mir.pe (일반/밝은 화면)
최근 수정 시각 : 2024-10-10 08:48:44

신경과학

신경 과학에서 넘어옴
첨단융합기술: NBIC
나노과학
(N) 		생명공학
(B) 		정보기술
(I) 		인지- 신경과학
(C)

기초의학
Basic Medicine
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break:keep-all"
{{{#!folding [ 펼치기 · 접기 ]
{{{#!wiki style="margin:-6px -1px -11px" 		<colbgcolor=#39BF66><colcolor=#fff>미생물학 기생충학( 임상기생충학) · 면역학 · 미생물학 · 열대의학
병리학 병리학 · 임상병리학 · 종양학 · 해부병리학 ( 진단세포학 · 조직병리학 · 법의학)
생리학 생리학 · 신경과학
생화학 틀:분자생물학&생화학 　|　 분자생물학 · 생화학 · 세포생물학 · 유전학
약리학 틀:약리학 　|　 약리학 · 약동학 · 약력학
예방의학 틀:예방의학 　|　 공중보건학 · 역학 · 예방의학 · 의료관리학 · 직업의학 · 환경의학
인문의학 생명윤리 · 의료법학( 의료법) · 의료경영학 · 의료행정학 · 의사학
해부학 발생학 · 조직학 · 신경해부학 · 해부학
기타 분야 심리학 · 의공학 · 의학교육학 · 행동과학 }}}}}}}}}



파일:external/s-media-cache-ak0.pinimg.com/d7a3ecca153952f658796ffb6f2ef325.jpg
[1]

1. 개요2. 세부분야
2.1. 신경계 수준2.2. 인지신경과학/신경심리학
2.2.1. 연구방법 및 패러다임
2.3. 의학2.4. 사회과학적 분야
3. 역사4. 대중적 이미지
4.1. 신경영상학 연구의 난점들
5. 학부과정 개설학교6. 참고문헌

1. 개요

신경과학( 神 經 科 學, neuroscience)은 신경(계)에 대해서 연구하는 학문을 말한다. 주 연구대상은 동물(특히 인간)의 신경(계)이지만, 여기에 한정되진 않는다. 세포덩어리와 거리가 먼 인공신경망 역시 신경과학의 연구주제다. 생물학과 연관시키는 경우 신경생물학(neurobiology)이라고 부른다.

국내에서는 신경과학이라는 용어가 뇌과학과 거의 같은 빈도수로 쓰이고 있지만, 사실 뇌는 신경계의 일부이므로 뇌과학은 신경과학의 한 분야라고 할 수 있다. 즉 신경과학이 더 넓은 범위를 포괄한다고 볼 수 있다. 해외에서는 이미 brain science라는 말보다는 neuroscience가 정착하였다. 이 바닥 가장 널리 쓰이는 교과서도 2015년 기준 4판까지 나와있는 Bear, Connors, Paradiso의 Neuroscience.

현대적인 의미의 신경과학은 이미 생물학이나 심리학 뿐만 아니라, 컴퓨터과학, 인지과학, 철학, 경제학, 인류학, 각종 사회과학 등이 신경이라는 주제를 중심으로 합쳐진 것이다. 혼동하기 쉽지만 신경생물학은 신경과학의 한 분야일 뿐이다. 이해하기 쉽게 신경생물학은 아니지만 신경과학에 속하는 영역을 생각해보자. 가령 fMRI나 PET을 다루는 뇌 영상학을 들 수 있다. 뇌영상학을 학습하기 위해서는 뇌의 작용을 컴퓨터로 시뮬레이션하는 모델링과 기계학습 등, 이런 분야의 기본적인 원리를 이해하기 위해서는 생물학적 지식을 배우고 시작하는 편이 편하겠지만, 이들이 다루는 분야는 세포 덩어리로서의 뇌는 아니다[2]. 또한 아래 문단에서 설명하는 신경경제학, 신경윤리학, 신경미학 등은 신경과학이긴 하지만 신경생물학은 아니다.

2. 세부분야

앞서 밝혔듯 신경과학은 이미 학제간 연구가 된 지 오래고, 전통 심리학과 신생학문인 인지과학의 일부까지 포괄하는 넓은 개념이다. 특히 시스템 신경과학에서는 물리학적 기법을 많이 사용하고, 인지신경과학은 심리학의 일부로 봐도 무방하다. 당연히 분자생물학과 생물정보학 등 최신 생물학의 새로운 지식과 방법론도 널리 수용된다. 신경과학의 연구 분야는 크게 연구 층위에서 나뉘며, 목적이나 세부적인 기능에 따라 구분되기도 한다. 관점에 따라 나눈 것이기에 구분이 애매하며, 얼마든지 중첩될 수 있다.

2.1. 신경계 수준

2.2. 인지신경과학/신경심리학

2.2.1. 연구방법 및 패러다임

인지/행동신경과학 연구는 특정 인지기능의 물리적 기반이 뇌의 어느 부위에 존재하는가를 규명하는 국지화(localization) 연구를 중심으로 시작되었다. 그러나 고등한 사고의 과정이나 의식, 자아(self) 개념 등의 사회심리학적 기능은 감각 및 지각과정에 비해서 이를 처리하는 분야가 뇌의 전 영역에 분산되어 있기 때문에,[11] 국지화 연구가 불가능할 수 있다는 문제가 있다. 다시 말해, 고등 인지기능은 하나의 인지기능이 여러 영역에서 분산처리되거나, 하나의 영역이 여러 인지기능에 관여하는 다 대 다 관계를 상정하고 연구해야 한다는 것이다. 이 때문에 인지신경과학 연구는 단순한 국지화 패러다임을 넘어서, 뇌 영역 간의 상호작용을 연구하는 연결망(network, connectivity) 중심의 연구로도 확장되고 있다.
신경과학이 뜨거운 관심을 받기 시작하면서 인지신경과학의 방법을 적용한 신규 연구분야들이 점차 많아지고 있으나, 이러한 융합분야의 연구 토대에 대한 우려 역시 많다. 인지신경과학의 방법을 사회심리학적 연구에 확장 적용한 사회신경과학의 경우, '신경과학 → 사회심리학' 방향의 일방적 유입이 지나치게 강조되어 사회심리학적 기초가 취약하다는 비판이 있다.[12]

2.3. 의학

2.4. 사회과학적 분야

3. 역사

뇌를 연구한 것은 고대 이집트로 거슬러 올라간다. 이후 미국에서 전두엽 절제술이 개발되었다.

4. 대중적 이미지

심리학이 몰이해로 고통받고 있는 반면, 신경과학은 무분별한 동경과 환상의 대상이 되고 있다. 뇌 연구자들 사이에 "별 것 아닌 연구, 심지어 명백히 틀린 연구라고 할지라도 뇌 영상 몇 개 뜬금없이 끼워넣고 뇌구조 몇 군데 읊어주기만 하면 사람들이 껌벅 죽는 건 일도 아니더라" 하는 이야기는 하루 이틀 일이 아니다. 어떤 연구성과가 인터넷 뉴스 같은 언론에 보도될 때에도 대개 그런 식으로 퍼져나가며, 거꾸로 말하면 아무 근거없는 카더라조차도 뇌과학적인 뉘앙스만 풍기면 곧바로 온 사방팔방에 인용되는 것. 이를 두고 학계에서는 "뇌영상 편향"(neuroimage bias)이라고까지 부르기도 하는 모양.[16]

이 문제로 인하여 2000년대 말엽부터 여러 저널들을 통해 그 잠재적인 문제가 계속해서 제기되어 왔다.[17][18] 대표적인 것 하나만 들자면 예일 대학교의 디나 와이즈버그 연구팀은(Weisberg et al., 2008) 가상으로 논문의 일부를 작성해서 학생, 초심자(novice), 전문가 세 집단에게 노출시켰다. 주어진 글은 제대로 짚은 글 2개와 헛다리 짚은 글 2개로 구성되어 있었고, 각각 신경과학 관련 언급이 있는 것과 없는 것으로 나누어졌다.[19] 연구 결과, 학생과 초심자 집단에서는 설명이 옳건 그르건 신경과학 언급만 포함되었다면 뭔진 몰라도 지적으로 만족스러운 설명이라고 보고했다. 특히 잘못된 내용을 담은 글일 경우에 신경과학적 언급을 통한 만족도의 상승 효과는 더욱 컸다. 그러나 전문가 집단에서는 그러한 언급이 있든 없든 똥글은 똥글 취급받았고(…) 더욱 흥미롭게도, 제대로 된 글조차 신경과학적 언급이 포함될 경우 오히려 만족도가 감소하는 경향을 보였다.

처음 이 현상이 발견되고 난 후에는 주로 재현성이 결여되어 있다는 반론이 자주 거론되어 왔는데, 현재의 중론은 "항상 그런 건 아니지만, 어떤 상황에서는 실제로 영향을 미칠 수 있으며, 특히 법정 증거로서 제시될 때 조심해야 한다. 뇌과학이 대중들에게 익숙해짐과 함께 이 편향은 조금씩 감소하고 있다" 정도이다. 그러나 사실 학부생 수준에서는 심리학과 학생들조차도 뇌 관련된 설명이 나오면 움츠러드는 경향이 없잖아 있고, 뇌 연구자들은 아무래도 전통적인 심리학 저널보다는 《Neuron》 이나 《Brain》, 《The Journal of Neuroscience》, 심지어는 《Current Biology》 같은 쪽에 투고/구독하는 식으로 자기네끼리만 어울려 노는 경향이 있어서, 편향까지는 아니더라도 학술 공동체로서의 괴리감 자체는 존재한다는 것에는 어느 정도 동의하는 사람들도 적지 않다.

사실 이런 경향은 비단 뇌 영상 이미지뿐만 아니라 수학 공식이나 함수, 모형 등이 논문에 포함되느냐의 문제에서도 똑같이 벌어지고 있는 일이기도 하다. 예컨대 수학 전공에서 사회심리학 전공으로 갈아탄 것으로 유명한 Eriksson(2012)은 자신의 〈 The Nonsense Math Effect 〉 에서 이미 "아무 의미도 없는 수학 공식 하나를 덧붙였을 뿐인데 사람들이 열광하더라"(…) 를 보고한 바 있다. 문제의 공식은 TPP = T0 - fT0d2f - fTPdf 이며, 정말로 아무 의미도 없다.(…) 그러나 수학 및 공학, 자연과학을 제외한 나머지 전 분야의 전문가들은 (심지어 의학까지도!) 무의미한 공식이 추가되자 60%가 넘는 인원이 더 긍정적인 반응을 보였으며, 그나마 이 세 분야의 전문가들도 45%가 넘는 인원이 더 긍정적인 평가를 했다. 쉬운 해설

참고로 이런 "이과적인" 콘텐츠들의 무비판적인 오남용에 관련하여, 사회과학자 스타니슬라브 안드레스키(S.Andreski)가 자신의 저서 《Social Sciences as Sorcery》(1972)에서 이미 진작에 비꼬았던 말이 있다.
... 이 바닥에서 저자권을 갖는 건 간단하면서도 수지맞는 일이다. 수학책의 아무 데나 펴서, 당신의 인간사회 연구와 무슨 관련이 있을지 영문 모를 간단한 공식 조금 가져다 붙이고, 사회과학 연구 몇 가지를 참고문헌으로 인용한 뒤, 멋있어 보이는 제목도 좀 달아주면, 당신은 인간 행동을 설명하는 과학의 핵심을 발견한 것이다!

- 스타니슬라브 안드레스키, pp.129-130

4.1. 신경영상학 연구의 난점들

유의해야 할 점은, 사실 fMRI 같은 신경영상학(neuroimaging) 관찰장비들이 뽑아내는 데이터 역시 통계 처리에 난점이 많다는 것이다. 뇌영상 장비에서 신호를 측정하는 과정에서 발생하는 잡음도 있고, 대개 뇌영상 장비의 데이터는 고차원 데이터 처리, 시계열 통계분석, 다중비교 문제 등의 복잡한 통계적 이슈들을 동반하는 경우가 많기 때문. 이러한 문제는 지속적으로 학계에 보고되고 있으나, 대중적인 관심을 받은 사례들은 대강 다음과 같이 한정된다.

이는 이 분야의 연구방법론은 수많은 기술적 이슈와 통계적 난점들을 가지고 있으므로 이러한 지점들에 대한 세세한 검토가 항상 뒤따라야 하며, 따라서 신경영상학이라 하여 무비판적이고 무조건적인 동경의 대상이 될 이유도 없음을 간접적으로 보여준다. 물론 그렇다고 신경과학에 대한 총체적인 불신에 빠지면 그건 그것대로 문제겠지만(…).

5. 학부과정 개설학교


학부과정이 없는 학교에서 신경과학을 전공하고 싶다면, 의과대학 생리학교실 소속의 연구실에서 신경과학 석박사 과정을 밟으면 된다.

6. 참고문헌

[1] 세로토닌과 도파민 - 엄밀히 말하면 당신에게 유일하게 즐거움을 주는 것은 이것 단 두 가지 [2] 어찌보면 '마음이나 인지 작용이 꼭 뇌 덩어리에서 일어날 필요는 없다'는 철학의 기능주의와도 맞닿아 있는 문제이다. [3] 본 항목의 맨 위에서 농간을 부리는 도파민과 세로토닌 또한 신경전달물질이다. 정확히는 신경조절물질(neuromodulator) [4] 왓슨과 크릭이 DNA구조 발견으로 노벨상을 탄 이듬해이다. 신경 과학 연구도 한참 걸음마 단계였을 때 [5] 오징어의 거대한 축삭을 연구하여 뉴런의 구조를 RC 회로로 치환, 비선형 미분 방정식을 이끌어냈다. [6] 회로라고 해서 꼭 순환적인 것은 아니지만, 대부분 신경 회로는 피드백과 피드포워드를 갖추고 있다. [7] 단, 인공신경망의 경우 네트워크를 학습시키는 알고리즘이 과연 실제 뇌에서 일어나는 학습 방식과 유사한가에 대한 논란이 끊임없이 제기되어 왔다. 대표적인 논의 거리가 고전적인 인공신경망 모델인 다층 퍼셉트론(multi-layer perceptron)을 학습시키는 역전파(back-propagation) 알고리즘. 공학 관점에서 인공신경망에 접근하는 이들에게는 그리 큰 문제가 아니지만, 수리심리학/계산신경과학의 관점에서 이를 연구하는 경우는 꽤 복잡한 문제가 된다. [8] 이에 spiking neural network를 사용하는 방식이 주목받는데 단지 주어진 인풋을 선형적으로 결합하는 일반적인 ANN과는 달리 SNN은 각 dendrite들이 받는 일종의 주기적인 전기신호를 받아들여서 가중치를 부여한 후 이를 다시금 주기적인 신호로 치환해서 내보내는 모델인데, ANN보다 복잡한 모델이다보니 다소 덜 사용되던 모델이었지만 실제로 spikeGPT라고 SNN을 이용해서 챗GPT의 언어학습알고리즘을 훨씬 적은 에너지 소모로 구현하는 데에 성공하는 등 가시적인 성과가 나타나고 있다. SNN의 기본적인 작동원리는 실제 뇌의 작동방식을 그대로 가져온 모델이며 이미 계산신경과학에서는 뉴런이 여러 ion channel들을 통해서 정보를 주고받는 방식을 매우 정확하게 수식화한 Hogdkin-Huxley 모델과 그 확장판들을 SNN으로 연결하여 학습시키면서 뇌의 알고리즘을 조금씩 파악해 나가고 있다. [9] 두 개의 뇌 영역 a와 b, 두 개의 인지 능력 A와 B 사이의 연결을 비교하는 상황을 가정해 보자. 이중 해리란, a라는 뇌 영역이 손상되었을 때는 B에 대한 영향이 없이 A에만 수행 저하가 나타나고, b라는 영역이 손상되었을 때는 A에 대한 영향 없이 B에만 수행 저하가 나타나는 경우를 일컫는다. 즉, 특정 뇌 영역과 특정 인지 기능이 연결되어 있음을 영역-기능 간 독립성의 규명을 통해 보일 수 있다는 개념이다. [10] 움직일 필요가 없다면 신경계도 있을 필요가 없다. 멍게문서 참조. [11] 인간의 뇌는 10%만 사용된다 항목에서도 설명되어 있듯, 기본적으로 인간은 인지처리를 위해 항상 뇌의 모든 부분을 사용하고 있다. 다만 특정 인지기능을 처리할 때 다른 영역에 비해 조금 더 사용되는 영역과 그렇지 않은 영역, 특정 기능의 처리에 조금 더 특화되어 있는 영역과 그렇지 않은 영역이 있을 뿐이다. [12] 최훈석, 사회심리학과 신경과학의 만남: 사회 신경과학의 동향과 장래 연구의 과제, 한국심리학회 연차 학술발표 논문집 2006년 제1호, 2006.6, 88-89 [13] 뇌전증 치료를 위해 해마를 포함한 내측 측두엽을 절제해야만 했던 헨리 몰래슨, 사고로 전전두엽이 파괴되어 인간이 자기통제 및 정서조절에 미치는 영향에 대한 중요 사례로서 남은 피니어스 게이지 등이 대표적 사례. 심각한 뇌전증 환자들의 경우 발작의 전파를 막기 위해 인간의 좌-우뇌 간 정보교환통을 담당하는 뇌량을 절제하기도 했는데, 이러한 분리뇌환자들의 사례는 뇌에서의 정보교환에 대한 중요한 통찰을 제공했다. [14] PET의 경우 촬영을 위해서는 몸에 허용 범위 내에 해당하는 극소량의 방사성 물질을 주입해야 한다는 문제가 있었고, 뇌전도나 뇌자도는 매우 짧은 시간동안 나타나는 뇌 활동의 변화도 파악할 수 있는 대신 뇌 심층부의 활동을 측정하거나 세부 영역을 구분짓기는 매우 힘든 방법이었다. [15] 김학진, 인지뇌과학적 연구의 소개, 정보과학회지 제27권 제4호, 2009.4, 19-24 [16] 더 심하면 유사과학이나 혹은 문헌오염으로 진행될 수도 있다. [17] 예컨대 Weisberg, Keil, Goodstein, Rawson, & Gray, 2008; McCabe & Castel, 2008; Michael, Newman, Vuorre, Cumming, & Garry, 2013; Beck, 2010; Baker, Schweitzer, Risko, & Ware, 2013; Schweitzer, Baker, & Risko, 2013; Scurich & Shniderman, 2014; Senior, 2008; ...... 구글 스칼라에서 10분 뒤져본 결과인데도 많기도 하다.(…) [18] 또한 Legrenzi & Umilta(2011) 역시 이 주제와 관련지어 비평하는 내용이 포함된 "Neuromania" 라는 저서를 출간했다. [19] 이를테면 "Brain scans indicate that...", "...frontal lobe brain circuitry known to be involved in..." 이런 식. [20] Bennett, C. M., Miller, M. B., & Wolford, G. L. (2009). Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: an argument for multiple comparisons correction. Neuroimage, 47(Suppl 1), S125. [21] Eklund, A., Nichols, T. E., & Knutsson, H. (2016). Cluster failure: why fMRI inferences for spatial extent have inflated false-positive rates. Proceedings of the National Academy of Sciences, 201602413. [22] Vul, E., Harris, C., Winkielman, P., & Pashler, H. (2009). Puzzlingly High Correlations in fMRI Studies of Emotion, Personality, and Social Cognition. Perspectives on Psychological Science, 4, 274-290.

분류