간접적인 관찰 하에서 뇌 전체의 인과적 연결성을 복원하는 방법: 인간 EEG 및 fMRI 응용

Recovering Whole-Brain Causal Connectivity under Indirect Observation with Applications to Human EEG and fMRI

뇌 영상 데이터를 통해 방향성 연결성을 추론하는 것은 잘 정의되지 않은 역문제입니다. 기록된 신호는 혈류역학적 필터링과 부피 전도에 의해 왜곡되어 실제 신경 상호작용을 가릴 수 있습니다. 기존의 많은 방법들은 이러한 관찰 과정에서 발생하는 왜곡을 실제 신경 영향과 혼동하여, 측정 과정에 의해 유발되는 잘못된 인과적 그래프를 생성할 위험이 있습니다. 본 연구에서는 측정 물리 법칙을 명시적으로 고려하여 신경 활동과 간접적인 관찰을 분리하는 잠재 공간 기반의 인과 관계 발견 프레임워크인 INCAMA (INdirect CAusal MAmba)를 소개합니다. INCAMA는 물리 법칙을 고려한 역전 모듈과 선택적 상태 공간 시퀀스를 기반으로 하는 비정상성 기반의 지연 민감 인과 관계 발견 모델을 통합합니다. 비정상적인 메커니즘 변화를 소프트 인터벤션으로 활용하여, 간접적인 측정으로부터 지연된 인과 구조의 식별 가능성을 확립하고, 역전 오류가 그래프 복원에 미치는 영향을 정량화하는 안정성 경계를 제시합니다. INCAMA는 EEG 및 fMRI의 대규모 생물리학 시뮬레이션에서 기존 방법보다 훨씬 우수한 성능을 보여주었습니다. 또한, Human Connectome Project의 실제 fMRI 데이터에 대한 제로샷 일반화 성능을 입증했습니다. INCAMA는 도메인별 미세 조정 없이도 확립된 신경 해부학적 구조와 일치하는 정규적인 시각-운동 경로 (예: $V1 o V2$ 및 $M1 ightleftharpoons S1$)를 복원하며, 이는 뇌 전체에 대한 인과 관계 추론에 활용될 수 있음을 시사합니다.

Inferring directed connectivity from neuroimaging is an ill-posed inverse problem: recorded signals are distorted by hemodynamic filtering and volume conduction, which can mask true neural interactions. Many existing methods conflate these observation artifacts with genuine neural influence, risking spurious causal graphs driven by the measurement process. We introduce INCAMA (INdirect CAusal MAmba), a latent-space causal discovery framework that explicitly accounts for measurement physics to separate neural dynamics from indirect observations. INCAMA integrates a physics-aware inversion module with a nonstationarity-driven, delay-sensitive causal discovery model based on selective state-space sequences. Leveraging nonstationary mechanism shifts as soft interventions, we establish identifiability of delayed causal structure from indirect measurements and a stability bound that quantifies how inversion error affects graph recovery. We validate INCAMA on large-scale biophysical simulations across EEG and fMRI, where it significantly outperforms standard pipelines. We further demonstrate zero-shot generalization to real-world fMRI from the Human Connectome Project: without domain-specific fine-tuning, INCAMA recovers canonical visuo-motor pathways (e.g., $V1 \to V2$ and $M1 \leftrightarrow S1$) consistent with established neuroanatomy, supporting its use for whole-brain causal inference.