자폐 성인과 신경전형 성인의 얼굴 감정 판단 차이는 연구마다 일관되지 않게 보고돼 왔다. 이번 연구는 차이가 모든 얼굴에 고르게 나타나는 것이 아니라 소수의 진단적 표정 이미지에 집중될 수 있다고 본다. 평균 점수만 비교하면 중요한 자극이 다수의 평범한 이미지에 묻힐 수 있다는 문제의식이다. 연구진은 두 집단의 이미지별 판단을 예측하는 집단 특화 인공신경망을 각각 학습하고, 집단 간 반응 차이를 크게 만들 것으로 예상되는 새로운 얼굴을 선택했다.
독립된 참가자 집단에서 모델이 선택한 이미지는 조건을 맞춘 무작위 이미지보다 더 큰 행동 차이를 이끌어냈다. 연구진은 같은 예측 모델을 생성적 적대 신경망과 연결해 진단적 이미지를 두 집단의 판단이 가까워지는 방향으로 변환했다. 표현형을 맞춘 검증에서 합성 이미지는 원본보다 집단 간 차이를 줄였다. AI가 관찰 결과를 사후 분류하는 데 그치지 않고, 어떤 자극에서 지각 차이가 커지거나 작아지는지 실험 설계에 활용될 수 있음을 보여준다.
핵심은 자폐 집단 전체를 하나의 고정된 특성으로 단순화하지 않는 데 있다. 연구 결과는 차이가 이미지 수준에서 희소하며 조건에 따라 수렴할 수도 있음을 시사한다. 이런 방식은 고정된 자극 세트의 평균을 반복하는 행동 검사에서 벗어나 민감하고 기전적인 검사를 설계하는 데 도움을 줄 수 있다. 다만 모델이 고른 얼굴이 임상 진단 도구라는 뜻은 아니며, 참가자 구성과 이미지 분포가 달라지면 결과도 달라질 수 있다. 생성된 얼굴 자극의 편향과 해석 가능성 역시 후속 검증이 필요한 부분이다.
연구 설계에서는 모델이 차이를 크게 만드는 자극만 반복적으로 선택해 집단 간 차이를 과장하지 않도록 주의해야 한다. 차이를 줄이는 자극도 함께 탐색하고 참가자 개인별 변이를 보고해야 한다. 이 틀은 사람을 분류하는 도구가 아니라 어떤 시각 조건이 판단을 변화시키는지 검증할 실험 도구로 사용할 때 의미가 크다.
원문: arXiv 2607.08533
저작권자 © STORIUM 무단전재 및 재배포 금지
