약리학 연구에서 행동을 객관적이고 재현 가능한 방식으로 비교하는 표준적 접근으로 자리잡고 있습니다.

논문에서는 이렇게 쓰입니다

"우리는 MoSeq를 이용해 3D 깊이 영상 데이터를 약 400ms 길이의 행동 음절로 분할하고, 은닉 마르코프 모델(HMM)을 통해 음절 간 전이 확률을 추정하였다."

동물의 3차원 움직임 영상을 짧은 행동 단위(음절)로 자동으로 쪼개고, 그 단위들이 어떤 순서로 이어지는지를 통계적으로 분석했다는 의미입니다.

"B-SOiD로 분류된 21개의 비지도 행동 클러스터 중, 그루밍과 유사한 두 클러스터의 발생 빈도가 스트레스 노출군에서 유의하게 증가하였다(p < 0.01)."

알고리즘이 스스로 찾아낸 21가지 행동 패턴 그룹 중 그루밍처럼 보이는 두 그룹이 스트레스를 받은 동물에서 더 자주 나타났다는 뜻입니다.

조금 더 깊게 보면

기술적으로는 자세 추정(pose estimation, 예: DeepLabCut)으로 얻은 신체 부위 좌표 시계열을 입력으로 받아, HMM 기반 모델(MoSeq)이나 비지도 클러스터링(B-SOiD의 UMAP+HDBSCAN 조합)을 적용해 시간축을 의미 있는 구간으로 나눕니다. 나뉜 음절들은 각각 지속시간, 발생 빈도, 전이 패턴(어떤 음절 다음에 어떤 음절이 오는지)을 가지며, 이 통계량 자체가 행동 표현형(behavioral phenotype)의 정량 지표가 됩니다. 최근에는 여러 동물·여러 조건에서 얻은 음절 레퍼토리를 비교해 유전형이나 약물 효과를 매핑하는 연구도 활발합니다.

주의할 점

비지도라고 해서 완전히 객관적인 '정답 행동 분류'가 나오는 것은 아니며, 클러스터 개수나 시간 해상도 같은 하이퍼파라미터 설정에 따라 결과가 달라질 수 있습니다. 또한 도구마다(MoSeq vs B-SOiD) 서로 다른 알고리즘 가정을 쓰기 때문에 같은 데이터라도 분절 결과가 일치하지 않을 수 있어, 도출된 음절에 사람이 이해할 수 있는 이름(예: "그루밍 유사")을 붙이는 과정은 여전히 신중한 해석이 필요합니다.