[연구자 요약] 기초과학연구원 뇌과학 이미징 연구단 김성신 연구원은 fMRI 기반 운동 학습 신경망 분석과 맞춤형 해마 네트워크 자극을 통한 뇌 질환 인지 기능 향상 기술을 연구합니다.

직책

연구원

재직 상태

재직 중

소속기관

기초과학연구원 (뇌과학 이미징 연구단)

연구 분야

운동 학습 및 피질-선조체 뇌 신경망 상호작용 규명 기술: 인간의 지속적인 신규 운동 학습 과정에서 시각적 피드백 매개 운동 상호작용 및 뇌 선조체의 시공간적 활성 기전을 정밀하게 규명하는 연구를 수행합니다. 기능적 자기공명영상(fMRI) 기반의 뇌 이미징 기법을 활용하여 피질과 선조체 간의 동적 신경망 연결성을 추적하고 시각운동 상호작용 분석을 통해 복합적인 운동 수행 데이터의 신경생리학적 매커니즘을 분석합니다. 운동 기억과 선언적 기억 체계 간의 상호작용을 계산 신경과학적으로 모델링하여 새로운 신체 동작의 습득 및 자동화에 관여하는 뇌 영역의 기능적 역할을 상세히 파악합니다. 이러한 신경망 분석 접근법은 뇌졸중 환자 및 신경계 손상 환자를 위한 운동 기능 재활 치료 프로토콜 설계, 뇌 신호 기반 뇌-컴퓨터 인터페이스(BCI) 제어 알고리즘 고도화, 비침습적 신경 조절을 통한 운동 학습 효율 최적화 기술에 직접 활용됩니다. fMRI 및 운동 학습 상호작용에 관한 핵심 분석 모델과 기전 연구 성과는 PNAS(2020), Communications Biology(2024), Scientific Reports(2020, 2024) 등 권위 있는 국제 학술지에 게재되어 뇌 신경망 기반 운동 기능 제어 연구의 학술적 신뢰성을 입증했습니다., 기억 네트워크 조절 및 개인 맞춤형 신경 자극 치료 기술: 일화 기억 및 항목-맥락 기억 형성 과정에서 작동하는 뇌 신경망의 기능적 분리를 정량화하고 알츠하이머병을 포함한 기억 장애 질환의 표적 치료 기술을 구현합니다. 대규모 뇌 신경망 상호작용 분석 기술을 바탕으로 개별 환자의 뇌 구조와 기능적 연결성을 정밀 매핑하며 개인 맞춤형 해마 네트워크 표적 자극 기술을 적용하여 인지 기능 개선 기전을 규명합니다. 무작위 대조 임상시험(RCT) 설계를 기반으로 표적화된 신경 자극이 해마 및 연결 피질 네트워크의 신호 전달 효율을 회복시키는 치료적 효과를 체계적으로 검증합니다. 본 기술은 알츠하이머병 및 경도인지장애 환자의 기억력 회복 치료, 퇴행성 뇌 질환 대응 인지 기능 향상 신경자극술, 기억 장애 환자를 위한 맞춤형 뇌 자극 전자약 및 치료 프로토콜 개발 분야에 핵심적으로 적용됩니다. 맞춤형 해마 신경망 자극과 기억 네트워크 분리 및 조절에 관한 실증 임상 연구 성과는 Science Advances(2018), JAMA Network Open(2024), PLOS ONE(2019) 등 주요 국제 학술지에 연속 게재되며 임상적 유효성과 치료 응용성을 객관적으로 증명했습니다.

연구자 링크

https://pr.ibs.re.kr/browse-researcher?filter=130101G632

중요 키워드

뇌 컴퓨터 인터페이스, 운동 학습, 인지 기능 향상, 신경 자극 치료, 김성신, 해마 네트워크 자극, 시각운동 상호작용, 뇌 선조체 활성 기전, 기억 네트워크 조절, 기초과학연구원, fMRI, 일화 기억, 알츠하이머병 치료, 피질 선조체 신경망, 뇌과학 이미징, 운동 학습 및 피질-선조체 뇌 신경망 상호작용 규명 기술, 인간의 지속적인 신규 운동 학습 과정에서 시각적 피드백 매개 운동 상호작용 및 뇌 선조체의 시공간적 활성 기전을 정밀하게 규명하는 연구를 수행합니다. 기능적 자기공명영상(fMRI) 기반의 뇌 이미징 기법을 활용하여 피질과 선조체 간의 동적 신경망 연결성을 추적하고 시각운동 상호작용 분석을 통해 복합적인 운동 수행 데이터의 신경생리학적 매커니즘을 분석합니다. 운동 기억과 선언적 기억 체계 간의 상호작용을 계산 신경과학적으로 모델링하여 새로운 신체 동작의 습득 및 자동화에 관여하는 뇌 영역의 기능적 역할을 상세히 파악합니다. 이러한 신경망 분석 접근법은 뇌졸중 환자 및 신경계 손상 환자를 위한 운동 기능 재활 치료 프로토콜 설계, 뇌 신호 기반 뇌-컴퓨터 인터페이스(BCI) 제어 알고리즘 고도화, 비침습적 신경 조절을 통한 운동 학습 효율 최적화 기술에 직접 활용됩니다. fMRI 및 운동 학습 상호작용에 관한 핵심 분석 모델과 기전 연구 성과는 PNAS(2020), Communications Biology(2024), Scientific Reports(2020, 2024) 등 권위 있는 국제 학술지에 게재되어 뇌 신경망 기반 운동 기능 제어 연구의 학술적 신뢰성을 입증했습니다., 기억 네트워크 조절 및 개인 맞춤형 신경 자극 치료 기술, 일화 기억 및 항목-맥락 기억 형성 과정에서 작동하는 뇌 신경망의 기능적 분리를 정량화하고 알츠하이머병을 포함한 기억 장애 질환의 표적 치료 기술을 구현합니다. 대규모 뇌 신경망 상호작용 분석 기술을 바탕으로 개별 환자의 뇌 구조와 기능적 연결성을 정밀 매핑하며 개인 맞춤형 해마 네트워크 표적 자극 기술을 적용하여 인지 기능 개선 기전을 규명합니다. 무작위 대조 임상시험(RCT) 설계를 기반으로 표적화된 신경 자극이 해마 및 연결 피질 네트워크의 신호 전달 효율을 회복시키는 치료적 효과를 체계적으로 검증합니다. 본 기술은 알츠하이머병 및 경도인지장애 환자의 기억력 회복 치료, 퇴행성 뇌 질환 대응 인지 기능 향상 신경자극술, 기억 장애 환자를 위한 맞춤형 뇌 자극 전자약 및 치료 프로토콜 개발 분야에 핵심적으로 적용됩니다. 맞춤형 해마 신경망 자극과 기억 네트워크 분리 및 조절에 관한 실증 임상 연구 성과는 Science Advances(2018), JAMA Network Open(2024), PLOS ONE(2019) 등 주요 국제 학술지에 연속 게재되며 임상적 유효성과 치료 응용성을 객관적으로 증명했습니다.