-
지금 당신의 마음 건강은 어떠한가요?
최근 빠른 고령화 및 출산율 감소 등으로 1인 가구가 급속하게 증가하면서, 1인 가구의 정신건강 문제에 대한 관심도 함께 높아지고 있다. 서울시가 실시한 1인 가구 실태조사에 따르면, 1인 가구의 60% 이상이 외로움을 느끼고 있으며, 특히 사회적 고립과 함께 외로움을 겪는 비율이 상당히 높은 것으로 나타났다.
우리 대학 전산학부 이의진 교수 연구팀이 1인 가구의 정신건강 관리를 위해, 사용자 스스로가 자신의 심리 상태를 기록할 수 있도록 지원하는 상황 인식 기반 멀티모달 스마트 스피커 시스템을 개발했다고 24일 밝혔다.
연구팀은 사용자의 주변 상황을 실시간으로 파악해 최적의 시점에 정신건강 관련 질문하도록 이 시스템을 설계했고 기존의 무작위 설문보다 높은 응답률을 달성하는 것을 확인했다.
기존 스마트 스피커를 활용한 정신건강 자가 추적 연구에서 무작위 설문을 할 경우 사용자의 스트레스, 짜증 등 부정적인 감정이 유발시켜 설문 응답에 편향이 발생할 수 있어 각별한 주의가 필요했다.
이러한 문제 해결을 위해 이의진 교수 연구팀은 스마트 스피커에 멀티 모달 센서를 장착해, 사용자의 주변 상황의 변화를 감지해 스피커가 말 걸기 좋은 시점이 검출되면 정신건강 자가 추적 설문을 능동적으로 요청하는 상황 인식 기반 자가 추적 기술을 개발했다.
스피커는 실내 움직임, 조명, 소음, 이산화탄소 등 다양한 센서 데이터를 종합적으로 분석해 사용자의 존재 및 활동을 감지한 뒤, 사용자가 응답하기 적합한 시점에 자가 추적 설문을 능동적으로 요청함으로써, 설문 응답의 효율성을 극대화했다.
또한, 설문 입력 방식의 경우 최근 출시된 스마트 스피커는 명령뿐만 아니라 터치스크린도 지원하므로 사용자들이 음성 또는 터치 입력 방식을 자유롭게 선택할 수 있도록 해 상호작용의 폭을 넓혔다. 이를 통해 사용자는 상황에 맞는 최적의 인터페이스를 선택해 자가 추적을 쉽게 수행할 수 있도록 했다.
개발된 스피커의 사용자 경험을 평가하기 위해서 연구팀은 1인 가구 20세대에 자가 추적 스마트 스피커를 설치해, 한 달 동안 실증 연구를 수행해서 총 2,201개의 정신건강 설문 응답 데이터셋을 구축했다.
데이터셋 분석을 통해 설문 응답 시간, 활동 맥락에 따른 설문 응답 패턴 및 어떤 상황에서 음성 입력(VUI) 또는 터치 입력(GUI)이 더 선호되는지 파악했다.
특히, 스마트 스피커가 말로 사용자에게 요청을 하다 보니 스피커 근처에서 사용자의 활동을 감지하는 것이 정신건강 설문 응답률에 큰 영향을 미쳤다. 음성 입력의 편의성에도 불구하고 전반적으로 참가자들은 음성 입력보다는 빠른 응답이 가능한 터치 입력을 선호했다.
데이터 분석 결과, 사용자의 주변 상황을 실시간으로 파악해 최적의 시점에 정신건강 관련 질문을 할 경우 응답률이 더 높으며, 어떤 상황에서 음성 또는 터치 인터페이스를 선호하는지도 파악했다.
연구를 주도한 이의진 교수는 “이번에 개발한 스마트 스피커를 앞으로 수용전념치료 기법을 활용한 인간상담사와 같은 기능의 정신건강 관리 지원 스마트 스피커로 발전시키고자 한다. 나아가 실내에서 수집된 일상생활 데이터를 AI 모델로 학습해 사용자 정신건강 상태에 따라 라이프 스타일 패턴을 예측하는 시스템도 개발하여 향후 정신질환 조기 발견과 효율적인 관리를 가능케 할 인공지능 에이전트의 혁신을 이끌 것으로 기대된다” 라고 말했다.
한편 이 연구는 LG전자-KAIST 디지털 헬스케어 연구센터의 지원을 받아 수행됐고 인간 컴퓨터 상호작용(HCI) 분야 국제 최우수 국제학술대회인 미국컴퓨터협회(ACM) 소속 ‘Conference on Human Factors in Computing Systems (CHI)’에서 지난 2024년 5월에 발표됐다.
논문명: Exploring Context-Aware Mental Health Self-Tracking Using Multimodal Smart Speakers in Home Environments
2024.09.24
조회수 1392
-
식이장애 환자의 건강한 다이어트를 유도하다
최근 SNS와 다양한 컴퓨터 플랫폼에 각종 음식 관련 콘텐츠가 제공되며 인기를 얻고 있다. 하지만 누군가에게는 '먹는 행위'가 자연스러움에 반해, 식이장애를 앓는 사람들은 건강하지 않은 식습관의 매혹에 매일 지속해서 고군분투한다. KAIST 연구팀이 식이장애를 앓는 사람들을 위해 모바일과 개인 컴퓨터에서 유해한 디지털 음식 콘텐츠 및 먹방 ASMR 등을 차단하는 시스템(FoodCensor)을 개발해서 화제다.
우리 대학 전기및전자공학부 이성주 교수 연구팀이 지난 5월 11일부터 5월 16일에 미국 하와이에서 열린 세계컴퓨터연합회(ACM) 주최로 진행된 컴퓨터 인간 상호작용 학술대회(International Conference on Human-Computer Interaction, 이하 CHI)에서 식이장애 환자들의 무분별한 디지털 음식 콘텐츠 소비로 인한 악영향을 방지하기 위한 실시간 개입 시스템 논문으로 최우수 논문(Honorable Mention)상을 받았다고 20일 밝혔다.
이 시스템은 인간 심리학의 두 체계 이론(Dual Systems Theory)에서 영감을 받아, 소셜 미디어 사용자가 디지털 음식 콘텐츠를 소비할 때 더 의식적으로 평가한 후에 시청에 관한 결정을 내릴 수 있도록 한다.
디지털 음식 콘텐츠의 시각적 및 청각적 자극은 체계 1*을 자극해 사용자의 자동적인 반응(반사적인 콘텐츠 시청 등)을 유발할 수 있다. 하지만 본 시스템은 실시간으로 음식 콘텐츠를 가리고 음소거 함으로써 이러한 자동적인 반응을 차단하고, 대신 사용자에게 의식적인 콘텐츠 선택 및 소비를 위한 질문을 제공함으로써 체계 2**를 활성화해 사용자가 더 의식적이고 건강한 콘텐츠 소비를 할 수 있도록 돕는다.
*체계 1: 빠르고 자동으로 작용하는 체계로, 우리가 의식적으로 고려하지 않고도 일상적인 상황에 대응하게 한다. 예를 들어, 길을 걷다가 갑자기 차가 다가오면 빠르게 물러나는 것은 체계 1의 반응임
**체계 2: 천천히 심사숙고 후 판단하는 체계다. 예를 들어, 수학 문제를 풀거나 긴급 상황에서 명확한 결정을 내릴 때 체계 2가 사용됨
연구팀은 22명의 식이장애 환자를 대상으로 3주간의 사용자 스터디를 진행해 시스템 평가를 진행했다. 실험 집단에서 유튜브에서 음식 콘텐츠에 대한 노출 및 소비의 유의미한 감소와, 이러한 감소가 유튜브의 콘텐츠 추천 알고리즘에 영향을 미침을 관찰했다. 실험 집단 참가자들은 본 시스템이 음식 관련 콘텐츠를 시청하는 자동 반응을 억제하는 데 중요한 역할을 했다고 평가했으며, 이는 본 시스템이 두 체계 이론의 체계 1을 억제하고 체계 2를 촉진함을 입증한다. 사용자 평가는 제안된 시스템이 일상생활에서 식이장애 환자들의 음식에 대한 강박을 완화하고 더 나은 삶의 질을 제공한다는 점을 시사한다.
연구를 주도한 이성주 교수는 “이 시스템을 활용하여 사용자가 디지털 콘텐츠를 건강하게 소비하는 방법을 지원하는 적응형 개입의 설계 방향과 더불어, 단순히 콘텐츠를 검열하는 것 이상의 사용자의 의도적인 행동 변화를 촉진하는 사용자 중심의 콘텐츠 관리 방법이 될 것이다”라고 설명했다. 또한 “개발된 기술은 음식 콘텐츠뿐 아니라, 폭력물이나 선정적인 콘텐츠, 또는 다양한 주제별로 적용할 수 있어 파급효과를 기대할 수 있다.라고 말했다.
이번 연구에는 전기및전자공학부 최류해랑 박사과정이 제1 저자, 박수빈 석사과정이 제2 저자, 한수진 석박통합과정이 제3 저자, 그리고 이성주 교수가 교신 저자로 참여했다. 이번 연구는 5월 미국 하와이에서 열린 인간-컴퓨터 상호작용 최고 권위 국제학술 대회인 CHI(ACM Conference on Human Factors in Computing Systems)에서 발표됐으며 (논문명: FoodCensor: Promoting Mindful Digital Food Content Consumption for People with Eating Disorders), 최우수논문상(The Best Paper Honorable Mention Award)을 수상했다.
한편 이 연구는 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 수행됐다. (No. 2022-0-00064, 감정노동자의 정신건강 위험 예측 및 관리를 위한 휴먼 디지털 트윈 기술 개발)
2024.05.20
조회수 3174
-
인공지능으로 파킨슨병 맞춤형 치료 가능
파킨슨병 같은 만성 퇴행성 뇌 질환의 경우, 생존 환자의 뇌세포에 직접 접근이 제한적이기 때문에, 뇌 질환 환자의 세포 데이터를 토대로 환자 질병의 메커니즘 하위 유형을 인공지능으로 예측하는 것은 시도된 바가 없다.
우리 대학 뇌인지과학과 최민이 교수 연구팀이 영국 프랜시스 크릭 연구소(Francis Crick Institute)와의 공동 연구로 파킨슨병 환자의 개인별 질병 하위 유형을 예측하는 인공지능 기반의 플랫폼을 개발했다고 15일 밝혔다.
최민이 교수 연구팀이 개발한 플랫폼은 파킨슨병 환자의 역분화 만능 줄기세포(hiPSC)에서 분화된 신경 세포의 핵, 미토콘드리아, 리보솜 이미지 정보만 학습해 파킨슨 환자의 병리적 하위 유형을 정확하게 예측한다.
이 기술을 활용하면 환자별로 다르게 나타나는 파킨슨병 양상을 겉으로 보이는 발현형이 아닌 생물학적 메커니즘별로 분류할 수 있다. 이를 통해 원인 미상의 파킨슨병 환자가 속한 분자 세포적 하위 유형별로 진단이 가능해져 환자 맞춤형 치료의 길을 열 수 있다. 또 이 플랫폼은 고속의 대량 스크리닝 시스템을 사용하기 때문에 병리적 하위 유형에 적합한 맞춤형 약물 개발 파이프라인으로도 활용될 수 있다.
지금까지 파킨슨병의 치료는 환자 개별의 병리 상태를 고려하지 않고 확률에 기댄 ‘일률적 접근’ 방식을 사용해 왔다. 이러한 접근 방식은 병리적 원인과 치료 방법 사이의 불일치로 인해 치료 효과를 향상하기 어려웠다.
최민이 교수 연구팀이 개발한 플랫폼을 사용하면 개별 환자 뇌세포의 분자 및 세포 정보를 정밀하게 프로파일링할 수 있다. 이를 토대로 환자들의 질병 하위 유형을 정확히 진단할 수 있어서 궁극적으로 ‘정밀 의학 (Precise medicine)’이 가능해진다. 이는 각 개인에게 맞춤화된 치료 (Personalized medicine)로 이어져 치료 효과를 크게 향상할 수 있을 것으로 기대된다.
이 플랫폼은 2012년 노벨의학상 수상 기술인 유도만능줄기세포(iPSC: 성인 피부세포나 혈액에서 얻은 체세포를 태아기의 미분화 상태로 리프로그래밍한 세포. 어떤 장기 세포로도 분화가 가능)를 분화시켜 얻은 뇌세포를 사용하는 ‘접시 속 질병(disease in a dish)’ 패러다임이다. 이는 퇴행성 뇌 질환처럼 병변을 직접 얻을 수 없거나, 인간의 뇌를 정확하게 모사할 수 없는 동물 모델의 한계점을 극복할 수 있는 기술 중 하나로 주목받고 있다. 특히, 접시 속에 배양한 자신의 표적 질병 세포를 순차적으로 이미징하면 일련의 병리적 사건을 추적할 수 있어 질병 진행에 따른 약물 반응 결과를 예측할 수 있다는 이점이 있다.
교신 저자인 최민이 교수는 "이번 연구는 실험실에서 얻은 생물학적 데이터를 인공지능에 효과적으로 학습시켜, 정확도가 높은 질병 하위 유형 분류 모델을 생성하는 방법을 구체적으로 소개했다”며, "이 플랫폼은 자폐 스펙트럼과 같이 환자 개인별 증상이 뚜렷하게 다른 뇌 질환의 하위 유형을 분류하는 데에도 유용할 것이며, 이를 통해 효과적인 치료법 개발도 가능해질 것이다”라고 연구의 의의를 설명했다.
이번 논문은 영국 Medical Research Council (MRC)와 대교-KAIST 인지 향상 연구센터의 지원으로 수행됐으며, 국제 학술지 ‘네이처 머신 인텔리젼스 (Nature Machine Intelligence, IF = 25.8) 8월호에 출판됐다 (논문명: Prediction of mechanistic subtypes of Parkinson’s using patient-derived stem cell model)
2023.08.16
조회수 5113
-
챗GPT에 사용된 트랜스포머로 다공성 소재 예측
다공성 소재는 넓은 공극과 표면 면적을 지니고 있어, 가스 흡착, 분리, 촉매 등 다양한 에너지 및 환경 분야에서 적용된다. 다공성 소재 중 한 종류인 금속 유기 골격체(MOF)는 무한대에 가까운 경우의 수를 갖는 넓은 물질 공간(materials space) 안에 존재하기에, 인공지능을 사용해 최적의 물질을 추출하고 특성을 예측하려는 연구가 활발히 진행되고 있다. 하지만 이러한 모델들은 대부분 특정한 물성 한 종류만 학습할 수 있으며, 모든 재료 특성에 보편적으로 적용할 수 없다는 단점이 존재한다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 세계 최초로 멀티모달 트랜스포머를 적용한 인공지능(AI)을 통해 다공성 소재의 다양한 물성을 예측하는 기술을 개발했다고 5일 밝혔다. 멀티모달 트랜스포머는 비디오 프레임과 오디오 트랙, 웹 이미지와 캡션, 교육용 비디오와 음성 대본과 같이 서로 다른 형태의 정보를 효과적이고 효율적으로 결합하도록 설계된 신경망 모델의 일종이다.
김지한 교수 연구팀은 챗GPT(ChatGPT)에서 사용된 모델인 트랜스포머를 다공성 소재에 도입해 모든 성능을 예측할 수 있는 멀티모달 인공 신경망을 개발했다. 멀티모달은 사진(이미지)과 설명(자연어)같이 서로 다른 형태의 데이터를 함께 학습하며, 이는 인간과 비슷하게 입체적이고 종합적인 사고를 할 수 있도록 도와준다. 연구팀이 개발한 멀티모달 트랜스포머 (MOFTransformer)는 원자 단위의 정보를 그래프로 표현하고, 결정성 단위의 정보를 3차원 그림으로 전환 후 함께 학습하는 방식으로 개발했다. 이는 다공성 소재의 물성 예측의 한계점이었던 다양한 물성에 대한 전이 학습을 극복하고 모든 물성에서 높은 성능으로 물성을 예측할 수 있게 했다.
김지한 교수 연구팀은 다공성 소재를 위한 트랜스포머를 개발해 1백만 개의 다공성 소재로 사전학습을 진행했으며, 다공성 소재의 가스 흡착, 기체 확산, 전기적 특성 등의 다양한 소재의 물성을 기존의 발표된 머신러닝 모델들보다 모두 더 높은 성능으로 (최대 28% 상승) 예측하는 데 성공했고, 또한 논문으로부터 추출된 텍스트 데이터에서도 역시 높은 성능으로 예측하는 데 성공했다.
연구팀이 개발한 기술은 물질의 특성을 계산 및 예측하는 새로운 방법론을 제시했으며, 이를 통해 소재 분야에서 새로운 소재의 설계와 개발에 도움이 될 뿐만 아니라, 기존의 소재에 대한 깊은 이해를 얻을 수 있을 것으로 기대된다. 더불어, 멀티모달 트랜스포머는 다공성 소재뿐만 아니라 다른 종류의 소재에도 확장 가능한 범용적인 모델이므로, 인공지능을 통한 소재 과학의 발전에 크게 이바지할 수 있을 것이다.
생명화학공학과 강영훈, 박현수 박사과정이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)'에 지난 3월 13일에 게재됐다. (논문명: A multi-modal pre-training transformer for universal transfer learning in metal–organic frameworks)
한편 이번 연구는 과학기술정보통신부의 지원으로 국가 소재 연구 데이터 사업단, 그리고 한국연구재단 (NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.
2023.04.05
조회수 6796
-
똑똑한 영상 복원 인공지능 기술 개발
딥러닝 기술은 영상 복원 속도가 기존 알고리즘 대비 수백 배 이상 빠를 뿐만 아니라 복원 정확도 역시 높다. 하지만, 주어진 학습 데이터에만 의존하는 딥러닝 기술은 영상 취득 환경상에 변화가 생기면 성능이 급격히 저하되는 치명적인 약점이 있다. 이는 알파고와 이세돌 九단과의 대국 시 `신의 한 수'에 의해 알파고의 성능이 급격하게 저하되었던 사례를 떠올리면 쉽게 이해할 수 있다. 즉, 인공지능이 학습하지 못했던 변수(학습 데이터상에 존재하지 않는 수)가 발생할 때 신뢰도가 급격히 낮아지는 인공지능 기술의 근본적인 문제이기도 하다.
우리 대학 바이오및뇌공학과 장무석 교수 연구팀과 김재철AI 대학원 예종철 교수 연구팀이 공동 연구를 통해 인공 지능의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 6일 밝혔다.
연구팀은 영상 취득 환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안해 물리적 법칙과 심층 신경망이 통합된 학습 기법을 제시했다.
모든 영상 기술은 물리적인 영상 기기를 통해 영상 정보를 취득한다. 연구팀은 이 정보 취득 과정에 대한 물리적인 통찰력을 인공지능에 학습시키는 방법을 개발했다. 예를 들면, `네가 도출한 복원 결과가 물리적으로 합당할까?' 혹은 `이 영상 기기는 물리적으로 이런 변수가 생길 수 있을 것 같은데?'라는 식의 질문을 통해 물리적 통찰력을 인공지능에 이식하는 방법을 제시한 것이다.
연구팀은 변화하는 영상 취득 환경에서도 신뢰도 높은 홀로그래피 영상* 을 복원하는데 성공했다. 홀로그래피 영상 기술은 의료 영상, 군용 감시, 자율 주행용 영상 등 다양한 정밀 영상 기술에 다양하게 활용될 수 있는데, 이번 연구는 의료 진단 분야의 활용성을 집중적으로 검증하였다.
*홀로그래피 영상: 물체의 그림자 패턴(회절 패턴)으로부터 물체의 형태를 복원하는 영상 기법, 일반적인 영상 기술과 달리 위상 변화에 의한 물체의 미세 구조를 감지할 수 있는 영상 기술
연구팀은 먼저 3차원 공간상에서 매우 빠르게 움직이는 적혈구의 회절 영상(확산된 그림자형상)으로부터 적혈구의 형태를 실시간으로 복원하는데 성공했다. 이러한 동적인 영상 환경에서 예상치 못한 변수로는 여러 개의 적혈구 덩어리가 복잡하게 겹쳐진다거나 적혈구가 예상하지 못했던 위치로 흘러가는 경우를 생각해 볼 수 있다. 여기서, 연구팀은 인공 지능이 생성한 영상이 합당한 결과인지 빛 전파 이론을 통해 검산하는 방식으로 물리적으로 유효한 복원 신뢰도를 구현하는데 성공하였다.
연구팀은 암 진단의 표준기술로 자리잡고 있는 생검 조직(생체에서 조직 일부를 메스나 바늘로 채취하는 것)의 영상 복원에도 성공했다. 주목할 점은 특정한 카메라 위치에서 측정된 회절 영상만을 학습했음에도 인공지능의 인지능력이 부가되어 다양한 카메라 위치에서도 물체를 인식하는데 성공했다는 점이다. 이번에 구현된 기술은 세포 염색 과정이나 수 천 만원에 달하는 현미경이 필요하지 않아 생검 조직 검사의 속도와 비용을 크게 개선할 수 있을 것으로 기대된다.
물리적 통찰력을 인공 지능에 이식하는 영상 복원 기술은 의료 진단 분야 뿐만 아니라 광범위한 영상 기술에 활용될 것으로 기대된다. 최근 영상 기술 산업계 (모바일 기기 카메라, 의료 진단용 MRI, CT, 광 기반 반도체 공정 불량 검출 등) 에선 인공지능 솔루션 탑재가 활발히 이루어지고 있다. 영상 취득에 사용되는 센서, 물체의 밝기, 물체까지의 거리와 같은 영상 취득 환경은 사용자마다 다를 수밖에 없어 적응 능력을 갖춘 인공 지능 솔루션에 대한 수요가 큰 상황이다. 현재 대부분의 인공 지능 기술은 적응 능력 부재로 신뢰도가 낮은 문제 때문에 실제 현장에서 활용성이 제한적인 상황이다.
바이오및뇌공학과 이찬석 연구원은 "데이터와 물리 법칙을 동시에 학습하는 적응형 인공지능 기술은 홀로그래피 영상뿐만 아니라 초고해상도 영상, 3차원 영상, 비시선 영상(장애물 뒷면을 보는 영상) 등 다양한 계산 영상 기술에 적용될 수 있을 것으로 기대된다ˮ고 밝혔다.
연구진은 "이번 연구를 통해 인공지능 학습에 있어서 학습 데이터에 대한 강한 의존성(신뢰도 문제)을 물리적 법칙을 결합해 해소했을 뿐만 아니라, 이미지 복원에 있어 매게 변수화된 전방 모델을 기반으로 했기 때문에 신뢰도와 적응성이 크게 향상됐다ˮ며, 이어 "이번 연구에서는 데이터의 다양한 특성 중에서 수학적 혹은 물리적으로 정확히 다룰 수 있는 측면에 집중했고, 향후 무작위적인 잡음이나 데이터의 형태에 대해서도 제약받지 않는 범용 복원 알고리즘을 개발하는 데 주력할 것이다ˮ라고 밝혔다.
바이오및뇌공학과 이찬석 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)'에 지난 1월 17일 字 출판됐다. (논문명: Deep learning based on parameterized physical forward model for adaptive holographic imaging with unpaired data)
한편 이번 연구는 삼성미래기술육성사업과 선도연구센터사업의 지원을 받아 수행됐다.
2023.02.06
조회수 5567
-
인공지능으로 화학반응을 예측하다
우리 대학 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각하는 인공지능을 개발했다고 4일 밝혔다. 연구팀이 개발한 인공지능은 유기 반응의 결과를 정확하게 예측한다.
유기 화학자는 반응물을 보고 유기 화학반응의 결과를 예상해 약물이나 유기발광다이오드(OLED)와 같이 원하는 물성을 갖는 분자를 합성한다. 하지만 실험을 통해 화학반응의 생성물을 직접 확인하는 작업은 일반적으로 시간과 비용이 많이 소모된다. 게다가 유기 화학 반응은 같은 반응물에서 다양한 생성물이 생길 수 있어 숙련된 유기 화학자라도 모든 화학반응을 정확하게 예측하지 못한다.
이런 한계를 극복하고자 인공지능을 이용해 유기 반응을 예측하는 연구가 활발하게 일어나고 있다. 대부분의 연구는 반응물과 생성물을 서로 다른 두 개의 언어로 생각하고 한 언어에서 다른 언어로 번역하는 언어 번역 모델을 사용하는 방법에 집중하고 있다. 이 방법은 예측 정확도는 높지만, 인공지능이 화학을 이해하고 생성물을 예측했다고 해석하기 어려워 모델이 예측한 결과를 신뢰하기 어렵다.
정 교수팀은 화학적 직관을 바탕으로 모델을 설계해서 모델이 예측한 결과를 화학적으로 설명을 할 수 있을 뿐 아니라, 공개 데이터베이스에서 매우 우수한 예측 정확도를 달성했다.
정 교수팀은 화학자가 반응 결과를 예측하는 방법에서 아이디어를 얻었다. 화학자는 반응 중심을 파악하고 화학반응 규칙을 적용해 가능한 생성물을 예측한다. 이 과정을 본떠서 공개 화학반응 데이터베이스로부터 화학반응 규칙을 도출했다. 화학반응 규칙을 바탕으로 분자의 화학 반응성을 예측하기 위해서, 분자를 그래프로 취급하는 그래프 신경망(Graph Neural Network, GNN) 모델을 개발했다. 이 모델에 반응물들을 넣으면 화학반응 규칙과 반응 중심을 식별해 생성물을 성공적으로 예측한다.
정 교수팀은 화학반응에서 널리 사용되는 미국 특허무역청(USPTO) 데이터를 이용해 유기 반응을 90% 이상의 정확도로 예측하는 데 성공했다. 개발된 모델은 실제 사용 시 모델에 높은 신뢰성을 제공하는 `예측의 불확실성'을 말할 수 있다. 예를 들어, 불확실성이 낮다고 간주되는 모델의 정확도는 98.6%로 증가한다. 모델은 무작위로 샘플링된 일련의 유기 반응을 예측하는 데 있어 소규모의 합성 전문가보다 더 정확한 것으로 나타났다.
이번 연구의 성공으로 연구팀은 다른 분야에서 좋은 성능을 보인 모델을 그대로 사용하던 기존 방법보다, 화학자가 생각하는 방법과 동일하게 신경망을 설계하는 전략이 더 합리적이고 우수한 성능을 보인다는 것을 입증했다. 연구팀은 이 연구를 활용하면 분자 설계 과정이 비약적으로 빨라질 것으로 기대하며, 새로운 화합물 개발에 실용적인 응용을 기대하고 있다. 정유성 교수팀은 현재 연구 성과의 특허 출원을 준비하고 있다.
우리 대학 생명화학공학과 첸수안(Shuan Chen) 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 '네이처 머신 인텔리전스(Nature Machine Intelligence)'에 9월호 표지논문으로 선정돼 출판됐다.
한편 이번 연구는 산업통상자원부와 한국연구재단의 지원을 받아 수행됐다.
2022.10.04
조회수 13967
-
대규모 한국인 자폐증 가족 유전체 연구를 통한 새로운 자폐 유전변이 최초 발견
우리 대학 의과학대학원 이정호 교수와 바이오및뇌공학과 최정균 교수, 생명과학과 김은준 교수(IBS 시냅스뇌질환연구단장), 분당서울대병원 유희정 교수, KISTI 공동 연구팀이 아시아 최초로 대규모 한국인 자폐증 가족 코호트를 모집하고 전장 유전체 분석을 실시해 자폐증 유발 유전변이가 단백질을 암호화하지 않는 유전체 영역인 비-부호화 영역에서 발생할 수 있다는 사실을 규명했고, 이를 통해 자폐증 원인의 새로운 이해와 치료 전기를 마련했다고 19일 밝혔다.
이번 연구내용은 세계적 정신의학 학술지 ‘분자 정신의학(Molecular Psychiatry)’에 7월 15일 자에 게재됐다.
자폐증은 사회적 의사소통 결핍이나 이상, 반복적이거나 틀에 박힌 행동 문제가 유아 시절 시작돼 거의 평생 지속되는 뇌 신경 발달장애로, 질환 발생의 근본적인 원인에 대한 이해가 매우 부족하며, 공식적으로 인정된 치료 약제가 전무하다. 자폐증 원인에 대한 이해의 필요성은 대중들의 높은 관심을 통해서도 가늠해볼 수 있는데, 예를 들어 최근 세간의 이목이 집중된 드라마 ‘이상한 변호사 우영우’의 주인공이 자폐증을 앓고 있다.
연구진은 자폐증 유발 유전변이가 비-부호화 유전체 영역에서 발생한다는 사실을 발견했으며, 이를 세계 최초로 한국인 자폐증 샘플로 제작한 인간 줄기세포를 이용해 증명했다. 자폐증의 근본 원인을 규명한 획기적인 연구 결과로서, 기존 연구의 한계를 뛰어넘어 그간 유전체 분야의 난공불락으로 여겨졌던 비-부호화 영역에 초점을 맞춘 혁신적인 발상으로 자폐증 치료의 새로운 전기가 마련될 것으로 예상된다.
연구진은 IBS와 한국연구재단, 국가바이오빅데이터 사업단의 지원을 통해 2011년부터 현재 3,708명에 달하는 자폐 환자와 그 가족들로 구성된 대규모 한국인 코호트를 구축하고 유전체 분석을 진행하고 있으며, 이번 연구 결과는 813명의 전장 유전체 염기서열 분석을 바탕으로 이뤄졌다. (그림 1)
유전체 데이터의 98% 이상을 차지하고 있으나 그간 자폐증 유전체 연구에서 조명받지 못했던 비-부호화 영역을 집중적으로 규명하고자, 연구진은 3차원 공간상의 염색질 상호작용(three-dimensional chromatin interaction)이라는 새로운 분석 방식을 사용했으며 (그림 2), 비-부호화 영역에서 발생한 유전변이가 멀리 떨어져 있는 자폐 유전자의 기능에 심각한 이상을 초래할 수 있음을 증명했다. (그림 3)
특히, 본 코호트의 한국인 자폐증 가족으로부터 직접 인간 줄기세포를 제작해 태아기 신경세포를 재현했으며, 이러한 생애 초기 신경 발달단계에서 비-부호화 영역의 유전변이에 의해 최대 500,000 base-pair(유전체 거리 단위) 이상 떨어져 있는 유전자의 발현이 비정상적으로 낮아지거나 높아질 수 있음을 세계 최초로 증명했다 (그림 4)
이번 연구 성과는 자폐증 유발 유전변이가 단백질을 부호화하지 않는 비-부호화 영역에서 발생해, 멀리 떨어져 있는 유전자의 기능에 영향을 미침으로써 신경 발달단계 초기부터 질병 발병에 기여한다는 획기적인 자폐증 원인에 대한 발견이다. 연구팀은 그간 단백질을 부호화하는 영역에만 쏠려 있던 정신질환 연구 풍토 속에서, 비-부호화 영역을 규명하는 방향으로 전환해야 자폐증 치료의 비밀을 풀 수 있다는 새로운 접근법을 제시했다.
IBS 시냅스뇌질환연구단(김은준 교수팀 프로젝트 제안 및 개시), 서울의대 및 분당서울대병원(유희정교수팀 코호트 구축 및 임상 평가), KISTI(대용량 컴퓨팅 리소스 및 유전체 데이터 분석 파이프라인 제공), KAIST (이정호 교수팀, 최정균 교수팀 비-부호화 영역 유전변이 분석) 공동 연구팀이 통합된 유전체-임상 데이터에 대해 3차원 공간상의 염색질 상호작용 분석을 통해 비-부호화 영역에서 발생한 유전변이가 자폐증 발병에 기여함을 규명했다.
이는 순수 국내의 임상가와 기초과학자, 생물정보학 전문가의 융합연구로 이루어낸 성과이며, 아시아 최초의 대규모 전장-유전체 데이터 기반 코호트 구축과 유전체 분석 모델의 기틀을 마련함으로써 대한민국 유전체 연구의 선도적인 역할을 한 것이다. 자폐 유전체 연구는 지난 10년간 북미와 유럽을 위주로 대규모로 진행됐으나, 한국을 비롯한 아시아에서는 상대적으로 연구가 덜 진행됐다.
논문의 공동 제1 저자인 KAIST 의과학대학원 졸업생 김일빈 박사는 “신경발달장애 중 자폐증은 특히 치료가 어려운 것으로 알려져 있는데, 발병 원인 중 하나로 지목되는 유전체 영역의 이상을 한국인 고유의 데이터를 사용해 순수 국내 연구진들의 힘으로 발견해냈다는 데 큰 의미가 있으며, 이 연구 성과가 언젠가는 이루어질 자폐증 치료제 개발을 위한 작은 발판이 되길 바란다”라고 말했다. 분당서울대병원의 유희정 교수도 “우리나라 연구진의 힘을 모아 자폐증의 비밀을 풀기 위한 첫걸음을 내딛었다. 연구에 참여해 준 당사자와 가족들의 헌신으로 이룬 일이라고 생각한다. 하지만 우리가 자폐증의 발병 기전을 완전히 이해하고 나아가 치료제를 개발하기 위해서는 아직 연구해야 할 것이 많다. 유전체 연구에 대한 국가 차원의 지원이 절실하며, 자폐증을 가진 분들과 가족들의 관심도 꼭 필요하다”는 점을 강조했다.
한편 이번 연구는 서경배과학재단, 한국연구재단, 보건산업진흥원사업을 통해 수행됐다.
2022.07.19
조회수 8509
-
움직이는 가상 물질을 입체적으로 쥘 수 있는 새로운 가상현실 컨트롤러 개발
우리 대학 산업디자인학과 안드리아 비앙키(Andrea Bianchi) 교수 연구팀이 회전하는 원판을 활용한 6-자유도 햅틱 컨트롤러를 개발했다고 12일 밝혔다.
비앙키 교수 연구팀은 마이크로소프트(Microsoft Research)와 협업해 움직이는 물체의 이동 속도, 방향과 두께감을 표현하는 `SpinOchhio(스피노키오)' 컨트롤러를 개발했다. 이 컨트롤러는 한 쌍의 회전 원판과 피버팅(2차적 축 회전) 메커니즘을 활용해 가상 환경(VR Environment)에서 사용자가 엄지와 검지로 쥐고 있는 물체가 손가락 사이를 지나가는 속도, 방향과 두께의 감촉을 사실적으로 체험할 수 있게 한다.
산업디자인학과 김명진 박사과정이 제1 저자로 참여한 이번 연구는 지난 5월 4일에 `ACM CHI 2022 (2022 CHI Conference on Human Factors in Computing Systems)' 국제학회에서 발표됐다. (논문명: SpinOcchio: Understanding Haptic-Visual Congruency of Skin-Slip in VR with a Dynamic Grip Controller)
기존의 가상현실(VR) 컨트롤러는 가상 물체와의 상호작용을 표현하는 방법으로 진동 피드백만을 활용해, 손에 쥔 물체의 움직이는 속도, 방향, 또는 두께감에 대한 촉감 피드백을 표현하는 데에 한계가 있었다.
손가락으로 쥐고 있는 가상 물체의 움직임과 다양한 두께감을 사실적으로 재현하기 위해서는 각 손가락에 닿는 표면의 움직임과 표면 간의 거리를 고려해야 한다. 연구팀이 개발한 `스피노키오'는 한 쌍의 피버팅 하는 회전 원판을 엄지와 검지 각 손가락 끝에 접촉하게 함으로써, 손가락 사이에 있는 물체가 다양한 방향으로 미끄러지거나 회전하는 감각을 재현한다. 또한 연구팀은 두 원판 간의 거리를 조절함으로 가상 환경에서 실시간으로 다양한 물체의 두께와 형태의 촉감을 구현했다. 엄지와 검지 각 손가락 끝에 접촉한 표면의 움직이는 방향(1), 속도(2)와 폭(3)을 개별적으로 제어하여 `스피노키오'는 총 6-자유도 햅틱 피드백을 구현한다.
연구팀은 `스피노키오'를 활용해 표면의 움직임의 방향 변화에 대한 사용자들의 인지능력을 측정했고, 가상 물체를 재현했을 때 가상현실의 시각적 피드백이 촉각 피드백 인지에 큰 영향을 끼치는 것을 실험적으로 확인했다.
`스피노키오'의 활용 예시로 연구팀은 가상 환경에서 사용자가 손가락으로 힘을 주어 물체를 집어 올리거나 잡아당기거나 꼬집어 변형시키는 상호작용과 더불어 힘을 빼고 물체를 쓰다듬거나 떨어뜨리는 등 다양한 물체와의 상호작용을 제안했다.
연구를 주도한 안드리아 비앙키 교수는 "이번에 개발한 스피노키오는 이전과 달리 사용자가 움직이는 가상의 물체를 입체적으로 손으로 쥐는 햅틱 경험을 구현한 특징이 있으며, 3D 모델링 작업과 가상 교육 환경 등에 특히 응용되어 산업적 가치를 지닌다ˮ라고 설명했다.
한편 이번 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행됐다.
2022.05.12
조회수 6447
-
조현병의 새로운 원인을 규명했다
우리 대학 의과학대학원 이정호 교수 연구팀이 미국 스탠리 의학 연구원(Stanley Medical Research Institute) 김상현 박사팀과 공동연구를 통해 후천적으로 발생한 뇌 특이적 체성 유전변이가 조현병(舊 정신분열증) 발병에 크게 기여하고 있음을 규명했다고 11일 밝혔다.
의과학대학원 김명희 박사, 김일빈 박사과정 연구원이 공동 제1 저자로 참여한 이번 연구내용은 정신의학 분야 국제 학술지 `생물 정신의학회지(Biological Psychiatry)'에 지난달 4일 字 온라인 게재됐다. (논문명 : Low-level brain somatic mutations are implicated in schizophrenia)
조현병은 전 세계적으로 100명당 1명의 높은 비율로 발병되는 질환이지만, 근본적인 원인은 분명히 규명되지 않고 있다. 기존의 연구들은 조현병의 유전적 원인 규명을 위해 주로 환자의 말초조직인 혈액이나 침에서 돌연변이 연구를 진행했으나, 혈액이나 침에서는 조현병의 분자 유전학적 원인을 완벽하게 밝혀내지 못하고 있었다.
이에 연구팀은 혈액이나 침에서 검출되지 않는, 환자 뇌에서만 존재하는 뇌 특이 체성 유전변이(Somatic mutation)가 조현병의 병리에 영향을 미칠 가능성을 주목했다.
연구팀은 27명의 조현병 환자에게서 얻은 사후 뇌 조직에 `전장 엑솜 유전체 서열(Whole-exome sequencing) 기법'을 적용해 조현병 환자의 뇌에 존재하는 뇌 특이 체성 유전변이를 찾아냈다. 이를 위해 연구팀은 고심도 전장 엑솜 유전체 서열 분석기법을 통해 저빈도의 체성 유전변이를 정확히 찾아내기 위한 독자적 분석 파이프라인을 구축했다.
또한 조현병 환자의 뇌 조직에서 발견된 뇌 특이적 체성 유전변이가 뇌 신경 정보 교환 및 신경 발달에 중요한 역할을 하는 유전자상에 주로 분포하는 것을 발견, 환자의 뇌 체성 유전변이가 뇌 신경회로를 망가뜨려 조현병의 원인이 될 수 있음을 보였다.
논문의 주저자인 김명희 박사는 "우리 주변에서 흔히 발견되지만, 원인이 분명하지 않아 배척돼 온 조현병의 원인 규명에 한 발짝 다가갈 수 있어 기쁘다ˮ며 "이번 연구를 기반으로 조현병의 발병 원인이 더 분명해져 환자뿐 아니라 그 주변 사람들까지 질병으로 인한 고통에서 벗어날 수 있게 되면 좋겠다ˮ라고 말했다.
연구팀의 발견은 조현병의 발병에 체성 유전변이가 중요한 역할을 하고 있음을 밝혀내 조현병의 새로운 발병 원리를 규명함과 동시에, 조현병 연구에 새로운 틀을 제시함으로써 향후 다른 신경정신질환의 연구에도 크게 기여할 수 있을 것으로 기대된다. 또한 연구팀은 우리 대학 교원 창업 기업인 소바젠(대표 김병태)과 협력을 통해 뇌 체성 돌연변이 연관 조현병 환자 진단과 치료법 개발을 진행할 계획이다.
한편 이번 연구는 서경배 과학재단, 보건복지부 및 스탠리 의학 연구원의 지원을 받아 수행됐고, 신속한 유전체 빅데이터 분석을 위해 KISTI의 슈퍼컴퓨터 5호기 누리온 시스템이 활용됐다.
2021.03.11
조회수 97323
-
메모리-중심 인공지능 가속기 시스템 개발
삼성미래기술육성재단이 지원한 우리 대학 연구진이 세계 최초로 `프로세싱-인-메모리(Processing-In-Memory, 이하 PIM)' 기술을 기반으로 한 인공지능 추천시스템 학습 알고리즘 가속에 최적화된 지능형 반도체 시스템 개발에 성공했다.
전기및전자공학부 유민수 교수 연구팀은 PIM 기술 기반의 메모리-중심 인공지능 가속기 반도체 시스템을 개발했다고 16일 밝혔다. 유 교수는 관련 분야에서 그동안의 탁월한 연구 성과를 인정받아 올해 아시아에서 유일하게 페이스북 패컬티 리서치 어워드(Facebook Faculty Research Award)를 수상했다.
인공지능 기술을 기반으로 고안된 추천시스템 알고리즘은 구글(Google), 페이스북(Facebook), 유튜브(YouTube), 아마존(Amazon) 등 빅테크 기업들이 콘텐츠 추천 및 개인 맞춤형 광고를 제작하는데 기반이 되는 핵심 인공지능 (AI) 기술이다. 온라인 광고를 통한 수입은 구글과 페이스북과 같은 실리콘밸리의 빅테크 기업의 주 수익 모델인 만큼 고도화된 추천 인공지능 기술에 대한 수요는 최근 들어 급상승하는 추세다.
페이스북이 최근 공개한 자료에 따르면 페이스북 데이터센터에서 처리되는 인공지능 연산의 70%가 추천 알고리즘을 처리하는 데에 사용되며, 인공지능 알고리즘 학습을 위한 컴퓨팅 자원의 50%를 추천 알고리즘을 학습하는 데 사용하고 있다.
유민수 교수 연구팀은 최근 메모리 반도체에 인공지능 연산 기능이 추가된 프로세싱-인-메모리(PIM) 기술 기반의 지능형 반도체 시스템을 개발하는 데 성공했다. 유 교수팀이 개발한 이 시스템은 인공지능 추천시스템 알고리즘의 학습 과정을 엔비디아(NVIDIA)의 그래픽카드(GPU)를 사용하는 기존 인공지능 가속 시스템 대비 최대 21배까지 빠르다고 연구팀 관계자는 설명했다.
지능형 메모리 반도체 기술은 우리나라의 AI 반도체 세계시장 공략을 위한 핵심기술로 주목받고 있다. 특히 정부에서도 `AI 종합 반도체 강국 실현'이라는 비전 아래 막대한 국가적 투자를 아끼지 않는 핵심 투자 분야다. 따라서 유 교수팀의 연구 성과는 향후 막대한 수요와 급성장이 예상되는 세계 AI 반도체 시장에서 메모리-중심으로 설계된 PIM 기술의 상용화 및 성공 가능성을 시사한다는 점에서 의미가 크다고 전문가들은 평가하고 있다.
유민수 교수는 서강대와 KAIST에서 각각 학사와 석사를 거쳐 미국 텍사스 오스틴 주립대에서 박사학위를 취득한 후 지난 2014년 인공지능 컴퓨팅 기술 기업인 미국 엔비디아(NVIDIA) 본사에 입사했다. 엔비디아에 입사한 이후 줄곧 인공지능 컴퓨팅 가속을 위한 다양한 하드웨어 및 소프트웨어 시스템 연구를 주도했으며 지난 2018년부터 우리 대학 전기및전자공학부 교수로 재직 중이다.
전기및전자공학부 권영은 박사과정이 제1 저자, 이윤재 석사과정이 제2 저자로 참여한 이번 연구 결과는 세계 최초의 추천시스템 학습용 가속기 시스템 개발 성과라는 학술 가치를 인정받아 컴퓨터 시스템 구조 분야 최우수 국제 학술대회인 IEEE International Symposium on High-Performance Computer Architecture(HPCA)에서 `Tensor Casting: Co-Designing Algorithm-Architecture for Personalized Recommendation Training' 이라는 논문 제목으로 내년 2월에 발표된다.
2020.11.16
조회수 32761
-
성형진 교수 연구팀, 랩온어칩(Lab on a Chip)지 표지논문 게재
우리 대학 기계공학과 성형진 교수 연구팀(초세대협업연구실)이 고주파수 표면탄성파 기반 마이크로스케일 음향흐름유동을 이용해 나노리터급 액적 내 화학적 농도 제어 기술을 개발했다.
동전 크기의 초소형 미세유체칩 내에 서로 섞이지 않는 두 유체로 조성된 마이크로스케일 액적을 기반으로 하는 액적 기반 미세유체역학 분야에서 개별 액적 내 화학적 농도를 제어하기 위해 그동안 많은 노력이 기울여져 왔다. 하지만 지금까지 개발된 액적 내 화학적 농도 제어 기술은 복잡한 미세유로 혹은 별도의 외부 구동시스템이 필요하거나, 만들어진 액적의 병합 혹은 희석을 통해 액적 내 화학적 농도를 제어하기 때문에 동적 제어가 불가능하고 액적 간 화학적 농도 구배를 형성하기 어렵다는 한계를 지니고 있었다.
이번 연구에서 성형진 교수 연구팀은 고주파수 표면탄성파를 미세유체칩 내 유동에 집속하여 음향흐름유동을 발생시켜 농도 제어가 필요한 액상 화학 시료와 완충용액을 혼합한 후, 혼합된 액상 시료를 분산상으로 하는 나노리터급 액적을 생성함으로써 액적 내 화학적 농도의 정밀 제어할 수 있음을 보였다. 개발된 기술을 활용하여 미세유체칩 내 고속으로 생성되는 개별 액적의 화학적 농도를 동적으로 제어할 수 있으며, 더 나아가 액적라이브러리 내 액적 간 화학적 농도 구배를 자유롭게 형성할 수 있는 최초의 기술이라는 점에서 기존 기술보다 진일보한 기술이라는 평가를 받았다.
아울러 평면파 각스펙트럼 이론과 등가 구경 이론을 이용해 원형 빗살무늬전극에서 생성되는 집속 표면탄성파의 집속점 위치가 기하학적 중심이 아니라는 점을 밝혔다. 또한 MHz 대역의 초음파 대역의 압전기판 위 표면탄성파 및 유체 내 종파의 감쇄에 의해 생성되는 마이크로스케일 음향흐름유동 및 와류를 전산유체역학적으로 가시화하여 인가되는 표면탄성파의 진폭과 생성되는 음향흐름유동장 사이의 관계를 규명해 효율적인 마이크로스케일 유동 혼합을 위한 조건을 제시했다.
이번 연구는 영국왕립화학회(Royal Society of Chemistry)에서 발간하는 미세유체역학 및 마이크로타스(microTAS) 분야의 세계적 권위 국제학술지인 랩온어칩(Lab on a Chip)지 2020년 21호의 표지논문으로 선정됐다 (논문명: Acoustofluidic generation of droplets with tunable chemical concentrations). 이는 성형진 교수의 Lab on a Chip 학술지 2016년 4호, 17호, 2017년 6호, 2018년 3호, 19호에 이은 여섯 번째 표지논문으로 미세유체역학 분야의 선도적 연구 성과다.
성형진 교수 연구팀은 그동안 미세유체역학, 난류, 고체-유체 상호작용 연구 분야에서 탁월한 연구 성과를 내 SCI급 국제학술지에 380여편의 논문을 게재했으며, 이번 연구는 과학기술정보통신부의 재원으로 한국연구재단의 중견연구와 초세대협업연구실의 지원으로 수행됐다.
박진수 박사 (현 전남대 교수)와 성형진 교수는 “이번 연구에서 개발된 음향미세유체역학 기술을 통해 마이크로스케일 액적 내 화학적 농도를 칩 내에서 정밀·동적 제어하고 액적 간 농도 구배를 형성할 수 있는 최초의 기술로서, 개발된 기술이 약물스크리닝, 단일 세포 및 입자 기반 분석, 기능성 마이크로캡슐 합성 등 액적 기반 미세유체역학 시스템이 사용되는 다양한 분야에서 핵심 원천기술로 널리 활용될 수 있을 것으로 기대된다”라며 연구 의의를 밝혔다.
2020.11.10
조회수 31075
-
재촬영 없이 MRI 강조영상 얻는 AI 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀 자기공명영상(magnetic resonance imaging: MRI)에서 재촬영 없이도 누락된 강조영상을 얻을 수 있는 인공지능 기술을 개발했다.
이 연구를 통해 각 질환별로 강조영상이 암의 진단에 미치는 영향을 객관적으로 밝힐 수 있으며, 실제 임상에서 고비용의 MRI를 효과적이고 체계적으로 활용할 수 있는 방안을 설계할 수 있을 것으로 기대된다.
이동욱 박사가 1 저자로 참여하고 건국대 의과대학 영상의학과 문원진 교수팀이 참여한 이번 연구 결과는 국제 학술지 ‘네이처 머신인테리젼스(Nature Machine Intelligence)’ 1월 18일 자 온라인판에 게재됐다. (논문명 : Assessing the importance of magnetic resonance contrasts using collaborative generative adversarial networks).
MRI는 엑스선 컴퓨터 단층촬영, 초음파와 더불어 임상 진단에서 중요한 역할을 하는 진단 장비이다. 특히 비침습적 방법으로 고해상도의 영상을 얻기 때문에 종양이나 병변을 관찰하며 진단하는데 매우 중요한 임상 정보를 제공한다. 이는 영상의 대조도 (contrast)를 다양하게 조절할 수 있는 MRI의 특징 덕분이다.
예를 들어 뇌종양을 진단하는 데 활용되는 T1·T2 강조영상, FLAIR 기법 영상, T1 조영증강 영상 등 여러 가지 대조 영상을 얻어 진단에 사용함으로써 종양을 찾을 수 있다.
하지만 실제 임상 환경에서는 강조영상을 모두 얻기 어려운 경우가 많다. 여러 장의 강조영상 촬영을 위해 촬영시간이 길어지기도 하고, 잡음이나 인공음영 발생으로 인해 진단에 사용하기 어려운 경우가 많기 때문이다.
또한, 뇌질환진단을 위한 MRI 검사는 의심 질환이 무엇인지에 따라 필수 강조영상이 달라지며, 이후 특정 질환으로 진단명이 좁혀지면서 부득이하게 누락된 강조영상을 확보하기 위한 재촬영이 필요한 경우가 많다. 이러한 상황에 의해 많은 시간과 비용이 소모된다.
최근 인공지능 분야에서 생성적 적대 신경망(Generative adversarial networks, GAN)이라는 딥러닝을 이용해 영상을 합성하는 기술이 많이 보고되고 있지만, 이 기술을 MRI 강조영상 합성에 사용하면 준비하고 미리 학습해야 하는 네트워크가 너무 많아지게 된다.
또한, 이러한 기법은 하나의 영상에서 다른 영상으로의 관계를 학습하기 때문에 몇 개의 강조영상의 존재하더라도 이 정보 간의 시너지를 활용하는 영상 학습기법이 없는 현실이다.
예 교수 연구팀은 자체 개발한 ‘협조·생성적 적대신경망(Collaborative Generative Adversarial Network : CollaGAN)’이라는 기술을 이용해 여러 MRI 강조영상의 공통 특징 공간을 학습함으로써 확장성의 문제를 해결했다.
이를 통해 어떤 대조 영상의 생성이 가능한지와 불가능한지에 대한 질문과, 그에 대한 체계적인 대답 기법을 제안했다.
즉, 여러 개의 강조영상 중에서 임의의 순서 및 개수로 영상이 없어져도 남아있는 영상을 통해 사라진 영상을 복원하는 기법을 학습한 후 합성된 영상의 임상적 정확도를 평가해, 강조 영상 간 중요도를 자동으로 평가할 수 있는 원천 기술을 개발했다.
예 교수 연구팀은 건국대 문원진 교수 연구팀과의 협력을 통해 T1강조·T2강조 영상과 같이 내인성 강조영상은 다른 영상으로부터 정확한 합성이 가능하며, 합성된 강조영상이 실제 영상과 매우 유사하게 임상 정보를 표현하고 있다는 것을 확인했다.
연구팀은 확보한 합성 영상이 뇌종양 분할기법을 통해 뇌종양 범위를 파악하는데 유용한 정보를 제공한다는 것을 확인했다. 또한, 현재 많이 사용되는 합성 MRI 기법(synthetic MRI)에서 생기는 인공음영 영상도 자동 제거가 가능함이 증명됐다. 이 기술을 이용하면 추가적인 재촬영을 하지 않고도 필요한 대조 영상을 생성해 시간과 비용을 비약적으로 줄일 수 있을 것으로 기대된다.
건국대 영상의학과 문원진 교수는 “연구에서 개발한 방법을 이용해 인공지능을 통한 합성 영상을 임상현장에서 이용하면 재촬영으로 인한 환자의 불편을 최소화하고 진단정확도를 높여 전체의료비용 절감 효과를 가져올 것이다”라고 말했다.
예종철 교수는 “인공지능이 진단과 영상처리에 사용되는 현재의 응용 범위를 넘어서, 진단의 중요도를 선택하고 진단 규약을 계획하는 데 중요한 역할을 할 수 있는 것을 보여준 독창적인 연구이다”라고 말했다.
이 연구는 한국연구재단의 중견연구자지원사업을 받아 수행됐다.
□ 그림 설명
그림1. CollaGAN의 작동 원리의 예
2020.01.30
조회수 12870