사람은 왜 같은 자극에도 다르게 아파하고, 다르게 느낄까

통증과 감정은 인간의 가장 주관적이면서도 일상적인 경험이다. 특히 원인이 분명하지 않거나 오랜 시간 지속되는 만성 통증은 개인마다 전혀 다른 양상으로 나타난다. 성균관대학교 글로벌바이오메디컬공학과 소속 COCOAN Lab(COmputational COgnitive Affective Neuroscience Laboratory, 이하 코코안랩)은 이러한 차이의 이유를 뇌에서 찾는다. 인간의 ‘주관’을 ‘과학’으로 이해하려는 이곳에서, 우충완 교수와 연구원의 이야기를 들어보았다.

* 만성 통증: 부상이 해결되면 가라앉는 급성 통증과 다르게, 3개월 이상 지속되는 고통을 뜻한다. 원인이 명확하지 않거나 부상 치료 후에도 지속되는 경우가 많다.

| 연구실 소개 부탁드립니다.

코코안랩은 성균관대학교와 IBS 뇌과학이미징연구단(Center for Neuroscience Imaging Research)에서 인간의 통증과 감정이 뇌에서 어떻게 표현되고 조절되는지를 연구하고 있습니다. 특히 기능적 자기공명영상(fMRI)을 비롯한 뇌영상 기법, 생리 신호 측정, 그리고 머신러닝 및 계산 모델링을 결합해 인간의 주관적 경험을 더욱 정밀하게 이해하고자 합니다.

연구실의 주요 목표는 크게 세 가지입니다. ①통증과 감정의 신경 메커니즘을 밝히고, ②개인의 정서 경험이나 임상적 상태를 설명할 수 있는 뇌 기반 모델과 바이오마커를 개발하며, ③이러한 기초 연구를 실제 임상 및 인공지능 연구로 확장하는 것입니다. 즉, 기초 뇌과학과 데이터과학, 그리고 임상적 응용을 함께 연결하는 연구를 지향하고 있습니다.

연구실 분위기 측면에서는, 학생들이 각자의 주제를 깊이 있게 탐구하면서도 서로의 아이디어를 활발히 나누는 협업 중심의 문화를 중요하게 생각합니다. 새로운 질문을 자유롭게 던지고, 다양한 방법론에 열린 태도로 접근하는 것이 코코안랩의 강점이라고 생각합니다.

* 기능적 자기공명영상(fMRI): 신경 활동에 따른 혈류량 및 산소 소모량 변화를 측정하여 뇌의 기능적 활성화를 평가하는 기술

* 머신러닝(machine learning, 기계학습): 데이터의 패턴을 학습하여 새로운 데이터에 대한 예측이나 판단을 수행하는 인공지능의 한 분야

* 계산모델링(computational modeling): 복잡한 현상을 수학적 모델과 알고리즘으로 표현하고, 이를 컴퓨터를 통해 분석하거나 예측하는 방법

| 연구실의 대표적인 연구 활동을 소개해 주세요.

통증과 감정을 뇌과학적으로 이해하고, 이를 바탕으로 실제 임상과 연구 현장에서 활용할 수 있는 뇌 영상 기반 분석 방법과 예측 지표를 개발하는 연구를 수행하고 있습니다. fMRI와 데이터 기반 분석 기법을 활용해, 통증과 정서 경험이 뇌에서 어떻게 나타나고 어떤 방식으로 조절되는지를 밝히고자 합니다. 특히 통증이라는 복합적인 경험을 더 깊이 이해하기 위해, 감각적·정서적·인지적 측면을 아우르는 다각적인 연구를 진행하고 있습니다.

대표적인 연구로는, 사람이 통증을 느낄 때 감각적 자극과 주변 맥락이 뇌에서 어떻게 통합적으로 처리되는지를 규명하였습니다(Gim et al., 2024). 또한 뇌 영상으로 통증을 예측하는 모델의 성능이 어떤 요인에 의해 달라지는지를 체계적으로 분석한 연구도 진행되었습니다(Lee et al., 2024).

이와 함께, 지속적인 쾌감과 통증 상태에서 감정의 방향과 강도가 뇌에서 어떻게 표현되는지를 살펴본 연구(Lee et al., 2024), 그리고 사람의 자발적인 생각 속에서 자기 관련성이나 감정적 특성을 예측할 수 있는 뇌 기반 모델을 제시한 연구(Kim et al., 2024)도 이루어졌습니다.

최근에는 만성 통증 환자의 자발적인 통증을 개인별로 정밀하게 해석하는 연구(Lee et al., 2026)와 대규모 언어모델(LLM)을 활용해 우울을 해석 및 평가하는 연구(Lee et al., 2026)처럼, 연구 주제도 점차 확장해 나가고 있습니다.

* 대규모 언어모델(Large Language Model, LLM): 방대한 양의 데이터를 학습하여 언어를 이해, 요약, 번역, 생성하는 딥러닝 모델

| 연구는 어떤 과정과 방법을 통해 진행되나요?

사람을 대상으로 한 실험을 중심으로 연구를 진행하며, 주로 3T 및 7T MRI(자기장의 세기를 나타내는 단위)를 활용해 뇌 영상 데이터를 수집합니다. 이와 함께 피부 전도, 심전도, 호흡 등 다양한 생리학적 신호와 행동 데이터를 함께 측정하여 인간의 통증과 정서 반응을 정교하게 이해하고자 합니다.

수집된 데이터는 머신러닝과 계산 모델링 기법으로 분석하며, 특히 뇌 활동 패턴이 통증이나 감정 상태를 얼마나 잘 예측하는지를 중심으로 연구합니다.

| 연구실에서 이루어진 연구의 활용 사례와 향후 비전이 궁금합니다.

저희 연구는 통증과 정서 경험을 더 객관적으로 이해하고 측정할 수 있는 기반을 마련한다는 점에서 의미가 큽니다. 예를 들어, 뇌 영상 기반 통증 모델은 개인의 통증 경험을 정량적으로 이해하는 데 도움을 줄 수 있으며, 이는 향후 만성 통증이나 정서적 고통을 정밀하게 평가하고 중재하는 데 이바지할 수 있습니다.

이러한 모델과 분석 도구를 다양한 연구 그룹과 임상 환경에서 활용할 수 있도록 발전시키는 것을 중요한 목표로 삼고 있습니다. 나아가 자연어 처리(NLP)와 뇌를 함께 이해하는 연구나, AI 기반 정신건강 평가와 같은 새로운 방향으로도 연구를 확장해 나가고 있습니다.

* 자연어 처리(Natural Language Processing, NLP): 컴퓨터가 인간의 언어인 자연어를 이해, 해석, 생성, 조작할 수 있도록 하는 기술

| 연구실만의 자랑거리는 무엇인가요?

무엇보다도 서로 돕고 배우는 협업 중심의 분위기가 연구실의 큰 장점이라고 생각합니다. 대표적으로, 연구를 처음 시작하는 후배들을 위해 선배들이 코딩을 가르쳐주는 코비(cobie: coding + newbie) 수업이 있습니다. 연구실에서 기초적으로 사용하는 분석 방법이나 함수들을 선배들이 직접 알려주고, 이를 배운 후배들이 자신이 배운 내용과 연구 경험을 바탕으로 이후 새로운 구성원에게 다시 가르쳐 주는 선순환 구조가 잘 자리 잡고 있습니다.

또한 각자 연구 주제는 다르지만, 연구에 대해서는 자연스럽게 서로 피드백을 주고받는 문화가 형성되어 있습니다. 구성원들의 학부 전공과 배경이 다양한 만큼, 하나의 연구 주제를 여러 관점에서 바라볼 수 있어 연구를 더욱 깊고 풍부하게 만들어 준다고 생각합니다.

연구 자료가 매우 체계적으로 정리되어 있다는 점도 큰 강점입니다. 처음 들어왔을 때 어떤 자료를 참고해 공부해야 할지 방향을 잡기 쉽고, 실험 설계부터 fMRI 분석, 주요 논문 이해, 논문 작성까지 단계적으로 익힐 수 있도록 구성된 영상 학습 자료 Cocoan101이 마련되어 있어 스스로 학습하는 데에도 큰 도움이 됩니다.

함께 의견을 나누며 공부하는 스터디 문화 역시 활발합니다. 필요한 지식과 기술을 익히기 위해 자율적으로 스터디를 열고, 더 나아가 각자의 연구에 대한 피드백도 주고받습니다. 스터디 시간에는 궁금한 점을 편하게 질문할 수 있고, 연구에 실질적으로 도움이 되는 정보도 많이 얻을 수 있다는 장점이 있습니다.

마지막으로, 학생들이 자발적으로 운영하는 연구실 인스타그램이 있습니다. 연구 성과뿐 아니라 연구실의 여러 순간과 추억들을 함께 기록하고 있어서, 졸업생들은 연구실 소식을 계속 접할 수 있고, 연구실에 관심 있는 분들은 연구실 분위기를 좀 더 자연스럽게 엿볼 수 있습니다. 연구실 유튜브도 운영하고 있는데, Cocoan101을 비롯해 논문 소개나 학회 브이로그 등 다양한 콘텐츠를 통해 연구와 연구실 생활을 폭넓게 확인할 수 있습니다.

| 연구실에 들어가기 위해 필요한 자격이나 능력이 있나요? 어떤 학생이 연구실에 오면 좋을까요?

연구 질문에 대한 진지한 관심과 꾸준히 배우려는 태도가 중요하다고 생각합니다. 특히 사람을 대상으로 한 실험, 뇌 영상 데이터, 그리고 계산적 접근에 흥미가 있는 학생이 연구실과 잘 맞을 것 같습니다.

또한 MATLAB이나 Python을 활용한 기본적인 코딩 능력, 논문과 학회 발표를 위한 영어 능력, 결과를 해석하고 토의할 수 있는 비판적 사고력과 소통 능력, 그리고 데이터를 이해하기 위한 기초적인 통계 지식이 있다면 연구를 수행하는 데 큰 도움이 됩니다. 뇌과학과 인간 연구에 관심을 가지고 배우고 토의하는 과정을 즐길 수 있는 학생이라면 연구실에서 즐겁게 연구할 수 있을 것 같습니다.

COCOAN Lab을 이끌고 있는 우충완 교수는 우리 대학 글로벌바이오메디컬공학과 소속으로, IBS 뇌과학이미징연구단 부연구단장을 겸임하고 있다. 2023년 한국뇌신경과학회로부터 싸이텍코리아 젊은과학자상을 받으며 연구 성과를 인정받은 그는 최근 만성 통증이 개인마다 고유한 ‘뇌 지문’ 형태로 나타날 수 있음을 밝히고, 이를 기반으로 한 개인 맞춤형 뇌 영상 바이오마커 연구를 통해 주목받고 있다.

Research Stories - 성균관대 우충완 교수팀, 만성 통증의 ‘뇌 지문’ 찾아냈다… 개인 맞춤형 뇌영상 바이오마커 개발

▲ 우충완 교수

| 교수님께서 생명과학과 임상심리학을 거쳐, 인공지능 기반 뇌과학 연구를 수행하시게 된 배경이 궁금합니다.

생명과학을 공부할 때부터 저는 환원주의적인 접근보다는 시스템 수준에서 생명 현상을 이해하는 방식에 더 끌렸습니다. 특히 생태학이나 행동생태학처럼 여러 요소가 상호작용을 하며 복잡한 현상이 만들어지는 과정에 관심이 있었고, 이러한 흐름 속에서 접한 심리학은 인간의 마음과 행동 역시 하나의 복합적인 시스템이라는 점에서 인상 깊게 다가왔습니다.

이후 임상심리학 석사과정과 수련을 거치며 인간의 고통과 정서, 그리고 실제 삶의 문제를 깊이 이해할 수 있었습니다. 다만 그 과정에서, 제가 가장 잘할 수 있고 보람을 느끼는 일은 과학적으로 질문을 세우고 연구를 통해 답을 찾아가는 것이라는 점을 다시 확인하게 되었고, 이에 따라 연구 중심의 길로 방향을 정하게 되었습니다. 특히 감정을 과학적으로 탐구할 수 있는 정서 신경과학을 박사과정 분야로 선택했습니다.

뇌과학 연구를 진행하면서는 자연스럽게 계산적 접근의 중요성을 체감하게 되었습니다. 복잡한 데이터를 구조화하고 패턴을 찾으며 이를 모델로 설명하는 방식이 제 사고방식과 잘 맞았고, 이를 계기로 기계학습과 인공지능 기반 방법론을 적극적으로 활용하게 되었습니다. 현재는 생명과학, 심리학, 뇌과학의 경험 위에 이러한 계산적 접근을 결합해 인간의 감정과 통증을 더욱 정밀하게 이해하는 연구를 수행하고 있습니다.

| 최근 인공지능 기술이 빠르게 발전하는 가운데, fMRI와 인공지능을 활용해 만성 통증을 개인별 뇌 신호로 분석하는 연구를 진행하셨습니다. 이러한 접근이 기존 통증 평가 방식과 구별되는 핵심적인 특징은 무엇인가요?

기존의 통증 평가 방식은 주로 환자의 자기 보고(self-report)에 크게 의존해 왔습니다. 통증은 매우 주관적인 경험이기 때문에, 현재로서는 환자가 '얼마나 아픈지' 이야기하는 것이 가장 기본적인 평가 기준이 됩니다. 하지만 이러한 자기 보고는 환자의 표현 방식, 상황, 기억, 의사소통 능력, 심리적 상태 등에 따라 달라질 수 있고, 때에 따라서는 충분한 보고 자체가 어렵다는 한계가 있습니다.

이러한 한계에서 출발해, fMRI와 인공지능을 활용해 만성 통증을 개인별 뇌 신호로 분석하는 연구를 시작하게 되었습니다. 저희의 목적은 자기 보고를 대체하는 것이 아니라, 통증을 이해하고 평가할 수 있는 새로운 채널을 추가하는 데 있습니다. 즉, 환자의 주관적인 통증 경험 보고에 더해 뇌 신호라는 생물학적 정보를 함께 고려함으로써, 통증을 보다 정밀하고 다면적으로 이해하고자 합니다.

이 접근의 핵심은 통증을 단순히 평균적인 집단 수준이 아니라 개인별 뇌 패턴의 차이까지 포함해 분석한다는 점입니다. 만성 통증은 개인마다 원인도 다르고, 같은 강도의 통증이라도 뇌에서 처리되는 방식이 다를 수 있습니다. 따라서 개인별 뇌 신호를 분석하면, 왜 어떤 사람은 더 오래 고통을 겪는지, 어떤 치료에 더 잘 반응할지를 이해하는 데 한 걸음 더 다가갈 수 있습니다.

| 통증이 개인마다 고유한 ‘뇌 지문’ 형태로 나타난다는 점이 인상적이었습니다. ‘개인화된 신호’를 인공지능으로 분석하는 방식은 만성 통증 연구 분야에 어떤 가능성을 제시하나요?

만성 통증 연구에서 가장 중요한 점은, ‘같은 통증’이라도 사람마다 그것을 만들어내고 유지하는 ‘뇌의 방식’이 다를 수 있다는 것입니다. 이는 유사한 경험이 서로 다른 신경 경로를 통해 구현될 수 있다는 뇌과학의 원칙, 축중(degeneracy)과도 맞닿아 있습니다.

이 관점은 만성 통증을 이해하는 방식 자체를 바꿉니다. 예전에는 통증의 공통된 메커니즘을 찾는 데 더 초점이 맞춰져 있었다면, 이제는 비슷한 자극에도 왜 개인마다 통증의 지속 정도와 치료 반응이 다른지에 대한 이해를 연구의 중심에 놓아야 한다는 것이죠. 이것이 저희가 추구하는 신경과학이 사람 중심의 신경과학(person-centered neuroscience)이라고 하는 이유입니다.

인공지능은 이 지점에서 중요한 역할을 합니다. 사람마다 다른 고차원적인 뇌 신호 패턴을 분석함으로써, 겉으로는 유사해 보이는 만성 통증 안에서도 서로 다른 하위 유형이나 메커니즘을 구분할 가능성을 열어주기 때문입니다. 다시 말해, 만성 통증을 하나의 단일한 상태로 보기보다 서로 다른 생물학적 경로를 가진 여러 유형으로 더 정밀하게 이해할 수 있게 해준다는 점에서 의미가 있습니다.

이러한 접근은 환자별로 어떤 뇌 시스템이 통증에 더 크게 관여하는지, 어떤 치료가 더 적합한지를 보다 정밀하게 파악할 수 있게 합니다. 결국 개인화된 뇌 신호 분석은 만성 통증 연구를 평균 중심에서 개별 환자 중심의 정밀의학으로 확장하는 중요한 기반이 될 수 있다고 생각합니다.

* 축중(degeneracy): 서로 다른 신경세포들의 집단이 동일한 결과나 기능을 만들어내는 현상

| 이번 연구를 바탕으로, 인공지능과 뇌과학이 결합한 융합 연구 분야는 앞으로 어떤 방향으로 발전해 나갈 것이라 보시는지 궁금합니다.

앞으로 인공지능과 뇌과학의 융합 연구는 평균적인 뇌 모델을 만드는 데서 나아가, 개인마다 다른 뇌 신호와 메커니즘을 이해하는 방향으로 발전할 것이라 생각합니다. 또한 인공지능은 단순한 분석 도구를 넘어, 뇌가 통증과 감정을 어떻게 만들어내는지를 설명하는 계산적 이론을 구축하는 데에도 중요한 역할을 하게 될 것입니다.

궁극적으로 이 분야는 개인화된 진단과 치료, 다중 모달 데이터의 통합, 그리고 해석할 수 있는 이론 기반 모델을 중심으로 더욱 빠르게 발전해 나갈 것이라고 봅니다.

* 다중 모달 모델(Multi-modal model): 텍스트, 이미지, 음성, 영상, 센서 데이터 등 서로 다른 형태의 정보를 동시에 활용하여 서로의 관계성을 학습 및 처리하는 인공지능

| 교수님께서는 이전 기고를 통해, ‘융합형 인재가 되는 것 자체보다 스스로 원하는 것을 찾아가는 과정이 중요하다’라는 메시지를 전해주신 바 있습니다. 학문 간 경계에서 진로를 고민하는 학생에게 조언 부탁드립니다.

학생들에게 꼭 전하고 싶은 것은, ‘융합형 인재가 되어야 한다’라는 목표 자체보다 ‘나는 무엇이 정말 궁금한가, 어떤 일을 할 때 가장 행복한가’를 먼저 고민하는 과정이 더 중요하다는 점입니다. 저 역시 처음부터 융합을 목표로 한 것이 아니라, 풀고 싶은 질문을 따라가다 보니 자연스럽게 여러 학문을 넘나들게 되었습니다.

그래서 학생들도 조급하게 자신을 규정하기보다, 스스로 원하는 것을 찾는 데 충분한 시간을 쓰셨으면 합니다. 진정한 자신만의 질문을 찾으면, 그다음 길은 생각보다 자연스럽게 열릴 것입니다.

397호 | 성균웹진 | 지식채널S | 은행나무 아래서 | 융합형 인재가 되는 길? 자신을 찾아가는 여행

다음으로, 본 연구실 정의진 원우를 만나 연구원의 관점에서 COCOAN Lab 생활을 물었다.

▲ 정의진 원우

| 연구원의 관점에서 연구실을 소개해 주세요.

코코안랩은 통증과 감정을 이해하겠다는 큰 목표를 공유하면서도, 각자의 관심사에 따라 세부 연구를 발전시켜 나가는 연구실입니다. 통증 연구만 하더라도 열 자극이나 매운맛 자극처럼 실험적으로 통증을 유발해 그 변화를 살펴보는 연구가 있는가 하면, 만성 통증 환자를 대상으로 실제적인 통증 경험을 이해하려는 연구도 함께 이루어지고 있습니다.

이런 점에서 코코안랩은 공통의 질문을 중심에 두되, 다양한 방식으로 답을 찾아가는 연구실입니다. 핵심 미션 역시 통증과 정서를 데이터 과학, 인지·정서·사회신경과학, 그리고 심리학의 관점에서 이해하는 데 있습니다.

| 연구원으로 생활하면서 가장 좋았던 기억을 소개해 주세요.

가끔 제가 쓰고 있는 논문의 문장이나 지금 진행 중인 분석이 정말 의미 있는 일처럼 느껴질 때가 있는데, 그런 순간 연구자로서 가장 큰 보람으로 다가옵니다. 그리고 이러한 생각을 편하게 나눌 수 있는 연구실 분위기도 참 좋습니다.

코코안랩은 연구에 대한 조언뿐 아니라, 각자가 일상에서 겪는 고민까지 비교적 자유롭게 공유하는 분위기입니다. 덕분에 연구자로서 성장하는 것뿐 아니라, 한 사람으로서도 다양한 관점에서 자신을 돌아보고 성장할 수 있는 환경이라고 생각합니다.

덧붙여 소소한 이야기를 하나 소개하자면, 연구실에 ‘간식 창고’가 있습니다. 한 선배가 교수님께 ‘연구실에도 간식 창고가 있으면 연구에 도움이 될 것 같다’라고 말씀드린 것을 계기로, 교수님의 지원으로 지금까지 이어지고 있습니다. 두 달에 한 번씩 구성원들이 함께 간식을 사러 가는 것도 작은 즐거움 중 하나입니다. 어떤 간식이 있는지 궁금하시다면 랩 인스타그램에서 확인해 주세요!

| 연구자로서 성취하고 싶은 목표가 있다면 답변 부탁드립니다.

궁극적으로 가족과 친구들도 이해할 수 있는 연구를 하고 싶습니다. 연구가 아무리 정교하고 전문적이더라도, 결국 사람을 위한 것이라면 누구나 그 의미를 어느 정도는 이해할 수 있어야 한다고 생각합니다.

인간을 대상으로 연구하는 만큼, 저희의 연구가 단지 데이터를 분석하는 데서 그치지 않고 사람들에게 실질적인 도움이 되었으면 합니다. 지금은 수집된 데이터를 통해 현상을 이해하고 해석하는 단계에 가깝지만, 앞으로 조금 더 실용적인 관점에서 접근하며 연구 결과가 실제 임상 현장에서의 활용으로도 이어질 수 있도록 이바지하고 싶습니다.

| 연구자의 길을 고민하거나 꿈꾸는 학부생, 후배들에게 하고 싶은 조언이 있으신가요?

대학원 생활은 어떤 환경에서, 누구와 함께하느냐가 정말 중요하다고 생각합니다. 관심 있는 연구실이 있다면 가능할 경우 몇 개월이라도 직접 경험해 보면서, 연구 주제뿐 아니라 연구실의 분위기와 일하는 방식이 나와 맞는지 확인해 보는 것이 큰 도움이 됩니다.

저희 연구실처럼 사람을 대상으로 실험하는 때는, 본인이 직접 연구 참여자가 되어 보는 방법도 좋은 경험이 될 수 있습니다. 실제로 실험에 참여해 보면 연구 과정 하나하나가 얼마나 세심하게 설계되어 있는지, 그리고 그 과정에서 얻어지는 데이터가 얼마나 소중한 것인지 몸소 느끼게 됩니다. 이러한 경험은 연구를 대하는 태도를 더욱 진지하고 책임감 있게 만들어 준다고 생각합니다.

코코안랩에 대해 더 궁금한 점이 있다면 교수님뿐 아니라 연구실 분들에게도 직접 연락해 보시길 권해 드립니다. 특히 본인이 관심 있는 연구 주제와 가까운 연구를 하고 있는 분께 문의하면, 보다 구체적이고 실질적인 조언을 얻을 수 있을 것입니다.

* 연구실 관련 정보

우충완 교수

성균관대학교 성균융합원 – 지능형정밀헬스케어융합전공

Tel: 031-299-4363

Email: waniwoo@skku.edu

Office: N센터 3층 86335호실

Lab Website: https://cocoanlab.github.io/

Youtube: https://www.youtube.com/@cocoanlab

Instagram: https://www.instagram.com/cocoanlab/