%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5
-
변화된 데이터에서 인공지능 공정성 찾아내다
인공지능 기술이 사회 전반에 걸쳐 광범위하게 활용되며 인간의 삶에 많은 영향을 미치고 있다. 최근 인공지능의 긍정적인 효과 이면에 범죄자의 재범 예측을 위해 머신러닝 학습에 사용되는 콤파스(COMPAS) 시스템을 기반으로 학습된 모델이 인종 별로 서로 다른 재범 확률을 부여할 수 있다는 심각한 편향성이 관찰되었다. 이 밖에도 채용, 대출 시스템 등 사회의 중요 영역에서 인공지능의 다양한 편향성 문제가 밝혀지며, 공정성(fairness)을 고려한 머신러닝 학습의 필요성이 커지고 있다.
우리 대학 전기및전자공학부 황의종 교수 연구팀이 학습 상황과 달라진 새로운 분포의 테스트 데이터에 대해서도 편향되지 않은 판단을 내리도록 돕는 새로운 모델 훈련 기술을 개발했다고 30일 밝혔다.
최근 전 세계의 연구자들이 인공지능의 공정성을 높이기 위한 다양한 학습 방법론을 제안하고 있지만, 대부분의 연구는 인공지능 모델을 훈련시킬 때 사용되는 데이터와 실제 테스트 상황에서 사용될 데이터가 같은 분포를 갖는다고 가정한다. 하지만 실제 상황에서는 이러한 가정이 대체로 성립하지 않으며, 최근 다양한 어플리케이션에서 학습 데이터와 테스트 데이터 내의 편향 패턴이 크게 변화할 수 있음이 관측되고 있다.
이때, 테스트 환경에서 데이터의 정답 레이블과 특정 그룹 정보 간의 편향 패턴이 변경되면, 사전에 공정하게 학습되었던 인공지능 모델의 공정성이 직접적인 영향을 받고 다시금 악화된 편향성을 가질 수 있다. 일례로 과거에 특정 인종 위주로 채용하던 기관이 이제는 인종에 관계없이 채용한다면, 과거의 데이터를 기반으로 공정하게 학습된 인공지능 채용 모델이 현대의 데이터에는 오히려 불공정한 판단을 내릴 수 있다.
연구팀은 이러한 문제를 해결하기 위해, 먼저 `상관관계 변화(correlation shifts)' 개념을 도입해 기존의 공정성을 위한 학습 알고리즘들이 가지는 정확성과 공정성 성능에 대한 근본적인 한계를 이론적으로 분석했다. 예를 들어 특정 인종만 주로 채용한 과거 데이터의 경우 인종과 채용의 상관관계가 강해서 아무리 공정한 모델을 학습을 시켜도 현재의 약한 상관관계를 반영하는 정확하면서도 공정한 채용 예측을 하기가 근본적으로 어려운 것이다. 이러한 이론적인 분석을 바탕으로, 새로운 학습 데이터 샘플링 기법을 제안해 테스트 시에 데이터의 편향 패턴이 변화해도 모델을 공정하게 학습할 수 있도록 하는 새로운 학습 프레임워크를 제안했다. 이는 과거 데이터에서 우세하였던 특정 인종 데이터를 상대적으로 줄임으로써 채용과의 상관관계를 낮출 수 있다.
제안된 기법의 주요 이점은 데이터 전처리만 하기 때문에 기존에 제안된 알고리즘 기반 공정한 학습 기법을 그대로 활용하면서 개선할 수 있다는 것이다. 즉 이미 사용되고 있는 공정한 학습 알고리즘이 위에서 설명한 상관관계 변화에 취약하다면 제안된 기법을 함께 사용해서 해결할 수 있다.
제1 저자인 전기및전자공학부 노유지 박사과정 학생은 "이번 연구를 통해 인공지능 기술의 실제 적용 환경에서, 모델이 더욱 신뢰 가능하고 공정한 판단을 하도록 도울 것으로 기대한다ˮ고 밝혔다.
연구팀을 지도한 황의종 교수는 "기존 인공지능이 변화하는 데이터에 대해서도 공정성이 저하되지 않도록 하는 데 도움이 되기를 기대한다ˮ고 말했다.
이번 연구에는 노유지 박사과정이 제1 저자, 황의종 교수(KAIST)가 교신 저자, 서창호 교수(KAIST)와 이강욱 교수(위스콘신-매디슨 대학)가 공동 저자로 참여했다. 이번 연구는 지난 7월 미국 하와이에서 열린 머신러닝 최고권위 국제학술 대회인 `국제 머신러닝 학회 International Conference on Machine Learning (ICML)'에서 발표됐다. (논문명 : Improving Fair Training under Correlation Shifts)
한편, 이 기술은 정보통신기획평가원의 지원을 받은 `강건하고 공정하며 확장가능한 데이터 중심의 연속 학습' 과제 (2022-0-00157)와 한국연구재단 지원을 받은 `데이터 중심의 신뢰 가능한 인공지능' 과제의 성과다.
2023.10.30 조회수 3951 -
인공지능으로 조현병 원인치료의 실마리 찾다
정신분열증으로도 알려진 조현병은 환청, 환영, 인지장애 등의 증상으로 대표되는 정신질환이다. 국내 연구진이 인공지능을 활용해 그동안 증상 억제만이 가능했던 조현병의 원인을 치료할 수 있는 실마리를 찾았다.
우리 대학 바이오및뇌공학과 이도헌 교수 및 한국한의학연구원(원장 이진용) 공동연구팀이 미국 스탠리 의과학연구소(이하 스탠리연구소) 와의 국제공동연구를 통해 인공지능으로 개인의 유전형과 조현병 사이의 선천적 병리 모델과 조현병 예측 마커를 발굴했다고 27일 밝혔다.
조현병은 2016년 강남역 살인사건, 2019년 진주 방화사건, 2023년 대전 칼부림 사건 등 일부 환자들의 강력범죄와 환자에 대한 사회적 낙인으로 인해 조현병은 심각한 사회적 문제가 되었다. 그러나 이러한 심각성에도 불구하고 조현병의 원인은 명확히 밝혀지지 않아, 리스페리돈(risperidone), 클로자핀(clozapine) 등 항정신병제에 의한 증상의 억제만이 가능한 실정이다.
이도헌 교수 연구팀은 미 스탠리연구소의 다수준 뇌 조직 데이터에 최근 주목받는 인공지능 기술인 `설명가능한 심층학습' 기술을 접목해, 선천적 유전형과 조현병 사이의 병리를 설명하는 인공신경망 모델을 구축했다. 그리고 모델을 해석하여, 선천적 유전형이 유전자·단백질 발현 조절을 통해 뇌의 전전두엽피질, 안와전두엽피질 신경세포의 발생을 변화시켜 조현병 취약성을 결정한다는 사실을 밝혀냈다. 또한, 뇌의 신경세포 밀도를 감소시키는 유전형 조합을 조현병 예측 마커로 제시해, 개인화된 조현병 예측과 세포 치료 등을 통한 조현병 원인치료의 가능성을 열었다.
이도헌 교수는 바이오의료 분야는 `속내를 알 수 없는 인공지능'보다는 `속내를 해석가능한 인공지능'이 꼭 필요한 분야라고 강조하면서, “기존의 인공지능과 비교했을 때 이번 연구에서는 인공신경망의 중간 노드에 유전자 이름, 세포의 상태와 같은 구체적인 생물학적 의미가 부여된 노드를 배치하고 그들간의 연결관계를 기계학습기법으로 분석했다”라고 말했다.
바이오및뇌공학과 이도헌 교수, 조유상 박사(現 한국한의학연구원 선임연구원), 미 스탠리연구소 김상현 박사, 마리 웹스터 박사가 공동으로 진행한 이번 연구는 영국 옥스퍼드대학교에서 발간하는 세계적 학술지인 `기능유전체학 브리핑(Briefings in Functional Genomics)'지 2023년 9월호에 게재됐다.
2023.09.27 조회수 5202 -
10배 이상 생체신호 정밀 측정 ‘SUPPORT’ 개발
최근 유전공학 기술의 발전으로 형광현미경을 활용해 살아있는 생체조직 내 신호를 형광신호로 변환하여 연속적으로 촬영하고 측정하는 기술들이 개발되어 활용되고 있다. 그러나, 생체조직에서 방출되는 형광신호가 미약하기 때문에 빠르게 변화하는 신경세포의 전기신호 등의 신호를 측정할 경우, 매우 낮은 신호대잡음비를 가지게 되어 정밀한 측정이 어려워지게 된다.
우리 대학 전기및전자공학부 윤영규 교수 연구팀이 기존 기술 대비 10배 이상 정밀하게 생체 형광 신호 측정을 가능하게 하는 인공지능(AI) 영상 분석 기술을 개발했다고 20일 밝혔다.
윤 교수 연구팀은 별도의 학습 데이터 없이, 낮은 신호대잡음비를 가지는 형광현미경 영상으로부터 데이터의 통계적 분포를 스스로 학습해 영상의 신호대잡음비를 10배 이상 높여 생체신호를 정밀 측정할 수 있는 기술을 개발했다. 이를 활용하면 각종 생체 신호의 측정 정밀도가 크게 향상될 수 있어 생명과학 연구 전반과 뇌 질환 치료제 개발에 폭넓게 활용될 수 있을 것으로 기대된다.
윤 교수는 “이 기술이 다양한 뇌과학, 생명과학 연구에 도움이 되길 바라는 마음을 담아 ‘서포트(SUPPORT, Statistically Unbiased Prediction utilizing sPatiOtempoRal information in imaging daTa)라는 이름을 붙였다”며, “다양한 형광 이미징 장비를 활용하는 연구자들이 별도의 학습 데이터 없이도 쉽게 활용가능한 기술로, 새로운 생명현상 규명에 폭넓게 활용될 수 있을 것”이라고 말했다.
공동 제1 저자인 엄민호 연구원은 "서포트(SUPPORT) 기술을 통해 관측이 어려웠던 생체 신호의 빠른 변화를 정밀하게 측정하는 것에 성공하였고, 특히 밀리초 단위로 변하는 신경세포의 활동전위를 광학적으로 정밀하게 측정할 수 있어 뇌과학 연구에 매우 유용할 것이다”라고 하였으며, 공동 제1 저자인 한승재 연구원은 “서포트 기술은 형광현미경 영상 내 생체 신호의 정밀 측정을 위해 개발됐지만, 일반적인 타임랩스 영상의 품질을 높이기 위해서도 폭넓게 활용가능하다”라고 말했다.
이 기술은 전기및전자공학부 윤영규 교수팀의 주도하에 신소재공학과 장재범 교수, 의과학대학원 김필한 교수, 충남대학교, 서울대학교, 하버드대학(Harvard University), 보스턴대학(Boston University), 앨런 연구소(Allen Institute), 웨스트레이크대학(Westlake University) 연구진들과 다국적, 다학제간 협력을 통해서 개발됐다.
이번 연구는 한국연구재단의 지원을 받아 수행됐으며 국제 학술지 `네이처 메소드(Nature Methods)'에 9월 19일 자로 온라인 게재되었으며 10월호 표지 논문으로 선정됐다. (논문명 : Statistically unbiased prediction enables accurate denoising of voltage imaging data)
2023.09.20 조회수 3547 -
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 5132 -
뇌의 선천적 수량 비교 원리 규명
뇌의 선천적 인지 기능들은 학습이나 훈련 없이 신경망의 구조적 특성으로부터 자발적으로 발생할 수 있는 것인가?
우리 대학 뇌인지과학과 백세범 교수 연구팀이 두뇌에서 발견되는 선천적 수량 비교 능력이 자발적으로 형성되는 원리를 설명했다고 7일 밝혔다.
주어진 사물들의 수량을 비교하는 기능은 동물이나 인간의 생존에 필수적인 능력이다. 동물 그룹 간 다툼, 사냥, 먹이 수집 등 많은 상황에서 주어진 변수들의 수량 비율이나 차이에 따라 동물들의 의사결정 및 행동이 달라져야 하기 때문이다. 학습을 거치지 않은 어린 개체들의 행동 관찰로부터 수량 비교 능력은 두뇌의 선천적 기능이라는 가능성이 제기됐지만 이러한 능력이 학습 없이 발생하는 원리에 대한 설명은 아직 제시되지 않았다.
백세범 교수 연구팀은 두뇌 모사 인공신경망 모델을 활용해, 학습이 전혀 이뤄지지 않은 심층신경망 구조에서 시각적 수량 비율 및 차이 정보의 인지 기능이 자발적으로 발생할 수 있음을 증명했다. 또한 두 수량의 비율과 차이라는 서로 다른 종류의 정보를 비교하는 기능이 하나의 공통적인 발생 원리로부터 파생될 수 있다고 설명했다.
우리 대학 바이오및뇌공학과 이현수 박사과정, NYU 신경과학과 최우철 박사가 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘셀(Cell)’의 온라인 자매지 ‘셀 리포츠(Cell Reports)’ 7월 29일 자에 게재됐다. (논문명: Comparison of visual quantities in untrained neural networks)
연구팀은 먼저 전혀 학습을 거치지 않은 신경망에서 두 수량의 비율과 차이에 선택적으로 반응하는 개별 신경세포가 자발적으로 발생하는 것을 발견했다. 초기화된 심층신경망에서 다양한 비율 혹은 차이를 가지는 시각적 수량 정보가 주어졌을 때, 이에 선택적으로 반응하는 신경세포들이 다수 발견되며, 이들로부터 측정된 신경 활동은 실제 동물 실험에서 관측된 신경 활동 특성과 매우 유사함을 확인하였다. 또한 연구팀은 이를 이용하여 지금까지 보고되어 온 동물들의 수량 비교 행동 특성을 상당 부분 재현할 수 있음을 확인했다.
이에 더해, 연구팀은 수량 비교 기능 신경세포 회로 구조의 발생 원리를 계산신경과학적 모델을 통해 설명하고 검증했다. 신경망에서 발견된 비율/차이 선택적 신경세포의 특징적 연결구조를 분석해, 특정 값에 대한 선택성이 신경망 하위 계층에서 자발적으로 발생된 단순 증가, 단순 감소 신경 활동의 결합을 통해 형성될 수 있음을 보였다. 또한 이러한 신경 활동이 증가, 감소할 때 관찰되는 비선형성의 타입에 따라 각각 수량 비율 또는 수량 차이를 인지하는 신경세포로 분화될 수 있음을 연구팀은 확인했다.
이러한 결과들을 통해 연구팀은 학습이 전혀 이뤄지지 않은 두뇌에서 비율/차이 인지와 같은 선천적 수량 비교 기능이 발생하는 원리에 대한 근본적인 이해를 제시했다.
백세범 교수는 “이번 연구는 상당한 정도의 학습 과정이 필요할 것이라 여겨지던 두뇌의 수량 인지 및 비교, 연산 기능이 그 어떤 학습도 이뤄지지 않은 초기 두뇌의 구조에서 자발적으로 발생할 수 있음을 보이는 연구”라며, “발생 초기 신경망의 구조적/물리적 특성으로부터 다양한 선천적 고등 인지 기능이 발생할 수 있음을 시사함으로써 뇌신경과학 연구뿐 아니라 새로운 개념의 인공지능 연구에도 의미있는 방향을 제시할 수 있을 것이라 기대한다”고 언급했다.
한편 이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업, KAIST 특이점교수 사업의 지원을 받아 수행됐다.
2023.08.07 조회수 4179 -
인공지능 기반 대장암 3차원 게놈 지도 최초 해독
세계 최초로 예전에 비해 최대 규모로 한국인 대장암 환자 3차원 게놈 지도를 작성하여 화제다.
우리 대학 생명과학과 정인경 교수 연구팀이 서울대학교 암연구소 김태유 교수 연구팀과의 공동연구를 통해 인공지능 기반 알고리즘을 활용, 한국인 대장암 환자의 3차원 게놈 지도를 최초로 제시했으며 이를 토대로 암 세포 특이적인 유전자 조절 기전을 통해 특정 종양유전자들이 과발현되는 현상을 규명했다고 24일 밝혔다.
1차원적 게놈 서열 분석에 기반한 현재의 암 유전체 연구는 종양유전자들의 과발현 기작을 설명하는데 한계가 있었다. 하지만 3차원 공간상에 게놈이 어떻게 배열되는지를 분석하는 3차원 게놈 (3D genome) 구조 연구는 이러한 한계를 극복 가능케 하고 있다. 본 연구에서는 정상 세포에서는 존재하지 않는 암 세포 특이적 염색질 고리(chromatin loop) 구조가 유전자 발현 촉진 인자인 인핸서와 종양유전자 사이의 상호작용을 형성하여 과발현을 유도하는 인핸서 납치(enhancer-hijacking) 현상에 초점을 두어 연구하였다.
우리 대학 생명과학과 김규광 박사과정이 주도한 이번 연구는 게놈간의 공간상 상호작용을 측정할 수 있는 대용량 염색체 구조 포착 Hi-C (High-throughput Chromosome Conformation Capture) 실험 기법을 활용하여 대장암 3차원 게놈 지도를 작성하고 대장암 특이적 3차원 게놈 변화를 환자 개개인별로 분석할 수 있는 인공지능 기반 알고리즘을 개발했다. 그 결과 공동연구팀은 광범위한 규모의 3차원 게놈 구조 변화와 이로 인한 다양한 종양유전자의 활성화를 확인했다.
연구팀은 이번 연구를 통해 암 특이적 3차원 게놈 구조의 변화로 인한 종양유전자 활성 기작을 명확히 제시하였으며 이로 인한 환자 예후와 약물 반응 등 임상적인 특성과의 연관성까지 제시해 맞춤 치료 원천기술 확보에 기여했다.
지금까지 암 세포주에 대한 3차원 게놈 구조 연구는 일부 보고 되었으나, 대규모 환자 암조직에 대한 연구는 조직 내 세포 이질성, 종양 순도, 암세포 이질성 등의 문제로 인한 정밀 암 특이적 3차원 게놈 구조 분석의 한계로 수행되지 못하였다.
반면에 이번 연구에서 연구팀은 AI 기반 알고리즘으로 환자 개인 종양 조직으로부터 얻어진 복잡한 신호를 해석할 수 있었으며 그 결과 최대 규모인 환자 40명의 종양 조직과 인접한 정상 대장 조직을 사용해 3차원 게놈 지도를 작성할 수 있었다. 또한 DNA 서열정보를 보여주는 전장유전체 지도의 경우 다양한 인종에 대해 생산되고 있고 한국인의 전장유전체 지도 또한 개발되었으나 한국인 3차원 게놈 지도, 특히 종양 조직에 대한 3차원 게놈 지도는 이번 연구에서 최초로 제시됐다.
이번 연구 결과는 국제 학술지, `셀 리포츠(Cell Reports, IF=9.995)'에 7월 13일 자로 출판됐다. (논문명: Spatial and clonality-resolved 3D cancer genome alterations reveal enhancer-hijacking as a potential prognostic marker for colorectal cancer)
서울대학교병원 혈액종양내과 김태유 교수는 “이러한 결과는 개별 암 환자들마다 서로 다르게 나타나는 종양 이질성을 이해하는 데 매우 중요한 요소가 될 수 있으며, 이를 이용한 환자 맞춤형 치료 연구의 시발점이 될 것이다”라고 말했다. 생명과학과 정인경 교수는 “기존의 점돌연변이나 유전체 변이만으로는 설명이 어려운 암 유전체를 3차원 게놈 구조 관점에서 재해독하고 신규 암 타겟을 발굴할 수 있는 수 있는 새로운 접근법을 제시했다”라고 밝혔다.
한편 이번 연구는 과학기술정보통신부와 서경배과학재단의 지원을 받아 수행됐다.
2023.07.24 조회수 4510 -
약물 부작용 및 용해도 예측 그래프 신경망 기술 개발
최근 화학, 생명과학 등 다양한 기초과학 분야의 문제를 해결하기 위해 그래프 신경망 (Graph Neural Network) 기술이 널리 활용되고 있다. 그 중에서도 특히 두 물질의 상호작용에 의해 발생하는 물리적 성질을 예측하는 것은 다양한 화학, 소재 및 의학 분야에서 각광을 받고 있다. 예를 들어, 어떠한 약물 (Drug)이 용매 (Solvent)에 얼마나 잘 용해되는지 정확히 예측하고, 동시에 여러 가지 약물을 투여하는 다중약물요법 (Polypharmacy)의 부작용을 예측하는 것이 신약 개발 등에 매우 중요하다.
우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 한국화학연구원(원장 이영국)과 공동연구를 통해 물질 내의 중요한 하부 구조(Substructure)를 탐지하여 두 물질의 상호작용에 의해 발생하는 물리적 성질 예측의 높은 정확도를 달성할 수 있는 새로운 그래프 신경망 기법을 개발했다고 18일 밝혔다.
기존 연구에서는 두 분자 쌍이 있을 때, 각 분자내에 존재하는 원자들 사이의 상호 작용만을 고려해 그래프 신경망 모델을 학습하였다. 예를 들어 특정 발색체의 물(H2O)에 대한 용해도를 예측하고자 할 때, 발색체 내의 각 원자들에 대해 물 분자의 원자들 (즉, H, O)이 갖는 영향력을 고려하는 것이다. 연구팀이 이에 반해, 연구팀이 착안한 점은 분자 구조의 화학적 특성을 결정하는 데 있어서 원자뿐만 아니라 작용기(Functional group)와 같은 분자내 하부 구조들이 중요한 역할을 한다는 점이었다. 예를 들어, 알코올이나 예를 들어, 알코올이나 포도당과 같이 하이드록실기 (Hydroxyl group)를 포함하는 분자들은 일반적으로 물에 대한 용해도가 높은 것으로 알려져 있다. 즉, 하이드록실기라는 작용기가 물에 대한 용해도를 결정하는데 중요한 역할을 한다는 것이다.
연구팀은 분자의 특성을 결정하는데 큰 영향을 끼치는 하부 구조를 추론하는 기술을 분자내의 중요한 정보를 최대한 압축하여 보존하는 ‘정보 병목 이론’과, 분자 내의 어떤 하부 구조가 분자의 고유한 특성을 결정 짓는데 큰 역할을 했는지 대한 인과 관계를 추론하는 ‘인과 추론 모형’을 활용하여 개발했다. 이를 통해 분자의 고유한 특성에 가장 큰 영향을 미치는 하부 구조를 찾아내었다. 또한 분자 간 관계를 추론하는 문제에서는 상대방 분자에 따라 대상 분자의 중요한 하부 구조가 달라질 수 있다는 점을 착안하여 물질 간 관계를 예측하는 모델을 제안했다.
이번 새로운 그래프 신경망 기법을 의학에 적용하여 정보 병목 현상을 기반으로 한 연구는 기존 연구에 비해 약물 용해도 예측에서 11%의 성능 향상, 다중약물요법 부작용 예측에서 4%의 정확도 향상을 이뤄냈다. 또한, 인과 추론 모형을 기반으로 한 연구는 약물 용해도 예측에서 17%의 성능 향상, 약물 부작용 예측에서 2%의 정확도 향상을 이뤄냈다.
박찬영 교수팀은 정보 병목 이론을 기반으로 중요한 하부 구조를 탐지해 분자 구조 관계의 높은 예측 정확도를 달성할 수 있는 그래프 신경망 모델을 개발해 기계학습 분야 최고권위 국제학술대회 ‘국제 기계 학습 학회 International Conference on Machine Learning (ICML 2023)’에서 올 7월 발표할 예정이다. (논문명: Conditional Graph Information Bottleneck for Molecular Relational Learning). 또한 인과 추론 모형을 기반으로 중요한 하부 구조를 탐지해 분포 변화에도 모델의 성능이 강건하게 유지되는 그래프 신경망 모델을 개발해 데이터마이닝 최고권위 국제학술 대회 ‘국제 데이터 마이닝 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023)’에서 올 8월에 발표할 예정이다. (논문명: Shift-Robust Molecular Relational Learning with Causal Substructure). 두 연구 모두 KAIST 산업및시스템공학과 대학원에 재학 중인 이남경 박사과정 학생이 제1 저자, 화학연구원의 나경석 연구원이 공동 저자, 우리 대학 산업및시스템공학과의 박찬영 교수가 교신저자로 참여했다.
두 연구의 제1 저자인 이남경 박사과정은 “제안한 기술은 분자의 성질을 결정하는 데 있어 큰 영향을 미치는 하부 구조가 존재한다는 화학적 지식에 기반해 그래프 신경망을 학습할 수 있는 새로운 방법”이라면서 “상대편 분자를 고려해 대상 분자의 중요한 구조를 찾는 방법론은 이미지-텍스트 멀티 모달 학습 방법에서도 적용될 수 있어, 심층 학습 전반적인 성능 개선에 기여할 수 있다”고 밝혔다.
연구팀을 지도한 박찬영 교수도 “제안한 기술은 화학과 생명과학을 포함한 다양한 분야에서 새로운 물질을 발견하는데 널리 사용될 것으로 기대하며, 특히 환경 친화적인 소재 개발, 질병 치료를 위한 신약 발굴 등에 있어서 본 기술의 가치가 더욱 부각될 것으로 보인다”라고 밝혔다.
한편 이번 연구는 정보통신기획평가원의 지원을 받은 사람중심 인공지능 핵심원천기술개발 사업과 한국화학연구원 기본사업 (KK2351-10)의 지원을 받아 수행됐다.
2023.07.18 조회수 5314 -
면역항암치료 부작용 인공지능으로 예측
면역항암치료는 환자의 면역 시스템을 활성화해 암을 치료하는 혁신적인 3세대 항암 치료 방법으로 알려져 있다. 하지만 면역항암 치료제는 면역활성화에 의해 기존 항암제와는 구분되는 자가면역질환과 유사한 부작용을 유발할 수 있다는 새로운 문제가 제기됐다. 이러한 부작용은 심각한 경우 환자를 죽음에까지 이르게 할 수 있기에 부작용에 대한 연구가 절실한 상황에 놓여있다.
우리 대학 바이오및뇌공학과 최정균 교수팀과 서울아산병원 종양내과 박숙련 교수팀은 면역항암제 치료를 받은 고형암 환자에 대한 대규모 전향적 코호트를 구축하고, 다차원적 분석을 통해 면역항암제 부작용의 위험요인을 규명했다고 22일 밝혔다. 또한 인공지능 딥러닝을 이용해 치료 전 환자에게서 부작용이 나타날지를 예측할 수 있는 모델까지도 개발했다고 알렸다.
기존의 관련 연구들은 소규모로 진행이 되거나, 적은 수의 지표로 국한된 범위에 대해서만 행해졌다. 또한 수행된 연구들은 면역 관련 부작용을 위해 디자인된 연구 설계가 아닌, 다른 목적을 위해 모집된 환자군을 모아 수행하는 후향적 연구 설계로 진행됐다는 한계점이 있었다.
연구팀은 이러한 한계점을 극복하기 위해, 서울아산병원을 필두로 국내 9개 기관과 협력하여 면역 관련 부작용의 포괄적인 위험요인을 밝히기 위한 대규모 전향적 코호트를 구축했다. 또한 환자의 유전체, 전사체, 혈액 지표 등 폭넓은 범위에서 면역 관련 부작용에 대한 위험요인을 밝혀냄으로써, 궁극적으로는 치료 전 미리 환자가 면역항암치료에 대한 부작용을 보일지 알아낼 수 있는 딥러닝 예측 모델을 개발했다. 해당 연구 결과는 다양한 고형암 환자의 임상데이터와 혈액 유전체 데이터에 기반했기에, 향후 환자의 암종과 상관없이 폭넓게 적용될 수 있을 것으로 기대된다.
우리 대학 바이오및뇌공학과 성창환 박사(現 : 서울아산병원 핵의학과)와 안진현 박사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘네이처 캔서(Nature Cancer)’ 에 게재됐다. (논문명 : Integrative analysis of risk factors for immune-related adverse events of checkpoint blockade therapy in cancer).
이번 연구에는 고려대학교 안암병원, 인제대학교 해운대백병원, 국립암센터, 서울삼성병원, 분당서울대학교병원, 고려대학교 구로병원, 연세대학교 세브란스병원, 서울대학교병원의 연구자들도 참여했다.
최정균 교수는 “이번 연구를 통해 면역항암 치료의 아킬레스건이라고 할 수 있는 면역관련 부작용에 대한 폭넓은 분석과 예측모델의 제시를 통해 향후 전세계 연구진이 사용할 수 있는 대규모 면역관련 부작용 리소스를 제공할 수 있을 것이라 기대한다”라고 말했다.
임상연구를 총괄한 서울아산병원 박숙련 교수는 “현재 면역항암제가 임상에서 광범위하게 사용되고 있고 그 치료 영역을 완치적 세팅으로까지 확장하고 있어 치료 효과뿐 아니라 환자 안전성이 더욱 중요한데 그동안 치료 부작용을 예측할 수 있는 좋은 지표가 없던 상황에서, 이번 연구 결과는 개별 환자의 임상데이터와 유전체 데이터에 기반해 면역항암제의 부작용 발생을 예측할 수 있어 암 환자의 정밀 의료 치료를 실현할 수 있는 기반이 될 것으로 기대한다”고 전했다.
이번 연구는 과학기술정보통신부 인공지능 신약개발 플랫폼 구축 사업의 지원을 받아 수행됐다.
2023.06.22 조회수 4314 -
고성능 조립형 SSD 시스템반도체 최초 개발
최근 인공지능을 훈련하기 위해 더 많은 데이터가 필요해지면서 그 중요성은 더욱 증가하고 있으며, 이에 데이터 센터 및 클라우드 서비스를 위한 주요 저장장치인 고성능 SSD(Solid State Drive, 반도체 기억소자를 사용하는 저장장치) 제품의 필요성이 높아지고 있다. 하지만, 고성능 SSD 제품일수록 SSD 내부의 구성요소들이 서로의 성능에 크게 영향을 미치는 상호-결합형(tightly-coupled) 구조의 한계에 부딪혀 성능을 극대화하기 어려웠다.
우리 대학 전기및전자공학부 김동준 교수 연구팀이 고성능 조립형 SSD 시스템 개발을 통해 차세대 SSD의 읽기/쓰기 성능을 비약적으로 높일 뿐 아니라 SSD 수명연장에도 적용 가능한 SSD 시스템 반도체 구조를 세계 최초로 개발했다고 15일 밝혔다.
김동준 교수 연구팀은 기존 SSD 설계가 갖는 상호-결합형 구조의 한계를 밝히고, CPU, GPU 등의 비메모리 시스템 반도체 설계에서 주로 활용되는 칩 내부에서 패킷-기반 데이터를 자유롭게 전송하는 온-칩 네트워크 기술을 바탕으로 SSD 내부에 플래시 메모리 전용 온-칩 네트워크를 구성함으로써 성능을 극대화하는 상호-분리형(de-coupled) 구조를 제안했으며, 이를 통해 SSD의 프론트-엔드 설계와 백-엔드 설계의 상호 의존도를 줄여 독립적으로 설계하고 조립 가능한 ‘조립형 SSD’를 개발했다.
※온-칩 네트워크(on-chip network): CPU/GPU등의 시스템 반도체 설계에 쓰이는 칩 내부의 요소에 대한 패킷-기반 연결구조를 말한다. 온-칩 네트워크는 고성능 시스템 반도체를 위한 필수적인 설계 요소중 하나로서 반도체칩의 규모가 증가할수록 더욱 중요해지는 특징이 있다.
김동준 교수팀이 개발한 조립형 SSD 시스템 구조는 내부 구성요소 중 SSD 컨트롤러 내부, 플래시 메모리 인터페이스를 기점으로 CPU에 가까운 부분을 프론트-엔드(front-end), 플래시 메모리에 가까운 부분을 백-엔드(back-end)로 구분하고, 백-엔드의 플래시 컨트롤러 사이 간 데이터 이동이 가능한 플래시 메모리 전용 온-칩 네트워크를 새롭게 구성해, 성능 감소를 최소화하는 상호-분리형 구조를 제안했다.
SSD를 구동하는 핵심 요소인 플래시 변환 계층의 일부 기능을 하드웨어로 가속하여 플래시 메모리가 갖는 한계를 능동적으로 극복할 수 있는 계기를 마련하였고 상호-분리형 구조는 플래시 변환 계층이 특정 플래시 메모리의 특성에 국한되지 않고, 프론트-엔드 설계와 백-엔드 설계를 독립적으로 수행하는 설계의 용이성을 가지는 점이 ‘조립형’ SSD 구조의 장점이라고 밝혔다. 이를 통해, 기존 시스템 대비 응답시간을 31배 줄일 수 있었고 SSD 불량 블록 관리기법에도 적용해 약 23%의 SSD 수명을 연장할 수 있다고 연구팀 관계자는 설명했다.
전기및전자공학부 김지호 박사과정이 제1 저자, 전기및전자공학부 정명수 교수가 공동 저자로 참여한 이번 연구는 미국 플로리다주 올랜도에서 열리는 컴퓨터 구조 분야 최우수 국제 학술대회인 `제50회 국제 컴퓨터 구조 심포지엄(50th IEEE/ACM International Symposium on Computer Architecture, ISCA 2023)'에서 6월 19일 발표될 예정이다. (논문명: Decoupled SSD: Rethinking SSD Architecture through Network-based Flash Controllers).
연구를 주도한 김동준 교수는 “이번 연구는 기존의 SSD가 가지는 구조적 한계를 규명했다는 점과 CPU와 같은 시스템 메모리 반도체 중심의 온-칩 네트워크 기술을 적용해 하드웨어가 능동적으로 필요한 일을 수행할 수 있다는 점에서 의의가 있으며 차세대 고성능 SSD 시장에 기여할 것으로 보인다”며, “상호-분리형 구조는 수명연장을 위해서도 능동적으로 동작하는 SSD 구조로써 그 가치가 성능에만 국한되지 않아 다양한 쓰임새를 가진다며”연구의 의의를 설명했다.
이번 연구는 컴퓨터 시스템 저장장치 분야의 저명한 연구자인 KAIST 정명수 교수와 컴퓨터 구조 및 인터커넥션 네트워크(Interconnection Network) 분야의 권위자인 김동준 교수, 두 세계적인 연구자의 융합연구를 통해 이루어낸 연구라는 의미가 있다고 관계자는 설명했다.
한편 이번 연구는 한국연구재단, 삼성전자, 반도체설계교육센터(IDEC), 정보통신기획평가원 차세대지능형반도체기술개발사업의 지원을 받아 수행됐다.
2023.06.15 조회수 4714 -
항암 백신 찾는 ‘딥네오(DeepNeo)’ 개발
신생항원이란 암세포의 돌연변이에서 나온 단백질 조각 중 면역반응을 유도할 수 있는 항원들로서 항암 백신 개발의 이상적인 대상으로 주목받고 있다. 모더나 및 바이오엔텍은 암 치료를 위한 신생항원 백신용으로 개발하던 mRNA 플랫폼을 사용해 COVID-19 백신을 성공적으로 개발한 바 있으며, 현재 대규모 제약회사들과 함께 신생항원 암 백신 임상시험을 진행하고 있다. 이런 암 백신 개발을 위해 핵심적인 단계인 환자 맞춤형 신생항원 발굴에 활용될 인공지능 플랫폼이 개발되어 화제다.
우리 대학 바이오및뇌공학과 최정균 교수가 ㈜펜타메딕스와의 공동연구를 통해 개인 맞춤 치료용 암 백신에 사용될 수 있는 신생항원을 예측하는 인공지능(AI) 모델을 개발하고 웹서비스를 구축했다고 17일 밝혔다.
최정균 교수 연구팀은 딥러닝을 이용해 실제로 T 세포 면역반응을 유도할 수 있는 신생항원을 발굴하는 AI 모델을 개발했으며, 연구자들이 손쉽게 활용할 수 있는 웹서비스를 구축해 DeepNeo라는 이름으로 공개했다 (https://deepneo.net).
기존의 신생항원 발굴 방법론은 MHC* 단백질과 결합할 수 있는 돌연변이를 예측하는 데에 한정되어 있었다. 그러나 암 백신이 효과가 있으려면 돌연변이가 MHC와 결합할 뿐만 아니라 그 결합체가 실제로 T 세포 면역반응을 유발할 수 있어야 하는데, 기존 기술로는 그것이 불가능했다. 따라서 현재 암 백신 임상시험들은 이 결합체들이 실제로 면역반응을 자극할 수 있는지를 알 수 없는 상태로 진행되고 있다.
*MHC란 외부에서 들어온 병원균이나 암세포에서 발생한 항원과 결합하여 우리 몸의 면역세포에 제시해 줌으로써 면역반응을 활성화시키는 역할을 하는 단백질을 일컬음
연구팀은 이러한 문제를 해결하기 위해 새로운 개념의 딥러닝 모델을 구축했고, 여러 빅데이터 분석을 통하여 면역성 및 항암 반응성이 뛰어난 신생항원을 발굴할 수 있음을 확인했다. 따라서 이번에 웹서비스 형태로 구축한 방법론은T 세포 반응을 효과적으로 유도할 수 있는 항암 백신 개발에 활용될 수 있다.
우리 대학 바이오및뇌공학과 김정연 박사과정이 제1 저자로 개발한 핵심 알고리즘은 지난 1월 국제 학술지 ‘네이처 지네틱스(Nature Genetics)’ 에 출판됐으며, 이후 ㈜펜타메딕스의 노승재 박사, 방효은 연구원과의 공동연구를 통해 딥러닝 성능이 더욱 개선된 AI 모델이 웹서비스 형태로 개발돼 이번 4월 국제 학술지 ‘핵산 연구(Nucleic Acids Research)’를 통해 공개됐다.
최정균 교수는 “코로나 백신에서 mRNA 플랫폼이 검증된 만큼 이번에 개발된 AI 기술이 암 백신의 상용화에도 도움이 되기를 희망한다.”고 밝혔다. ㈜펜타메딕스 조대연 대표는 “이번 공동연구를 통해 개발된 플랫폼을 적용한 개인맞춤형 암 백신의 사업화에 박차를 가하겠다”고 전했다.
이번 연구는 한국연구재단 기초연구실지원사업의 지원을 받아 수행됐다.
2023.05.17 조회수 5524 -
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 6828 -
인공지능으로 코로나19 치료제 팍스로비드와 기존 약물간 반응 예측 고도화
우리 대학 생명화학공학과 이상엽 특훈교수 연구팀이 인공지능 기반 약물 상호작용 예측 기술을 고도화해, 코로나19 치료제로 사용되는 팍스로비드(PaxlovidTM) 성분과 기존 승인된 약물 간의 상호작용 분석 결과를 논문으로 발표했다고 16일 밝혔다. 이번 논문은 국제저명학술지인 「미국국립과학원회보 (PNAS)」誌’ 3월 13일자 온라인판에 게재됐다.
※ 논문명 : Computational prediction of interactions between Paxlovid and prescription drugs
※ 저자 정보 : 김예지(한국과학기술원, 공동 제1 저자), 류재용(덕성여자대학교, 공동 제1 저자), 김현욱(한국과학기술원, 공동 제1 저자), 이상엽(한국과학기술원, 교신저자) 포함 총 4명
연구팀은 이번 연구에서 2018년에 개발한 인공지능 기반의 약물 상호작용 예측 모델인 딥디디아이(DeepDDI)를 고도화한 딥디디아이2(DeepDDI2)를 개발했다. 딥디디아이2는 기존 딥디디아이가 예측하는 86가지 약물 상호작용 종류보다 더 많은, 총 113가지의 약물 상호작용 종류를 예측한다.
연구팀은 딥디디아이2를 이용하여 코로나19 치료제인 팍스로비드*의 성분(리토나비르, 니르마트렐비르)과 기존에 승인된 약물 간의 상호작용 가능성을 예측하였다. 연구팀은 코로나19 환자 중 고위험군인 고혈압, 당뇨병 등을 앓고 있는 만성질환자가 이미 약물을 복용하고 있어, 약물 상호작용 및 약물 이상 반응이 충분히 분석되지 않은 팍스로비드를 복용 시 문제가 될 수 있다는 점에 착안해 이번 연구를 수행했다.
* 팍스로비드 : 팍스로비드는 미국 제약사인 화이자가 개발한 코로나19 치료제로, 2021년 12월 미국 식품의약국(FDA)의 긴급사용승인을 받았다.
연구팀은 팍스로비드의 성분인 리토나비르와 니르마트렐비르가 2,248개의 승인된 약물과 어떤 상호작용을 하는지, 딥디디아이2를 이용해 예측했다. 예측 결과 리토나비르는 1,403개의 승인된 약물과, 니르마트렐비르는 673개의 승인된 약물과 상호작용이 있을 것으로 예측됐다.
또한, 연구팀은 예측 결과를 활용해, 약물 상호작용 가능성이 높은 승인 약물에 대해, 동일 기전을 갖되 약물 상호작용 가능성이 낮은 대체 약물들을 제안했다. 이에 따라, 리토나비르와의 약물 상호작용 가능성을 낮출 수 있는 대체 약물 124개와 니르마트렐비르와의 약물 상호작용 가능성을 낮출 수 있는 대체 약물 239개를 제안했다.
이번 연구 성과를 통해 약물 상호작용을 정확하게 예측할 수 있는 인공지능 모델을 활용하는 것이 가능해졌으며, 이는 신약 개발 및 약물 처방 시 유용한 정보를 제공함으로써, 디지털 헬스케어, 정밀의료 산업 및 제약 산업에서 중요한 역할을 할 것으로 기대된다.
이상엽 특훈교수는 "이번 연구 결과는 실험과 임상을 통해 검증된 것은 아니므로 100% 의존해서는 안된다“고 강조하면서 ”팬데믹과 같이 긴급한 상황에서 신속하게 개발된 약물을 사용할 때, 예측된 약물 상호작용 유래 약물 이상 반응결과를 전문의가 미리 검토하여 약을 처방할 때 도움을 줄 수 있다는 점에서 의미가 있다"고 말했다.
한편 이번 연구는 과기정통부가 지원하는 KAIST 코로나대응 과학기술 뉴딜사업과 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2023.03.16 조회수 5740