%EB%B0%94%EC%9D%B4%EC%98%A4%EB%B0%8F%EB%87%8C%EA%B3%B5%ED%95%99%EA%B3%BC
-
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 12826 -
조광현 교수, 암세포를 정상세포로 되돌리는 초기 원천기술 개발
우리대학 바이오및뇌공학과 조광현 교수 연구팀이 시스템생물학 연구를 통해 대장암세포를 일반적인 정상 세포로 되돌리는 초기 원천기술을 개발하는 데 성공했다.
연구팀은 대장암세포와 정상 대장 세포의 유전자 조절 네트워크를 분석해 대장암세포를 정상 대장 세포로 변환하는데 필요한 핵심 인자를 규명하고, 이를 통해 암세포의 정상 세포화라는 새로운 치료 원리를 개발했다.
KAIST 이수범 연구원, 황채영, 김동산 박사, 한영현 박사과정, 서울삼성병원의 이찬수 박사, 홍성노 교수, 김석형 교수 등이 참여한 이번 연구결과는 미국암학회(AACR)에서 출간하는 국제저널 ‘분자암연구(Molecular Cancer Research)’ 1월 2일 자 표지논문으로 게재됐으며, 하이라이트 특집 기사도 함께 출판됐다. (논문명: Network inference analysis identifies SETDB1 as a key regulator for reverting colorectal cancer cells into differentiated normal-like cells).
현재 항암치료로 가장 널리 사용되는 항암 화학요법은 빠르게 분열하는 암세포를 공격해 죽임으로써 암세포의 증식을 억제하는 방식이다. 이 기술은 신체 내 정상적으로 분열하고 있는 세포들까지도 함께 사멸시켜 구토, 설사, 탈모, 골수 기능장애, 무기력 등의 부작용을 일으킨다.
게다가 암세포들은 항암제에 본질적인 내성을 갖거나 새로운 내성을 갖게 돼 약물에 높은 저항성을 가지는 암세포로 진화하게 된다. 따라서 현재의 항암치료는 내성을 보이는 암세포를 없애기 위해 더 많은 정상 세포의 사멸을 감수해야만 하는 문제를 갖는다.
이를 극복하기 위해 암세포만을 특이적으로 없애는 표적 항암요법과 우리 몸의 면역시스템을 활용한 면역 항암요법이 주목을 받고 있으나 각각 효과와 적용대상이 매우 제한적이며 장기치료 시 여전히 내성 발생의 문제가 보고되고 있다. 이처럼 현재 개발된 항암요법들은 암세포를 죽여야 하는 공통적인 조건 때문에 근본적인 한계를 가진다.
문제 해결을 위해 연구팀은 암세포를 정상 세포로 변환하는 새로운 방식의의 치료전략을 제안했다. 암세포가 정상 세포로 변환되는 현상은 20세기 초부터 간혹 관찰됐지만, 그 원리가 연구되지 않았으며 또한 이를 인위적으로 제어하는 기술도 연구된 바 없었다.
1907년 스위스 병리학자 막스 아스카나지(Max Askanazy)가 난소의 기형종(테라토마)이 정상 세포로 분화되는 현상을 발견한 이래로 다양한 암종에서 정상 세포로 변화되는 현상들이 산발적으로 보고됐고, 이러한 보고에서는 암세포가 돌연변이를 지닌 상태에서 주변 미세환경의 변화나 특정 자극 때문에 정상 세포의 상태로 되돌아가는 현상만이 관찰됐다.
조 교수 연구팀은 시스템생물학 연구방법을 통해 대장암세포를 정상 대장 세포로 변환할 수 있는 핵심조절인자를 탐구했고, 그 결과 다섯 개의 핵심전사인자(CDX2, ELF3, HNF4G, PPARG, VDR)와 이들의 전사 활성도를 억제하고 있는 후성유전학적 조절인자인 SETDB1을 발견했다.
연구팀은 이번 연구를 통해 SETDB1을 억제함으로써 암세포를 효과적으로 정상 세포로 변환할 수 있음을 분자세포실험을 통해 증명했다. 대장암세포에서 SETDB1을 억제했을 때 세포가 분열을 중지하고 정상 대장 세포의 유전자 발현패턴을 회복하는 것을 확인했다.
이번 연구에 따르면 암세포에서는 암 특이적으로 활성화된 후성유전학적 조절인자 SETDB1이 정상 세포의 핵심전사인자를 억제해 암세포가 정상 세포로 변환하는 것을 차단하고 있는 것으로 밝혀졌다. 즉, SETDB1을 조절함으로써 다시 원래의 정상 세포 상태로 되돌릴 수 있음을 증명한 것이다.
조 교수 연구팀은 서울삼성병원과의 협동 연구를 통해 SETDB1이 높게 발현되는 대장암세포를 가진 환자들에게서 더 안 좋은 예후가 나타남을 확인했으며, 환자 유래 대장암 오가노이드(3차원으로 배양한 장기유사체)에서 SETDB1의 발현을 억제했을 때 다시 정상 세포와 같은 형태로 변화함을 관찰했다.
이번 연구에서 찾아낸 타겟 단백질의 활성을 억제할 수 있는 저분자화합물은 아직 개발된 바 없으며 추후 신약개발과 전임상실험을 통해 암세포의 정상 세포화라는 새로운 치료 기술이 본격적으로 실현될 수 있을 것으로 보인다.
이러한 새로운 개념의 치료전략이 적용된다면 현재 항암치료의 많은 부작용과 내성 발생을 모두 최소화함으로써 환자의 고통을 완화해 삶의 질을 크게 높일 수 있을 것으로 기대된다.
조 교수는 “그동안 암은 유전자 변이 축적에 의한 현상이므로 되돌릴 수 없다고 여겨졌으나 이를 되돌릴 가능성을 보여줬다”라며 “이번 연구는 암을 당뇨나 고혈압과 같은 만성질환으로서 잘 관리하면서 삶의 질을 유지할 수 있도록 하는 새로운 항암치료의 서막을 열었다”라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업, KAIST Grand Challenge 30 사업의 지원으로 수행됐다.
□ 그림 설명
조광현 교수 연구팀은 SETDB1 단백질이 대장암세포가 정상대장세포로 분화하는 것을 차단하는 후성유전학적 장애물을 형성하고 있다는 사실을 밝히고 이를 억제함으로써 대장암세포를 정상대장세포로 효과적으로 분화시킬 수 있음을 증명하였다.
□ 분자암연구 표지 이미지
2020.01.09 조회수 17217 -
이상완 교수, 신경과학-인공지능 융합연구 통해 인간의 문제해결 과정 규명
우리 대학 바이오및뇌공학과 이상완 교수 연구팀이 신경과학과 인공지능의 융합연구를 통해 인간의 문제해결 과정에서 뇌가 정보를 처리하는 원리를 규명하는 데 성공했다.
연구팀은 신경과학-인공지능 융합연구를 이용해 인간의 문제 해결 과정을 이론적·신경과학적으로 규명하는 데 성공했다. 이번 연구를 통해 인간 지능의 핵심 요소들을 인공지능 알고리즘으로 이식할 가능성을 크게 높일 수 있을 것으로 기대된다.
이상완 교수와 함께 김동재 박사과정과 박건영 석사과정이 주도하고, 미국 캘리포니아 공과대학(Caltech)과의 국제 공동연구를 통해 진행된 이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’12월 16일 자 온라인판에 게재됐다.
불확실성과 복잡도가 변하는 상황에서 달성 가능한 목표를 설정하고 계획을 세워 실행 및 전략을 수정해 나가는 과정은 인간이 가진 고유한 문제 해결 능력 중 하나이다. 최근 인공지능 알고리즘이 다양한 분야에서 인간의 작업 수행 능력을 넘어서고 있으나, 이러한 문제 해결 능력에 대한 완벽한 해결방안은 제시하지 못하고 있다.
인간의 문제 해결 과정은 목표설정-전략수립-실행-전략수정을 반복하는 과정으로, 이는 상태 의존적인 복잡한 시간의 함수이다. 일반적으로 인간의 문제 해결 과정은 많은 양의 데이터를 모으기 어렵고 불확실성과 복잡도가 높아 빅데이터 기반의 전통적 딥러닝 설계 방식으로는 구현이 어렵다.
연구팀은 문제 해결을 위해 ‘강화학습 이론 기반 실험 디자인’이라는 기술을 이용해 문제 해결 목표, 문제의 복잡도, 상황 변화의 불확실성이라는 세 가지 변수를 동시에 변화시켜 실제 인간의 문제 해결 과정과 유사한 상황을 구현했다.
이를 이용해 취득한 행동과 뇌 영상 데이터를 바탕으로 문제 해결 과정을 설명할 수 있는 수학적 모델을 찾기 위해 100가지가 넘는 종류의 메타 강화학습 알고리즘을 학습하고 비교 분석했다. 이 과정은 모델 기반 뇌 이미징 분석이라 불리는 기법이다.
연구팀은 더 엄밀한 검증을 위해 ‘정밀 행동 프로파일링’이라는 분석 방법을 적용했다. 이 방법을 이용하면 겉으로 보이는 행동이 인간과 유사할 뿐만 아니라, 실제로 인간과 같은 원리로 문제를 해결하는 모델을 도출할 수 있다.
그 결과로 문제의 불확실성 및 복잡도와 변화하는 상황에서 인간의 학습과 추론 과정을 모사하는 메타 강화학습 모델을 구현했고, 이 모델의 정보처리 과정이 전두엽의 한 부위인 복외측전전두피질의 신경 활성 패턴으로 설명된다는 것을 발견했다.
1 저자인 김동재 박사과정은 “다양한 가설을 엄밀히 검증하는 과정에 많은 시간이 소요됐지만 정밀 행동 프로파일링 방법론을 통해 실제 인간의 행동 원리를 재현하는 모델을 찾아냄으로써 추후 인공지능으로의 이식에도 큰 도움이 될 것이다”라고 말했다.
이상완 교수는 “기존 연구방식은 하나의 퍼즐 조각을 떼어서 다른 퍼즐의 빈자리를 메꾸는 것이라면, 이번 연구는 퍼즐을 푸는 원리를 배워 다른 퍼즐 맞추기에 적용하는 것에 비유할 수 있다”라며 “인간만이 가진 지능의 핵심 요소들을 인공지능 알고리즘으로 이식하는 기술은 이제 첫걸음을 떼었다고 생각한다. 이 기술이 완성되면 궁극적으로는 지능을 공학적으로 분해하고 과학적으로 이해할 수 있을 것으로 기대한다”라고 말했다.
연구팀은 최근 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 설립한 KAIST 신경과학-인공지능 융합연구센터에서 이러한 기반 기술을 활용해 인간 지능을 모사한 차세대 인공지능 모델을 개발하고, 아울러 딥마인드, MIT, IBM AI 연구소, 케임브리지 대학 등 해외 관련 연구 기관과의 국제 공동연구를 통해 기술의 파급력을 높여나갈 계획이라고 말했다.
이번 연구는 삼성전자 미래기술육성센터의 지원 및 과학기술정보통신부 정보통신기획평가원의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 메타 강화학습 모델과 각 단계의 정보처리 과정에 관여하는 뇌 영역
2019.12.23 조회수 8189 -
조광현 교수, 대장암 항암제 내성 극복할 병용 치료타겟 발굴
〈 조광현 교수 연구팀 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 대장암의 항암제 내성을 극복할 수 있는 새로운 병용치료 타겟을 발굴하는 데 성공했다.
연구팀은 암세포의 복잡한 생체데이터를 분자 네트워크 관점에서 분석하는 시스템생물학 접근법의 중요성을 제시했다. 이 방법을 통해 암세포가 가지는 약제 내성의 원리를 시스템 차원에서 파악하고, 새로운 약물 타겟을 체계적으로 발굴할 수 있을 것으로 기대된다.
박상민 박사과정, 황채영 박사 등이 참여한 이번 연구결과는 국제학술지 ‘유럽생화학회저널(FEBS Journal)’의 4월호 표지논문으로 게재됐다. (논문명 : Systems analysis identifies potential target genes to overcome cetuximab resistance in colorectal cancer cells)
암은 흔하게 발생하는 대표적인 난치병으로 특히 대장암은 전 세계적으로 환자 수가 100만 명을 넘어섰고, 국내의 경우 서구화된 식습관과 비만 등으로 인해 발병률 증가 속도가 10년간 가장 높게 나타났다. 최근 급격한 고령화에 따라 대장암 환자의 발생률 및 사망률이 가파르게 증가할 것으로 예상되고 있다.
최근 암세포의 특정 분자만을 표적으로 하는 표적항암제가 개발돼 부작용을 크게 줄이고 효과를 높일 수 있지만, 여전히 약물에 반응하는 환자가 매우 제한적이며 그나마 반응을 보이더라도 표적 항암치료 후 약물에 대한 내성이 생겨 암이 재발하는 문제를 안고 있다.
또한, 환자별로 항암제에 대한 반응이 매우 달라 환자의 암 조직 내 유전자 변이의 특징에 따라 적합한 치료를 선택하는 정밀의학의 필요성이 커지고 있다. 대장암 역시 약물의 효과를 예측할 수 있는 유전자 바이오마커의 여부에 따라 적합한 표적항암제를 처방하는 시도가 이뤄지고 있다.
FDA 승인을 받은 대표적인 대장암 치료제인 세툭시맙(cetuximab)의 경우 약물 반응성을 예측하는 바이오마커로 KRAS 유전자 돌연변이의 유무가 활용되고 있는데 이 유전자 돌연변이가 없는 환자에게 처방을 권고하고 있다.
그러나 KRAS 돌연변이가 없는 환자도 세툭시맙 반응률은 절반 정도에 불과하고 기존 항암 화학요법 단독시행과 비교해도 평균 5개월의 수명을 연장하는 데 그치고 있다. 오히려 KRAS 돌연변이가 있는 환자에게서 반응성이 있는 경우가 보고되고 있다.
따라서 KRAS 돌연변이 유무 이외의 새 바이오마커가 요구되고 있으며 KRAS 돌연변이가 존재해도 내성을 극복할 수 있는 병용치료 타겟의 발굴이 필요하다.
조 교수 연구팀은 유전체 데이터 분석, 수학 모델링, 컴퓨터 시뮬레이션 분석과 암 세포주 실험을 융합한 시스템생물학 연구를 통해 세툭시맙 반응성에 대한 바이오마커로 다섯 개의 새로운 유전자(DUSP4, ETV5, GNB5, NT5E, PHLDA1)를 찾아냈다.
그리고 대장암세포에서 각 유전자를 실험적으로 억제한 결과 KRAS 정상 세포에서 발생하는 세툭시맙 내성을 모두 극복할 수 있었다.
특히 GNB5를 억제하면 KRAS 돌연변이가 있는 세포주에서도 세툭시맙 처리에 따른 약물내성을 극복할 수 있음을 밝혔다. 따라서 GNB5의 억제를 통해 대장암 환자의 KRAS 돌연변이 유무와 관계없이 세툭시맙에 대한 내성을 극복할 수 있어 GNB5가 효과적인 병용치료 분자 타겟이 될 수 있음을 증명했다.
연구팀이 제시한 유전자를 바이오마커로 활용하면 세툭시맙에 잘 반응할 수 있는 민감 환자군을 미리 선별해 치료할 수 있는 정밀의학의 실현을 앞당길 수 있다.
또한, 발굴된 유전자들을 표적화하는 신약개발을 통해 내성을 가지는 환자군에 대해서도 새로운 치료전략을 제시할 수 있다. 특히 세툭시맙 치료 대상에서 제외됐던 KRAS 돌연변이가 있는 환자군에 대해서도 GNB5의 억제를 통해 치료 효과를 가져올 수 있을 것으로 기대된다.
조 교수는 “지금껏 GNB5 유전자 조절을 대장암의 조합치료에 활용한 예는 없었다”라며 “시스템생물학으로 암세포가 가지는 약제 내성의 원리를 밝히고, 내성 환자군에 대한 바이오마커 동정 및 내성 극복을 위한 병행치료 타겟 발굴을 통해 정밀의학을 실현할 수 있는 새로운 가능성을 제시했다”라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 유럽생화학회저널 4월 표지
2019.05.07 조회수 18608 -
조광현 교수, 뇌의 제어구조 규명
〈 조광현 교수 연구팀 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 뇌 영역 간 복잡한 연결 네트워크에 내재된 뇌의 제어구조를 규명했다.
이번 연구를 통해 뇌의 동작 원리에 대한 이해를 높이고, 뇌의 제어구조 분석을 통해 뇌 질환 연구 및 치료에 응용될 수 있을 것으로 기대된다. 또한 4차 산업혁명의 핵심기술로 주목받는 IT와 BT의 융합연구인 시스템생물학을 통해 규명했다는 의의가 있다.
이병욱 박사, 강의룡, 장홍준 박사과정이 참여한 이번 연구는 셀(Cell) 출판사가 펴내는 융합과학 국제학술지 ‘아이사이언스(iScience)’ 3월 29일 자에 게재됐다.
뇌의 다양한 인지기능은 뇌 영역들 사이의 복잡한 연결을 통한 영역 간 상호작용으로 이뤄진다. 최근 뇌의 연결성에 대한 정보가 뇌의 동작 원리를 파악하는 핵심이라는 의견이 대두되면서 세계적으로 뇌 연결성을 파악하기 위한 커넥톰(Connectome) 연구가 활발히 이뤄지고 있다.
이를 통해 뇌 영역 사이의 구체적 연결성이 파악되고 있지만 복잡한 연결성에 내재된 뇌의 동작 원리에 대한 이해는 아직 매우 부족한 상황이다. 특히 뇌의 강건하면서 효율적 정보처리 능력의 기반이 되는 뇌의 숨겨진 제어구조는 파악된 내용이 없다.
조 교수 연구팀은 뇌의 제어구조 분석을 위해 ‘미국국립보건원(NIH) 휴먼 커넥톰 프로젝트(Human Connectome Project)’에서 제공하는 정상인의 뇌 영상 이미지 데이터를 활용해 뇌 영영 간 네트워크를 구축했다.
이후 연구팀은 그래프 이론의 최소지배집합(minimum dominating set) 개념을 활용해 뇌 영역 간 복잡한 연결 네트워크의 제어구조를 분석했다.
최소지배집합이란 네트워크의 각 노드(뇌의 각 영역)가 링크(뇌의 서로 다른 영역간의 연결)로 연결된 이웃 노드에 직접적 영향을 줘 기능을 제어할 수 있다고 가정할 때, 네트워크를 구성하는 모든 노드를 제어하는 데 필요한 최소한의 노드 집합을 말한다.
기존 여러 연구를 통해 다양한 생체 네트워크 및 통신망, 전력망 등의 복잡계 네트워크를 제어하는 데 있어서 최소지배집합이 핵심적인 역할을 한다는 것이 보고된 바 있다.
연구팀은 최소지배집합을 기반으로 ‘제어영역의 분포(distribution of control)’와 ‘제어영역의 중첩(overlap in control area)’이라는 두 가지 지표를 정의한 뒤 이를 기준으로 총 네 종류의 제어구조를 정의했다.
이후 연구팀은 브레인 네트워크를 비롯해 도로망, 통신망, 소셜 네트워크 등 실존하는 다양한 복잡계 네트워크가 어떤 제어구조를 갖는지 분석했다. 분석 결과 뇌는 다른 대부분 네트워크와는 달리 제어영역이 분산된 동시에 서로 중첩된 특이한 구조로 이뤄짐을 밝혀냈다.
뇌의 이러한 제어구조는 외부 섭동에 의한 네트워크의 높은 강건성을 유지하면서 동시에 여러 인지기능을 효율적으로 수행하기 위한 영역들의 상호 활성화를 다양하게 하기 위한 것임을 밝혔다.
IT와 BT가 융합된 시스템생물학 접근을 통한 브레인 네트워크의 구조분석은 인공지능의 발전에도 기여할 것으로 보인다. 브레인 네트워크의 진화적 설계원리에 대한 이해를 높인다면 컴퓨터 과학자들이 이를 이용해 새로운 인공지능 기술을 개발할 수 있다.
조 교수는 “지금껏 뇌의 제어구조가 밝혀진 바가 없었다”라며 “복잡한 연결성에 숨겨진 브레인 네트워크의 진화적 설계원리를 시스템생물학 연구를 통해 찾아냄으로써 뇌의 동작 원리를 파악할 수 있는 새로운 가능성을 제시했다”라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 뇌의 제어구조 규명
그림2. 뇌 영역 간 네트워크 구축
2019.04.10 조회수 17709 -
이상완 교수, 신경과학-인공지능 융합으로 공학적 난제 해결
〈 (왼쪽부터) 안수진 박사과정, 이지항 박사, 이상완 교수 〉
우리 대학 바이오및뇌공학과 이상완 교수 연구팀이 영국 케임브리지 대학, 구글 딥마인드와의 공동 연구를 통해 차세대 뇌 기반 인공지능 시스템 설계의 방향을 제시했다.
이번 연구는 인간의 두뇌가 기존의 인공지능 알고리즘이 해결하지 못하는 부분을 해결할 수 있다는 사실에 기반한 신경과학-인공지능 융합 연구이다.
성능, 효율, 속도의 균형적 설계와 같은 다양한 공학적 난제를 해결할 수 있는 신경과학 기반 강화학습 이론을 제안한 것으로 새로운 인공지능 알고리즘 설계에 긍정적인 영향을 줄 것으로 기대된다.
이상완 교수와 함께 이지항 박사, 안수진 박사과정이 주도한 이번 연구는 국제 학술지 사이언스의 자매지 ‘사이언스 로보틱스(Science Robotics)’ 1월 16일 자 온라인판에 포커스 형식으로 게재됐다.
최적제어 이론에서 출발한 강화학습은 기계 학습의 한 영역으로 지난 20여 년 동안 꾸준히 연구된 분야이다. 특히 지난 5년 동안은 딥러닝 기술을 발전과 맞물려 급격한 성장을 이뤘다.
딥러닝 기반 강화학습 알고리즘은 최근 알파고와 같은 전략 탐색 문제, 로봇 제어, 응급실 비상 대응 시스템과 같은 의료 진단 등 다양한 분야에 적용되고 있다. 그러나 주어진 문제에 맞게 시스템을 설계해야 하는 점, 불확실성이 높은 환경에서는 성능이 보장되지 않는 점 등이 근본적인 해결책으로 남아있다.
강화학습은 의사 결정 및 계산신경과학 분야에서도 지난 20년간 꾸준히 연구되고 있다. 이상완 교수는 2014년 인간의 전두엽-기저핵 뇌 회로에서 이종 강화학습을 제어한다는 신경과학적 증거를 학계에 발표한 바 있다. 2015년에는 같은 뇌 회로에서 고속 추론 과정을 제어한다는 연구를 발표했다.
연구팀은 이번 연구에서 강화학습 등의 개별 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌가 이미 해결하고 있다는 사실에 기반한 ‘전두엽 메타 제어’ 이론을 제안했다.
중뇌 도파민-복외측전전두피질 네트워크에서 외부 환경에 대한 학습의 신뢰도를 스스로 평가할 수 있는 보상 예측 신호나 상태 예측 신호와 같은 정보를 처리하며, 인간의 두뇌는 이 정보들을 경쟁적-협력적으로 통합하는 프로세스를 통해 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 것이 이론의 핵심이다.
이러한 원리를 단일 인공지능 알고리즘이나 로봇설계에 적용하면 외부 상황변화에 강인하게 성능, 효율, 속도 세 조건(performance-efficiency-speed tradeoff) 사이의 균형점을 유지하는 최적의 제어 시스템을 설계할 수 있다. 더 나아가 다수의 인공지능 개체가 협력하는 상황에서는 서로의 전략을 이용함으로 협력-경쟁 사이의 균형점을 유지할 수 있다.
1 저자인 이지항 박사는 “현대 인공지능의 우수한 성능은 사람의 행동 수준 관찰뿐 아니라 두뇌의 저수준 신경 시스템을 알고리즘으로 구현해 적극적으로 발전시킨 결과라고 보고 있다”라며 “이번 연구는 계산신경과학에 기반한 결과로 현대 딥러닝과 강화학습에서 겪는 성능, 효율, 속도 사이의 난제를 해결하는 실마리가 될 수 있고, 새로운 인공지능 알고리즘 설계에 많은 영감을 줄 것이다”라고 말했다.
이상완 교수는 “연구를 하다 보면 우리의 두뇌는 공학적 난제를 의외로 쉽게 해결하고 있음을 알 수 있다. 이 원리를 인공지능 알고리즘 설계에 적용하는 뇌 기반 인공지능 연구는 구글 딥마인드, MIT, 캘리포니아 공과대학, UCL 등 해외 유수 기관에서도 관심을 두는 신경과학-인공지능 융합 연구 분야이다”라며 “장기적으로는 차세대 인공지능 핵심 연구 분야 중의 하나로 자리를 잡을 것으로 기대한다”라고 말했다.
이번 연구는 과학기술정보통신부 및 정보통신기술진흥센터 연구개발 사업, 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 외부 환경에 따라 성능-효율-속도 문제 균형점을 찾는 뇌기반 강화학습 이론 (좌), 이를 최적 제어하는 ‘전두엽 메타 제어’(중) 및 로보틱스 분야 문제 해결 적용 사례 (우)
2019.01.24 조회수 10208 -
정기훈 교수, 곤충 눈 구조 모방한 초박형 카메라 개발
〈 왼쪽부터 장경원 박사과정, 정기훈 교수, 황순홍 박사과정 〉
우리 대학 바이오및뇌공학과 정기훈 교수 연구팀이 독특한 눈 구조를 가진 곤충인 제노스 페키(Xenos peckii)를 모사한 초박형 디지털카메라를 개발했다.
제노스 페키를 모사해 개발한 초박형 디지털카메라는 기존 이미징 시스템보다 더 얇으면서 상대적으로 넓은 광시야각과 높은 분해능을 갖는다. 감시 및 정찰 장비, 의료용 영상기기, 모바일 등 다양한 소형 이미징 시스템에 적용 가능할 것으로 기대된다.
금동민, 장경원 박사과정이 주도한 이번 연구결과는 국제 학술지 ‘빛 : 과학과 응용(Light : Science & Applications)’ 10월 24일 자에 게재됐다. (논문명: 제노스 페키의 시각기관을 모사한 초박형 디지털카메라, Xenos peckii vision inspires an ultrathin digital camera)
정 교수 연구팀은 자연계에서 발견되는 광학 구조를 모방하는 연구를 꾸준히 진행해 왔다. 반딧불이의 배 마디 구조를 분석해 광효율을 높은 LED 렌즈를 개발한 바 있고, 생체모사를 통한 무반사 기판을 제작하는 등 해당 분야를 선도하고 있다.
최근 전자기기 및 광학기기의 소형화로 초박형 디지털카메라에 대한 수요가 증가하고 있다. 그러나 기존의 카메라 모듈은 광학적 수차를 줄이기 위해 광축을 따라 복수의 렌즈로 구성돼 있어 부피가 매우 크다는 단점이 있다. 이런 모듈을 단순히 크기만 줄여 소형기기에 적용하면 분해능과 감도가 떨어지게 된다.
연구팀은 문제 해결을 위해 곤충인 제노스 페키의 시각구조를 적용한 렌즈를 제작했고 이를 이미지 센서와 결합한 초박형 디지털카메라를 개발했다.
곤충의 겹눈구조는 수백, 수천 개의 오마티디아라 불리는 아주 작은 광학 구조로 이뤄져 있다. 일반적인 겹눈구조는 수백, 수천 개의 오마티디아에서 한 개의 영상을 얻지만, 제노스 페키는 다른 곤충과는 달리 각 오마티디아에서 개별의 영상을 획득할 수 있다. 또한 오마티디아 사이에 빛을 흡수할 수 있는 독특한 구조를 가져 각 영상 간 간섭을 막는다.
연구팀이 개발한 카메라는 2mm 이내의 매우 작은 크기로 제노스 페키의 겹눈구조를 모방해 수십 개의 마이크로프리즘 어레이와 마이크로렌즈 어레이로 구성된다. 마이크로프리즘과 마이크로렌즈가 한 쌍으로 채널을 이루고 있으며 각각의 채널 사이에는 빛을 흡수하는 중합체가 존재하며 각 채널 간 간섭을 막는다.
각각의 채널은 화면의 다른 부분들을 보고 있으며 각 채널에서 관측된 영상들은 영상처리를 통해 하나의 영상으로 복원돼 넓은 광시야각과 높은 분해능을 확보할 수 있다.
정기훈 교수는 “초박형 카메라를 제작하는 새로운 방법을 제시했다”며 “이 연구는 기존의 평면 CMOS 이미지 센서 어레이에 마이크로 카메라를 완전히 장착한 초박형 곤충 눈 카메라의 첫 번째 데모이며 다양한 광학 분야에 큰 영향을 미칠 것으로 확신한다.”라고 말했다.
□ 그림 설명
그림1. (좌) 제노스 페키의 SEM 영상. (우) 형광 염색된 제노스 페키의 시각구조
그림2. (좌) MEMS 공정을 통해 제작된 마이크로프리즘 어레이의 SEM 영상. (우) 완성된 초박형 디지털 카메라의 광학 영상
그림3. (좌) Xenos peckii의 시각기관을 통해 얻은 영상. (우) 초박형 디지털 카메라를 통해 얻은 영상
2018.11.20 조회수 9092 -
조광현 교수, 뇌파 생성, 변조 담당하는 신경회로 원리 규명
〈 조광현 교수 연구팀 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 뇌파의 생성 및 변조를 담당하는 핵심 신경회로를 규명하는 데 성공했다.
이를 통해 뇌의 동작원리를 밝힐 뿐 아니라 향후 여러 뇌질환 환자에게서 발생하는 비정상적 뇌파활동을 신경세포 네트워크 수준에서 규명하는 데 활용 가능할 것으로 기대된다. 이번 연구는 4차 산업혁명의 핵심기술로 주목받는 IT와 BT의 융합연구인 시스템생물학 연구로 규명했다는 의미를 갖는다.
이병욱 박사과정, 신동관 박사, 스티븐 그로스 박사가 함께 참여한 이번 연구는 국제 학술지 ‘셀 리포트(Cell Reports)’ 11월 6일자 온라인 판에 게재됐다.
뇌의 다양한 기능은 신경세포(뉴런) 사이의 복잡한 상호작용을 통해 이뤄진다. 특히 뉴런들의 동시다발적인 발화에 의해 형성되는 뇌파는 뇌의 활동 상태를 측정하는 가장 중요한 지표이며, 특정 기능을 수행하기 위해 영역 간 선택적 통신의 매개체 역할을 하는 것으로 알려져 있다.
또한 뇌파의 비정상적인 생성 및 변조 현상은 다양한 뇌질환과 밀접한 관계를 갖는 것으로 밝혀지고 있다. 이에 따라 전 세계 신경생물학 연구자들은 뇌파의 생성 및 변조 원리를 파악하기 위해 노력해 왔다.
그러나 뇌파의 생성 및 변조는 수많은 뉴런 사이의 복잡한 상호작용을 통해 발생하는 예측할 수 없는 창발적 특성(emergent property)을 갖기 때문에 기존의 신경 생물학 실험을 통해 그 원리를 규명하기에는 한계가 있었다.
조 교수 연구팀은 시스템생물학 기반의 연구방법을 통해 뇌파의 생성 및 변조 원리를 분석했다. 연구팀은 여러 뇌 영역 중 특히 감각 피질(sensory cortex)에 주목했다. 감각 피질은 외부 감각 정보를 처리하고 통합, 조절하는 핵심 영역으로 여러 주파수 대역의 뇌파와 변조를 관측할 수 있다.
연구팀은 최근 커넥토믹스 (connectomics) 연구를 통해 밝혀진 쥐의 감각피질 내 뉴런의 종류 및 뉴런 간 연결성 정보를 이용해 감각피질을 구성하는 뉴런들과 이들을 연결하는 시냅스를 수학 모델을 통해 표현하고 이로부터 신경회로를 구축해 뇌파의 생성 및 변조 과정을 분석했다.
연구팀은 대규모 컴퓨터 시뮬레이션 분석을 통해 흥분성 뉴런과 억제성 뉴런으로 구성된 양성피드백과 음성피드백의 중첩된 구조(interlinked positive and negative feedback)가 뇌파의 생성 및 주파수 변조 현상의 핵심회로임을 최초로 규명했다.
특히 연구팀은 기존의 전기생리학 실험을 통해 측정된 뉴런 간 시냅스의 특정 연결강도가 신경회로의 뇌파 생성 및 변조 기능을 극대화시킬 수 있는 최적의 조합임을 밝혀냈다.
이번에 개발한 수학모형을 활용하면 전통적 생물학 실험을 통해 파악이 어려웠던 뉴런들 간의 다양한 상호작용을 이해하고 신경회로의 복잡한 설계원리를 파악할 수 있을 것으로 기대된다.
또한 여러 뇌질환 환자의 뇌에서 관측되는 비정상적인 뇌파 활동을 신경네트워크 차원에서 분석하고 규명할 수 있을 것으로 예상된다.
시스템생물학 접근을 통한 신경회로의 구조 및 기능 분석은 인공지능의 발전에도 기여할 것으로 기대된다. 두뇌 신경회로의 작동원리에 대한 이해를 높인다면 컴퓨터 과학자들이 이를 이용해 새로운 인공지능 기술을 개발할 수 있다. 자폐증이나 집중력 조절장애 등과 관련된 신경회로 규명, 두뇌 치료 기술 개발 등의 원천 의료기술 개발에도 혁신으로 이어질 수 있다.
조 교수는 “지금껏 뇌파의 생성 및 변조를 담당하는 핵심 신경회로가 밝혀진 바가 없었다”며 “이번 연구에서는 최근 커넥토믹스 (connectomcis) 연구를 통해 점차 밝혀지고 있는 뉴런간의 복잡한 연결성에 숨겨진 설계원리를 시스템생물학 연구를 통해 찾아냄으로써 뇌의 동작원리를 파악할 수 있는 새로운 가능성을 제시했다”고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업, 그리고 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 뉴런 간 연결 강도에 내제된 기능적 설계원리 파악
그림2. 뇌파의 생성 및 변조를 담당하는 핵심 신경회로
2018.11.14 조회수 16443 -
강승균 교수, 신경치료 후 몸에서 자연 분해되는 전자약 개발
〈 강 승 균 교수 〉
우리 대학 바이오및뇌공학과 강승균 교수 연구팀이 美 노스웨스턴 대학 구자현 박사와의 공동 연구를 통해 절단된 말초신경을 전기치료하고 역할이 끝나면 몸에서 스스로 분해돼 사라지는 전자약을 개발했다.
몸에 녹는 수술용 실이 대중화된 것처럼 생분해성 무선 전자약을 통해 앞으로는 병원을 찾지 않고도 집에서 물리치료를 받듯 전기치료를 받는 시대를 맞이할 수 있을 것으로 기대된다.
이번 연구결과는 국제 학술지 ‘네이처 메디슨(Nature Medicine)’ 10월 8일자 온라인 판에 게재됐다. (논문명 : 비약리학적 신경재생 치료를 위한 생분해성 무선전자 시스템, Wireless bioresorbable electronic system enables sustained nonpharmacological neuroregenerative therapy)
말초신경 손상은 국내에서 연간 1만 건 이상 발생할 정도로 빈도가 높은 외상 중 하나이다. 신경의 재생 속도가 얼마나 신속하게 이뤄지느냐가 근육 회복율 및 후유증을 결정하는 중요 요소이며 재생속도가 현저히 저하되면 슈반세포의 소멸로 신경재생이 불가능해지거나 탈 신경 지연에 의한 영구 근육장애를 유발한다.
따라서 신경재생을 가속하기 위한 노력이 지속돼 왔고 전기적 자극을 통해 신경재생을 촉진시키는 전자약의 효능이 주목을 받고 있다.
전자약이란 전기 신호를 통해 체내의 장기, 조직, 신경 등을 자극해 세포의 활성도를 높여 재생속도 향상과 생체반응이 활발히 이뤄지도록 치료하는 기술이다. 전자약을 통해 손상된 신경을 전기자극하면 신경 세포가 활성화되며 축색돌기의 분화가 가속돼 신경재생이 빨라져 치료효과를 극대화할 수 있다.
이러한 전자약의 효과적인 성능에도 불구하고 치료 수술의 복잡성과 이로 인한 2차 손상의 위험성이 커 신경 치료에 직접적으로 활용하지 못했다.
전기 신호를 전달하기 위해서는 전선으로 머리카락 두께의 신경을 감싸야 하는데 치료 후에 신경을 감쌌던 전선을 다시 제거하는 과정이 매우 어렵고 자칫하면 제거 과정에서 2차 신경손상으로 이어질 수 있다. 또한 장기적인 전기 치료가 필요한 경우에는 매번 수술을 반복해야하는 한계가 있었다.
연구팀은 문제 해결을 위해 초박막형 실리콘과 유연성을 갖춘 생분해성 고분자를 이용해 300마이크로 수준 두께의 매우 얇고 유연성을 갖추고 있을 뿐 아니라 체내에서 수개월 내에 분해되는 전자약을 개발했다.
개발한 전자약은 체내에서 무선으로 작동되고 사용이 종료된 후 몸속에서 녹아 흡수되기 때문에 별도의 제거수술이 필요하지 않다. 따라서 추가 수술 없이도 반복적인 전기치료를 할 수 있으며 제거를 위한 수술도 필요하지 않아 2차 위험성과 번거로움을 근본적으로 해결할 수 있는 기술이다.
연구팀은 생분해성 무선 전자약 기술이 말초신경의 치료와 더불어 외상성 뇌손상 및 척추손상 등 중추신경의 재활과 부정맥 치료 등을 위한 단기 심장 박동기에도 응용 가능할 것으로 예상했다.
강 교수는 “최초로 생분해성 뇌압측정기를 개발해 2016년 네이처 紙에 논문을 게재한 뒤 약 2년 만에 치료기술로서의 의료소자를 성공적으로 제시했다”며 “생분해성 전자소자의 시장에서 우리나라가 중추적인 역할을 수행할 수 있을 것이다”고 말했다.
이번 연구는 한국연구재단 신진연구자지원사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 생분해성 무선 전자소자의 생분해성 데모 예시
그림2. 다리신경 모델에 적용된 생분해성 무선 전자약의 삽입 모형도
그림3. 생분해성 전자약의 신경치료 시나리오 모식도
2018.10.22 조회수 10365 -
조영호 교수, 소름돋는 현상 분석해 열적 쾌적감 지표 발굴
〈 조영호 교수, 윤성현 연구원 〉
우리대학 바이오및뇌공학과 조영호 교수 연구팀이 피부의 경도를 근거로 인간의 열적 쾌적감을 예측할 수 있는 지표를 발굴했다.
윤성현, 심재경 연구원의 주도로 개발한 이번 연구는 네이처 자매지 ‘사이언티픽 리포트(Scientific Reports)’ 8월 13일자 온라인 판에 게재됐다.
인간은 개인별 체질과 기후 환경에 따라 동일한 온도와 습도에서도 느끼는 더위와 추위, 즉 열적 쾌적감이 다르다. 각 개인별 체질과 무관하게 인간이 실제 느끼는 열적 쾌적감을 알아내고 쾌적한 상태를 유지할 수 있는 새 개념의 개인별 맞춤형 냉난방시스템 연구가 활발히 진행 중이다.
인간이라면 누구나 더위를 느끼는 상황에서 피부온도와 땀 발생량이 올라가고 반대로 추위를 느끼면 피부온도와 땀 발생량이 감소한다. 연구팀은 지난 2월 이러한 피부온도와 땀 발생률의 두 가지 지표를 통해 인간의 열적 쾌적감을 측정할 수 있는 기기를 개발한 바 있다.
그러나 피부 온도와 땀 발생률만으로는 신뢰도가 충분하지 못해 정확성과 신뢰도를 높일 수 있는 지표가 요구되고 있다.
연구팀은 기존의 열적 쾌적감 지표 외에 인간의 피부 경도(硬度)를 추가적인 지표로 활용할 수 있음을 처음으로 발견했다.
인간이 추위나 더위를 느낄 때 모근에 붙어있는 아주 작은 근육인 입모근(立毛筋)이 수축되거나 이완된다. 우리가 추위를 느낄 때 흔히 ‘소름이 돋는다’고 말하는 신체 반응도 입모근이 수축해 피부가 단단해지며 발생한다. 반대로 더위를 느낄 때 모공에서 땀이 나는 반응도 입모근이 이완되면서 발생하는 현상이다.
연구팀은 입모근에 의해 피부의 경도가 변한다는 점에 착안해 피부 경도를 인간 열적 쾌적감의 새로운 지표로 제안했다.
조 교수 연구팀은 기존의 지표인 피부 온도와 땀 발생률과 피부 경도는 인간의 열적 쾌적감을 판단할 수 있는 각각의 독립적인 지표이며, 기존의 두 지표에 더해 피부 경도를 추가하면 쾌적감 판단 신뢰도가 23.5% 향상됨을 피험자 실험을 통해 입증했다.
이를 통해 피부 경도를 측정할 수 있는 센서를 개발하고 이를 적용해 자동차, 실내 등에서 기존의 냉, 난방기보다 인간과 교감 기능이 뛰어난 개인별 맞춤형 냉, 난방기를 개발할 예정이다.
조 교수는 “새로 발굴한 지표인 피부 경도를 도입해 인간의 개인별 체질, 기후 환경과 무관하게 실제 느끼는 열적 쾌적감 예측의 신뢰도를 높여 개인별 맞춤형 냉, 난방기의 개발에 힘쓸 예정이다”며 “신체적 건강 상태 뿐 아니라 정신적 건강과 감정 상태 교감을 통해 인간과 기계 간 정서적 교감도 이룰 수 있을 것이다”고 말했다.
이번 연구는 과학기술정보통신부 중견연구자지원사업을 통해 수행됐다.
□ 그림 설명
그림1. 피부경도를 통한 인간 열적 쾌적감 측정
그림2. 피부경도를 통한 인간 열적 쾌적감 측정기
2018.08.29 조회수 8783 -
조광현 교수, 섬유아세포 과활성 유발 분자피드백 회로 규명
〈 조 광 현 교수 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 삼성병원 김석형 교수 연구팀과 공동연구를 통해 섬유증 및 암 악성화의 원인이 되는 섬유아세포 과활성을 유발하는 분자피드백 회로를 최초로 규명했다.
신동관 박사와 안수균 학생 등이 함께 참여한 이번 연구는 ‘네이처 커뮤니케이션즈(Nature Communications)’ 8월 1일자 온라인 판에 게재됐다.
( https://www.nature.com/articles/s41467-018-05274-6 )
인간의 섬유아세포는 대부분의 정상조직에 비활성화된 상태로 존재하다가 상처회복을 위해 필요할 때 급진적으로 활성화된다. 하지만 이러한 급진적 활성화가 유발되는 원리는 아직 밝혀지지 않았다.
조광현 교수 연구팀은 삼성병원 김석형 교수팀과 공동연구를 통해 Twist1, Prrx1, TNC 분자들이 연쇄적으로 활성을 유발하는 양성피드백회로를 구성함으로서 그와 같은 급진적인 섬유아세포의 활성을 유발한다는 것을 분자생물학실험과 수학모델링, 컴퓨터시뮬레이션 분석, 그리고 동물실험과 임상데이터 분석을 통해 밝혔다.
활성화된 섬유아세포는 상처가 치유된 뒤 다시 비활성화된 상태로 전환돼야 하는데 이 때 피드백회로가 계속 작동하면 섬유증의 발생이나 암 악성화의 원인이 된다.
따라서 이번에 밝혀낸 Twist1-Prrx1-TNC 분자피드백회로는 섬유증과 암의 새로운 치료 타겟으로 활용될 수 있을 것으로 기대된다.
□ 그림 설명
그림1. 섬유아세포의 급진적 활성화를 유발하는 Twist1-Prrx1-TNC 분자피드백회로 규명 과정
그림2. 정상적인 섬유아세포의 활성화 조절과 피드백회로의 비가역적 활성화에 따른 비정상적인 섬유아세포 활성화 조절과정의 비교
2018.08.10 조회수 10854 -
예종철 교수, 인공지능 블랙박스의 원리 밝혀
〈 예종철 교수, 한요섭 연구원, 차은주 연구원 〉
우리 대학 바이오및뇌공학과 예종철 석좌교수 연구팀이 인공지능의 기하학적인 구조를 규명하고 이를 통해 의료영상 및 정밀분야에 활용 가능한 고성능 인공신경망 제작의 수학적인 원리를 밝혔다.
연구팀의 ‘심층 합성곱 프레임렛(Deep Convolutional Framelets)’이라는 새로운 조화분석학적 기술은 인공지능의 블랙박스로 알려진 심층 신경망의 수학적 원리를 밝혀 기존 심층 신경망 구조의 단점을 보완하고 이를 다양하게 응용 가능할 것으로 기대된다.
예종철 석좌교수가 주도하고 한요섭, 차은주 박사과정이 참여한 이번 연구는 응용수학 분야 국제 학술지 ‘사이암 저널 온 이매징 사이언스(SIAM Journal on Imaging Sciences)’ 4월 26일자 온라인 판에 게재됐다.
심층신경망은 최근 폭발적으로 성장하는 인공지능의 핵심을 이루는 딥 러닝의 대표적인 구현 방법이다. 이를 이용한 영상, 음성 인식 및 영상처리 기법, 바둑, 체스 등은 이미 사람의 능력을 뛰어넘고 있으며 현재 4차 산업혁명의 핵심기술로 알려져 있다.
그러나 이러한 심층신경망은 그 뛰어난 성능에도 불구하고 정확한 동작원리가 밝혀지지 않아 예상하지 못한 결과가 나오거나 오류가 발생하는 문제가 있다. 이로 인해 ‘설명 가능한 인공지능(explainable AI: XAI)’에 대한 사회적, 기술적 요구가 커지고 있다.
연구팀은 심층신경망의 구조가 얻어지는 고차원 공간에서의 기하학적 구조를 찾기 위해 노력했다. 그 결과 기존의 신호처리 분야에서 집중 연구된 고차원 구조인 행켈구조 행렬(Hankel matrix)을 기저함수로 분해하는 과정에서 심층신경망 구조가 나오는 것을 발견했다.
행켈 행렬이 분해되는 과정에서 기저함수는 국지기저함수(local basis)와 광역기저함수(non-local basis)로 나눠진다. 연구팀은 광역기저함수와 국지기저함수가 각각 인공지능의 풀링(pooling)과 필터링(filtering) 역할을 한다는 것을 밝혔다.
기존에는 인공지능을 구현하기 위한 심층신경망을 구성할 때 구체적인 작동 원리를 모른 채 실험적으로 구현했다면, 연구팀은 신호를 효과적으로 나타내는 고차원 공간인 행켈 행렬를 찾고 이를 분리하는 방식을 통해 필터링, 풀링 구조를 얻는 이론적인 구조를 제시한 것이다.
이러한 성질을 이용하면 입력신호의 복잡성에 따라 기저함수의 개수와 심층신경망의 깊이를 정해 원하는 심층신경망의 구조를 제시할 수 있다.
연구팀은 수학적 원리를 통해 제안된 인공신경망 구조를 영상잡음제거, 영상 화소복원 및 의료영상 복원 문제에 적용했고 매우 우수한 성능을 보임을 확인했다.
예종철 교수는 “시행착오를 반복해 설계하는 기존의 심층신경망과는 달리 원하는 응용에 따라 최적화된 심층신경망구조를 수학적 원리로 디자인하고 그 영향을 예측할 수 있다”며 “이 결과를 통해 의료 영상 등 설명 가능한 인공지능이 필요한 다양한 분야에 응용될 수 있다”고 말했다.
이번 연구는 과학기술정보통신부의 중견연구자지원사업(도약연구) 및 뇌과학원천기술사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 수학적인 원리를 이용한 심층신경망의 설계 예시
그림2. 영상잡음제거 결과
그림3. 영상에서 80% 화소가 사라진 경우 인공신경망을 통해 복원한 결과
2018.05.10 조회수 17401