< (왼쪽부터) 물리학과 박용근 교수, 김건 석박사통합과정, 삼성서울병원 이남용 교수 >
우리 대학 물리학과 박용근 교수 연구팀이 홀로그래피 현미경과 인공지능을 이용한 신속 박테리아 병원균 식별 기술을 개발했다고 27일 밝혔다.
병원균의 조기 식별은 감염질환 치료에 필수적이다. 치명적인 상태로 진행되기 전에 감염균에 맞는 효과적인 항생제의 선택과 투여가 가능해지기 때문이다. 하지만 현재의 일상적 병원균 식별은 통상 수일이 소요된다. 이로 인해 감염 초기 식별 결과 없이 실증적인 처방으로 항생제를 투여하는 사례가 빈번하며, 이로 인해 패혈증의 경우 치명률이 50%에 달하며 항생제 남용으로 인한 슈퍼박테리아 문제도 발생한다.
기존 방법으로 병원균 식별이 오래 걸리는 원인은 긴 박테리아 배양 시간이다. 질량 분석기로 대표되는 식별 기술들은 일정량 이상의 박테리아 표본이 확보되어야 균종과 관련된 분자적 신호를 검출할 수 있다. 이로 인해, 환자에서 추출한 시편을 하루 이상 배양해야만 검출이 될 정도의 박테리아 개수가 확보된다.
광학 분야의 저명 학술지인 `빛: 과학과 응용(Light: Science & Applications), (IF = 17.782)'에 게재된 이번 연구(논문명: Rapid species identification of pathogenic bacteria from a minute quantity exploiting three-dimensional quantitative phase imaging and artificial neural network)에서 박용근 교수 연구팀은 3차원 홀로그래피 현미경과 인공지능 알고리즘을 활용해서 단일 세포 수준의 표본으로도 병원균의 균종을 정확히 알아낼 수 있음을 입증했다.
< 그림 1. 아이디어 모식도 >
< 그림 2. 총 19가지 주요 혈액감염균의 균종별 대표적인 굴절률 영상 >
홀로그래피 현미경으로 측정되는 3차원 굴절률 영상 정보에 내재된 균종과 관련된 특성을 인공지능 알고리즘으로 학습해 종을 구분하는 것이 핵심 아이디어다. 연구팀은 종별로 500개 이상의 박테리아의 3차원 굴절률 영상을 측정했고, 이를 인공지능 신경망을 통해 학습시켰다.
연구팀은 개발한 방법을 이용해 주요한 혈액 감염균을 신속하게 식별함으로써 실제 진단에도 응용될 가능성을 검증했다. 구체적으로 그람 음성 및 양성, 구균 및 간균을 모두 포함한 총 19가지 균종으로 혈액 감염 사례의 90% 이상의 원인이 되는 균들이다. 한 개의 병원균 혹은 병원균 덩어리를 측정한 단일 3차원 굴절률 영상에서는 약 82.5%의 정확도로 균종 판별이 가능했다. 연구팀은 또한 여러 영상을 확보할 수 있을 때 정확도가 증가해, 7개의 박테리아 영상이 확보된다면 99.9%의 정확도를 얻을 수 있었다.
연구진의 책임자이자 논문의 교신저자인 박용근 교수는 "홀로그래피 현미경의 세포 감별 능력을 인공지능으로 극대화해 감염 진단 기술로서의 가능성을 확인한 것이 의미ˮ라고 말했다. 제1 저자인 물리학과 김건 박사과정 학생은 "100,000분의 1 수준의 표본량으로도 질량 분석기의 균종 검출률과 비슷한 정확도를 얻었고 환자 시편에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것으로 기대된다ˮ라고 덧붙였다.
< 그림 3. 19가지 혈액감염균 식별의 단일 영상 기반 맹검 결과 >
< 그림 4. 연구 개념도 >
이번 연구는 KAIST-삼성서울병원-토모큐브 팀의 수년간의 공동 연구를 통해 진행됐다. 물리학과 박용근 교수 연구팀의 기술에 다양한 기관의 경험과 비전을 반영함으로써 완성할 수 있었다. 삼성서울병원 진단검사의학과 이남용 교수, 진단검사의학과 허희재 교수, 감염내과 정두련 교수 연구팀, 서울성모병원 진단검사의학과 유인영 교수, 분당 차병원 응급의학과 김규석 교수, 우리 대학 나노과학기술대학원 정현정 교수 등 다양한 분야와 기관이 모여, 실험적 검증을 효과적으로 진행할 수 있었다. 또한 KAIST 교원 창업 기업인 ㈜토모큐브의 3차원 홀로그래피 기술 지원도 필수적인 역할을 했다.
한편 이번 연구는 한국연구재단 창의연구사업, 과학기술일자리진흥원의 지원을 받아 수행됐다.
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
2023-05-17우리 대학 김재철AI대학원(원장 정송)과 기술가치창출원(원장 최성율)이 공동 주관하여 ‘KAIST AI기술설명회 2023’을 5월 12일(금) 서울 COEX에서 개최했다. 오전 세션에서는 최근 사회에 큰 파장을 일으키고 있는 생성 AI분야의 양대 주제인 영상생성 모델 (Diffusion Model)과 대형 언어생성 모델 (ChatGPT 등)에 대해 우리 대학 김재철AI대학원 예종철 교수, 서민준 교수가 각각 튜토리얼을 진행했다. 또한 인공지능 기술을 사용하여 산업설비의 에너지 비용을 절감한 사례에 대해 최재식 교수가 발표했다. 이어서 KAIST 기술이전 절차(지식재산 및 기술이전센터 김권 센터장)와 KAIST 장기 기업자문 특화 플랫폼인 ILP 프로그램(산학협력센터 김성완 센터장)에 대해서 일반에 소개하는 자리를 가졌다. 기술소개 세션 1부에서는 ▲자기 피드백을 활용한 고성능 챗봇 개발 기술(서민준 교수) ▲대형 언어모델 교사를 활용한 소형 추론 모델
2023-05-15우리 대학 전산학부 홍승훈 교수가 이끄는 연구팀이 지난 5월 1일부터 5월 5일에 열린 기계학습 분야의 최우수 국제학술대회인 ‘표현 학습 국제 학회 2023(International Conference on Learning Representation, 이하 ICLR 2023)’에서 최우수논문상 (Outstanding Paper Award)를 수상했다고 5일 밝혔다. ICLR 2023은 인공지능 분야의 가장 권위 있는 학회 중 하나로서, 구글 스칼라 h-5 인덱스 기준 기계학습 분야의 1위에 올라있으며, 모든 과학 분야의 출판물 중 9위를 기록하고 있다. 올해 최우수논문상은 전체 1,574편의 논문 중 상위 4편에 주어졌다. 홍 교수팀의 ICLR 최우수논문상 수상은 한국인으로서는 최초이며, 주요 기계학습 학회에서 국내 기관이 주축이 되어 진행한 연구로 최우수논문상을 수상한 최초의 사례이기도 하다. 전산학부 김동균 박사과정(제1 저자), 김진우 박사과
2023-05-08다공성 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. 김
2023-04-05우리 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
2023-03-16