KAIST, AI 이용한 신속 박테리아 병원균 식별 기술 개발

개발 기술 아이디어 모식도. 3D 굴절률 영상을 학습시킨 AI 알고리즘에 입력, 학습 데이터베이스의 가장 유사한 균종으로 식별한다.
<개발 기술 아이디어 모식도. 3D 굴절률 영상을 학습시킨 AI 알고리즘에 입력, 학습 데이터베이스의 가장 유사한 균종으로 식별한다.>

국내 연구진이 홀로그래피 현미경, 인공지능(AI)을 이용한 신속 박테리아 병원균 식별 기술을 개발했다.

한국과학기술원(KAIST)은 박용근 물리학과 교수팀이 이 같은 성과를 냈다고 27일 밝혔다.

병원균 조기 식별은 감염질환 치료에 필수다. 감염균에 맞는 항생제 선택과 투여가 가능해지기 때문이다. 기존 방법으로는 박테리아 배양 시간이 길어 병원균 식별도 오래 걸린다.

연구팀은 '빛: 과학과 응용(Light: Science & Applications)'에 게재된 이번 연구에서 3차원 홀로그래피 현미경, AI 알고리즘을 활용해 단일 세포 수준 표본으로도 병원균 균종을 정확히 알아낼 수 있음을 입증했다.

홀로그래피 현미경으로 3D 굴절률 영상 정보를 측정하고, 내재한 균종 관련 특성을 AI 알고리즘으로 학습해 종을 구분하는 것이 핵심 아이디어다. 종별 500개 이상 박테리아 3D 굴절률 영상을 측정해 AI 신경망으로 학습시켰다.

연구팀은 실제 19가지 균종 식별로 진단 응용 가능성을 검증했다. 병원균 한 개나 병원균 덩어리를 측정한 단일 3차원 굴절률 영상에서는 약 82.5% 정확도로 균종 판별이 가능했다. 여러 영상을 확보할 수 있을 때 정확도가 증가해, 7개 박테리아 영상이 확보된다면 99.9% 정확도를 얻을 수 있었다.

박용근 교수는 “홀로그래피 현미경 세포 감별 능력을 AI로 극대화해 감염 진단 기술활용 가능성을 확인한 것이 의미”라고 말했다. 제1 저자인 김건 KAIST 물리학과 박사과정 학생은 “10만 분의1 수준 표본량으로도 질량 분석기 균종 검출률과 비슷한 정확도를 얻었고 환자 시편에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것으로 기대된다”고 덧붙였다.

한편 이번 연구는 KAIST, 삼성서울병원, 토모큐브 팀의 수년간 공동 연구로 진행됐다. KAIST 물리학과 박용근 교수 연구팀의 기술에 다양한 기관의 경험과 비전을 반영함으로써 완성할 수 있었다. 삼성서울병원에서는 이남용 및 허희재 진단검사의학과 교수, 정두련 감염내과 교수팀, 유인영 서울성모병원 진단검사의학과 교수, 김규석 분당 차병원 응급의학과 교수, 정현정 KAIST 나노과학기술대학원 교수 등 다양한 분야와 기관이 모였다. KAIST 교원 창업 기업인 토모큐브의 3차원 홀로그래피 기술 지원도 필수 역할을 했다. 이번 연구는 한국연구재단 창의연구사업, 과학기술일자리진흥원 지원을 받아 수행됐다.

김영준기자 kyj85@etnews.com