DGIST에 따르면 ‘통계적 학습’은 인간이 주어진 환경으로부터 자신도 모르게 규칙성을 파악하고 그것에 적응하게 되는 핵심적인 인지능력이다. 통계적 학습의 주요 기전을 밝히기 위해 많은 연구가 진행됐지만, 기존 연구에서는 뇌의 여러 영역들이 어떤 방식으로 상호작용해 통계적 학습을 가능케 하는지 그 면모를 자세히 확인할 수 없었다.

전 교수 연구팀은 인간의 통계적 학습에 관여하는 신경학적 연결망이 뇌의 어느 영역들에 걸쳐 일어나는지 확인하고, 이 영역들 사이의 연결고리가 어떤 식으로 구성돼야 통계적 학습에 도움이 될 수 있는지 규명하고자 기능적 자기공명 영상(fMRI)을 이용했다. 기능적 자기공명 영상은 공간적 해상도가 높아 통계적 학습을 진행할 때 활성화되는 뇌 영역들에 대한 면밀한 관찰이 가능하다.

연구팀은 이런 장점을 활용해 통계적 학습을 진행할 때 관여하는 뇌 영역의 발견과 더불어 각 영역을 이어주는 신경학적 연결망이 개인의 통계적 학습에 어떤 도움을 주는지 밝혀냈다. 특히 기존 연구들과 차별화된 연결망 분석 기법을 적용해 통계적 학습을 진행할 때 관여하는 핵심 네트워크와 그 기능에 대한 중요한 증거를 제시할 수 있었다. 이 과정에서 데이터 기반, 가설 기반 신경학적 연결망 분석 기법을 동시에 적용해 보다 신뢰도 높은 증거를 제시하는데 성공했다.

연구 결과, ‘상전두회’를 중심으로 펼쳐진 ‘하향 조절’에 관련된 영역들과 그들 사이의 신경학적 연결망이 통계적 학습에 핵심적인 역할을 수행하는 것으로 밝혀졌다. 특히 해당 연결망의 연결 강도가 약해질수록 통계적 학습을 더 잘하는 것으로 나타났는데, 이는 목표 지향적 행동이나 집중도와 관련 있는 뇌 영역의 개입을 줄이는 것이 오히려 새로운 규칙을 익히는데 도움이 될 수 있다는 흥미로운 가능성을 제시한다.

DGIST 전현애 교수는 “이번 연구는 인간의 통계적 학습을 가능케 하는 뇌 신경학적 기전에 대한 핵심적인 증거를 제시한 것”이라며 “향후 연구팀에서 발견한 두뇌 연결망을 중심으로 학습 능력을 높이기 위한 다양한 연구 방법이 진행될 수 있을 것”이라고 말했다.

이 연구에는 DGIST 뇌과학과 박정탁 박사과정생이 제1저자로 참여했다. 연구 결과는 신경과학 분야 학술지 ‘뉴로이미지’에 게재됐다.