정범석 연구실은 뇌영상학과 인지신경과학을 기반으로 정신질환과 신경질환의 뇌 기전을 정량적으로 이해하는 연구를 수행한다. 특히 기능적 자기공명영상(fMRI), 관류 MRI, 구조영상, 뇌파(EEG), 뇌자도(MEG) 등 다양한 신경계 측정 데이터를 활용해 질환 특이적 패턴과 개인차를 분석하고, 뇌의 연결성과 기능 변화가 임상 증상과 어떻게 연결되는지를 규명하는 데 초점을 둔다. 이러한 접근은 전통적인 증상 중심 진단을 넘어, 객관적 바이오마커를 이용한 정밀 정신의학과 정밀 신경의학으로 확장될 수 있다는 점에서 의미가 크다. 연구실의 논문과 특허를 보면 뇌교종의 유전형 예측, 성상세포종의 MRI 약동학 파라미터 신뢰도 향상, ADHD 아동의 해부학적·기능적 연결성 분석, 우울증 진단을 위한 EEG 변이도 분석 등 매우 폭넓은 주제를 다루고 있다. 이는 단순한 영상 판독을 넘어, 시계열 신호와 네트워크 수준의 상호작용을 함께 해석하는 방향으로 연구가 진행되고 있음을 보여준다. 특히 질환 관련 뇌 신호를 구조적 특징, 기능적 연결성, 시간적 역동성의 관점에서 통합적으로 해석하려는 경향이 두드러진다. 이 연구 주제의 궁극적인 목표는 조기 진단, 질병 아형 분류, 예후 예측, 치료 반응 평가를 고도화하는 것이다. 향후에는 멀티모달 영상과 임상 데이터, 행동 데이터의 통합 분석을 통해 환자 맞춤형 진단 및 중재 전략을 제시할 가능성이 크다. 또한 의료 현장에서 활용 가능한 분석 플랫폼과 보조 의사결정 시스템으로 이어질 수 있어, 학문적 가치뿐 아니라 임상적 파급력도 높은 연구 영역이라 할 수 있다.

정범석 연구실은 복잡한 의료영상과 신경신호를 분석하기 위해 딥러닝, 순환신경망(RNN), 그래프 신경망(GNN), 기계학습 기반 문항 선별 등 다양한 인공지능 기법을 적극적으로 도입하고 있다. 대표적으로 뇌교종 환자의 DSC perfusion MRI를 이용해 IDH 유전형을 예측하는 설명가능한 RNN 연구와, DCE MRI의 약동학 파라미터 신뢰도를 높이는 딥러닝 연구는 의료 인공지능의 실제 임상 적용 가능성을 잘 보여준다. 이러한 연구는 영상 데이터의 시공간적 특성을 정교하게 학습하여, 영상의학적 판단을 보조하거나 대체할 수 있는 기반을 마련한다. 이 연구실의 인공지능 연구는 단순한 분류 정확도 향상에 머무르지 않고, 신뢰도와 해석 가능성을 함께 추구한다는 점이 특징이다. 예를 들어 MRI에서 얻어지는 입력 함수의 불안정성을 딥러닝으로 보정해 약동학 파라미터의 재현성과 진단 성능을 개선하는 접근은, 실제 임상 환경에서 발생하는 데이터 품질 문제를 해결하는 실용적 방법론이다. 또한 뇌전증 네트워크 기반 SEEG 전극 자동화 플랫폼 개발처럼, 멀티모달 뇌자도·뇌파·뇌영상 데이터를 연결 그래프로 모델링하여 병소 위치를 예측하는 연구는 차세대 신경질환 진단 및 수술 계획 지원 기술로 이어질 수 있다. 장기적으로 이 연구 방향은 의료진의 의사결정을 지원하는 지능형 플랫폼 구축으로 확장될 가능성이 높다. 특히 영상과 생체신호를 함께 다루는 AI는 희귀 질환이나 복잡한 정신·신경질환에서 객관적 근거를 제공할 수 있으며, 맞춤형 진단과 예후 예측의 핵심 기술이 될 수 있다. 나아가 설명가능한 AI와 임상 워크플로우 친화적 시스템을 결합함으로써, 연구실의 기술은 진단 자동화뿐 아니라 의료 현장의 신뢰 형성에도 중요한 기여를 할 것으로 기대된다.

정범석 연구실은 불안, 우울, 감정 유연성, 내수용감각, 도덕적 감정, 사회적 압력 하의 의사결정 등 인간의 정서와 판단을 계산정신의학 관점에서 연구하고 있다. 이는 정신질환을 단순히 증상 집합으로 보지 않고, 학습 편향, 가치 평가, 사회적 비교, 불확실성 처리와 같은 계산적 과정의 이상으로 이해하려는 접근이다. 특히 범불안장애를 중심으로 사회적 압력 상황에서 도덕적 감정이 의사결정에 미치는 영향을 행동 및 뇌 수준에서 규명하려는 프로젝트는 연구실의 핵심 방향을 잘 보여준다. 이 연구 영역에서는 뇌영상과 생리신호, 행동실험, 심리검사, 베이지안 모델링과 기계학습이 함께 사용된다. 특허로 등록된 불안장애 평가용 베이지안 학습 모델, 불안·우울 증세의 신속한 진단을 위한 기계학습 기반 문항 선별 기술, 감정 자극을 판독하는 내수용 EEG 기반 장치 등은 연구실이 계산모형을 실제 평가 도구로 전환하고 있음을 시사한다. 또한 내수용감각과 감정 유연성의 신경 기전을 밝히고, 이를 뉴로피드백과 뉴로모듈레이션으로 확장하려는 시도는 정신건강 증진 기술 개발이라는 응용적 목표와도 긴밀히 연결된다. 이러한 연구는 정신건강 문제를 보다 정량적이고 예측 가능한 방식으로 이해하는 데 큰 기여를 할 수 있다. 향후에는 개인별 정서 반응 패턴과 의사결정 특성을 바탕으로 맞춤형 중재 프로그램, 디지털 치료제, 조기 선별 시스템 개발이 가능해질 것이다. 특히 임상 정신의학, 인지과학, 데이터사이언스가 결합된 계산정신의학 연구는 정신질환의 기전 이해와 실질적 치료 전략 수립을 동시에 진전시키는 핵심 분야로 평가된다.