메타, 생각으로 키 입력하는 비침습 뇌-컴퓨터 인터페이스 'Brain2Qwerty' 2세대 공개

메타가 비침습 뇌-컴퓨터 인터페이스(BCI)인 'Brain2Qwerty'의 두 번째 버전을 공식적으로 공개했다. 이 혁신적인 기술은 사용자의 생각을 가상 키보드의 키 입력으로 전환할 수 있는 잠재력을 가지고 있으며, 기존의 침습적 수술 없이도 뇌 신호를 감지하는 것을 목표로 한다. 이번 2세대 버전은 전작 대비 향상된 성능을 선보이며, 뇌-컴퓨터 인터페이스 기술의 발전에 중요한 이정표를 제시하고 있다.

일론 머스크의 뉴럴링크(Neuralink)를 비롯한 여러 스타트업들은 수년 동안 뇌-컴퓨터 인터페이스 기술을 연구해왔다. 이 기술은 이동성을 잃은 환자들이 오직 생각만으로 컴퓨터를 제어할 수 있도록 돕는 것을 목적으로 한다. 그러나 이러한 시스템의 대부분은 뇌 신호를 감지하는 데 필요한 센서를 설치하기 위해 침습적인 수술을 요구한다는 근본적인 한계를 가지고 있었다. 이는 환자들에게 상당한 부담과 위험을 안겨주는 요소로 작용해왔다.

메타는 이러한 기존 BCI 방식의 한계를 극복하기 위해 비침습적인 'Brain2Qwerty' 시스템을 개발하고 있다. 이 시스템은 뇌에 임플란트를 삽입하는 대신, 자기뇌파검사(MEG) 스캐너를 활용한다. MEG 스캐너는 뇌 활동으로 인해 발생하는 미세한 자기장 변화를 읽어내고, 이 변화를 가상 키보드의 특정 키 입력과 연관시키는 방식으로 작동한다. 이는 수술 없이도 뇌 신호를 해석하려는 메타의 독자적인 접근 방식이다.

이번에 공개된 'Brain2Qwerty'는 사실상 비침습 BCI의 두 번째 버전이다. 지난해 개념 증명(proof of concept) 형태로 첫 번째 버전이 발표된 바 있다. 2세대 버전은 각 테스트 대상자별로 10배 더 많은 데이터를 학습시킨 결과, 정확도가 크게 향상되었다고 메타는 밝혔다. 회사 측에 따르면, 현재 평균 정확도는 61%에 달하며, 가장 뛰어난 참가자는 최대 78%의 단어 정확도를 기록했다. 이는 이전 버전의 평균 정확도 40%와 최고 사용자 정확도 48%에 비해 상당한 발전이다.

이러한 정확도 향상은 분명 큰 진전이지만, 메타는 현재 수준이 아직 임상 테스트에 적합하지 않다는 점을 인정하고 있다. 평균 61%의 정확도는 여전히 오차가 많아 일상적인 대화에서 사용하기에는 어려움이 따를 것이라고 메타는 설명했다. 즉, 사용자가 원하는 대로 정확하게 의사를 전달하기에는 아직 부족한 부분이 많다는 의미이다. 따라서 실제 의료 환경에 적용되기 위해서는 추가적인 개선이 필수적이다.

메타가 직면한 또 다른 과제는 자기뇌파검사(MEG) 센서의 물리적인 크기이다. 현재의 MEG 기술은 사용자 본인과 앉아 있는 의자보다도 훨씬 큰 거대한 하드웨어를 필요로 한다. 이러한 대형 장비는 임상 환경에서 사용하기에 실용적이지 않다는 지적이 있다. 그러나 메타는 MEG 센서 기술에 유망한 발전이 이루어지고 있으며, 이는 향후 임상 환경에서 더욱 관리하기 쉬운 소형 장치로 이어질 수 있을 것이라고 전망했다.

메타만이 뇌 수술을 필요로 하지 않는 BCI 대안을 연구하는 유일한 주체는 아니다. 조지아 공과대학교(Georgia Tech)의 한 연구팀은 두피 아래에 쉽게 삽입할 수 있는 초소형 BCI를 개발하기도 했다. 또한, 밸브(Valve)의 설립자이자 슈퍼 요트 애호가인 게이브 뉴웰(Gabe Newell) 역시 배터리가 필요 없는 BCI를 개발하려는 스타트업을 설립하는 등, 다양한 주체들이 비침습 또는 최소 침습 BCI 기술 발전에 기여하고 있다.

뉴럴링크와 같은 침습적 솔루션에 대한 메타의 비침습 BCI 대안은 환자들이 웹캠을 제어하거나 '월드 오브 워크래프트(World of Warcraft)'와 같은 게임을 플레이할 수 있게 되기까지는 아직 갈 길이 멀다. 그럼에도 불구하고, 이는 신경 보철학(neuroprosthetics) 분야에서 중요한 발전으로 평가된다. 궁극적으로 이 기술은 환자들의 삶의 질을 회복하거나 향상시키는 데 사용될 수 있는 의료 기기로 발전할 가능성을 내포하고 있다.

메타의 'Brain2Qwerty' 2세대 출시는 비침습 뇌-컴퓨터 인터페이스 기술의 진보를 보여주는 중요한 사례이다. 비록 현재는 정확도와 하드웨어 크기 등 여러 한계에 직면해 있지만, 지속적인 데이터 학습과 센서 기술의 발전은 이러한 제약을 점차 극복할 것으로 기대된다. 이 기술이 미래에 환자들의 삶에 긍정적인 변화를 가져올 수 있는 잠재력을 가지고 있다는 점에서 그 의미가 크다.