딥스퀵(DeepSqueak)은 쥐의 대화를 딥러닝으로 학습해 해독해주는 시스템이다. 쥐는 잘 알려진 것처럼 임상실험에 자주 쓰인다. 쥐를 이용한 생체 실험은 과학 연구에선 상징과도 같다. 쥐가 생리학이나 유전자 구성상 인간에 가깝기 때문에 암은 물론 당뇨병과 알츠하이머까지 모든 생체 실험에 쥐를 이용하는 것이다.
하지만 이런 쥐를 이용한 임상 실험은 수많은 실험 동물 모델로 입증됐음에도 과학자를 괴롭혀오기도 했다. 지금까지 연구자는 설치류끼리 대화 시간이 걸리는 수작업으로 분석하고 수행 중 어떤 게 쥐의 행동을 촉진하는지 방법을 이해하려고 막대한 시간을 보내야 했던 것.
워싱턴대학 딥스퀵 프로젝트는 딥러닝을 이용해 빠르고 안정적으로 설치류의 울음소리를 분석해 자세하게 해독하는 걸 목표로 한다. 쥐나 내는 소리를 분류하기 위해 딥러닝과 머신비전 방식을 이용한다. 자율주행 차량이 전면 도로 시야에서 시각화 데이터를 캡처하고 평가하듯 딥스퀵은 설치류의 울음소리 기록을 음파 분석을 통해 변환, 머신비전을 이용해 분석한다.
1월 신경정신약물학 학술지(Neuropsychopharmacology)에 게재된 이 논문의 수석 저자인 케빈 코피(Kevin Coffey)는 “인간의 학습 방식과 비슷하게 데이터를 분석하고 소프트웨어를 학습시켜 울음소리가 무엇인지를 수학적으로 설명하는 게 아니라 단순히 그림과 예시로 나타낸다”면서 오디오를 변환한 뒤 딥스퀵은 파형을 통해 소리 그룹을 범주화한다고 설명했다.
또 다른 음절이나 배경 노이즈 패턴 등을 먼저 수동으로 인식하도록 학습시켰다. 설치류를 이용한 작업은 배경 잡음을 세밀하게 탐지하고 제거하는 게 특히 중요하기 때문이다. 수많은 배경 잡음이 있을 경우 음성을 오디오 전체 신호에서 골라내는 건 쉽지 않다. 동물은 돌아다니고 사방에 부딪히기 때문.
원래 설치류를 울음소리를 내는 동물이다. 지금까지 연구는 특정 울음소리가 감정 상태를 나타내고 있다고 연관성이 있다고 밝히고 있다. 예를 들어 쥐가 고음을 내는 울음소리는 긍정적인 반응이다. 저음은 부정적 반응으로 간주한다. 과학적으로 정확하다고 말할 수는 없지만 딥스퀵 연구를 통해 개발한 도구는 이런 울음소리를 더 세밀하게 이해할 수 있도록 돕는다. 소프트웨어가 수동 분석을 할 경우 같은 오탐지 비율을 줄여줄 뿐 아니라 40배까지 빠르게 분석할 수 있다는 장점이 있다.
딥스퀵은 배경 잡음을 자동 제거하는 것 외에도 식별한 음절을 수동으로 쉽게 확인할 수 있도록 설치류 종류와 음절 분류 지정 같은 실험별 매개변수 조정 기능도 갖췄다. 데이터를 변환, 분석, 출력할 수 있지만 연구자의 요구에 맞출 수 있는 소프트웨어 설계가 중요하기 때문에 이 같은 조정 기능을 갖춘 것이다. 딥스퀵은 깃허브 계정을 통해 무료로 내려 받을 수 있다.
지난 2017년 선보인 MUPET(Mouse Ultrasonic Profile ExTraction)라는 소프트웨어와 울트라복스(UltraVox)라는 상용 제품이 물론 있다. 하지만 이들 소프트웨어는 설치류 오디오 파일을 이미지로 변환해 음절 분석과 발성 분류는 가능해도 딥러닝을 이용한 접근 방식을 했다는 점에서 딥스퀵은 차이를 보이고 있다. 또 다른 소프트웨어를 능가한다고 할 수 없더라도 배경 잡음 자동 필터링이나 다양한 주파수 호출 검출 등 개선을 했다는 건 분명하다.
연구팀은 딥스퀵이 설치류의 행동과 동기에 대해 이해하고 연구에서 인간에 대한 다양한 치료법 연구에 도움이 되기를 기대하고 있다. 약물 중독 연구는 동물이 해당 약물을 복용하고 있는지 여부 뿐 아니라 왜 이들이 해당 약물을 복용하는지를 알아야 한다. 그냥 좋아서 그러는 것인지 혹은 그만 두고 싶다는 부정적 감정을 느끼는지 감정에 대한 이해가 필요하다는 것이다. 동물의 울음소리에서 이 같은 점을 알아챌 수도 있다. 약물 중독 실험 같은 예처럼 쥐의 행동을 이해해 연구자는 인간을 위한 더 효과적인 치료방법을 발견할 수도 있다. 딥스퀵은 우울증과 불안증, 파킨슨병 등 동물 모델 연구에 이용할 수 있다. 관련 내용은 이곳에서 확인할 수 있다.