연구
< (왼쪽부터) 바이오및뇌공학과 예종철 교수, 오유진 박사과정, 박상준 박사과정 >
우리 대학 바이오및뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(이하 코로나19) 진단의 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다.
예 교수 연구팀이 개발한 인공지능 기술을 사용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17%가 향상된 86%이상의 우수한 정확성을 보였다고 KAIST 관계자는 설명했다.
이 기술을 세계적으로 대유행하는 코로나19 선별 진료(Triage)체계에 도입하면 상시 신속한 진단이 가능할 뿐만 아니라 한정된 의료 자원의 효율적인 사용에 큰 도움을 줄 것으로 기대된다.
오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 이 연구 결과는 국제 학술지 `아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 `영상기반 코로나19 진단 인공지능기술' 특집호 5월 8일 字 온라인판에 게재됐다. (논문명 : Deep Learning COVID-19 Features on CXR using Limited Training Data Sets)
현재 전 세계적으로 확진자 500만 명을 넘긴 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR, Reverse Transcription Polymerase Chain Reaction)을 이용한 장비가 사용된다. RT-PCR 검사의 정확성은 90% 이상으로 알려져 있으나, 검사 결과가 나오기까지는 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이 많이 든다는 단점이 있다.
컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용되기 어렵다.
흉부 단순 방사선 촬영(CXR, Chest X-ray)은 여러 폐 질환에서 표준 선별 검사로 활용되고 있지만 코로나19에는 RT-PCR와 CT 검사에 비해 정확성이 현저하게 떨어진다. 그러나, 최근 팬데믹으로 세계 각국에서 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사를 정확성을 높여 활용하자는 요구가 증가하고 있다.
그동안 심층 학습(Deep Learning) 기법을 적용해 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고되고 있지만 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수적이며 현재와 같은 비상 상황에서는 일관되게 정제된 대량의 데이터를 수집하기가 극히 어렵다.
예 교수 연구팀은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이런 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다.
또 국소 패치 기반 방식의 장점을 활용한 새로운 인공지능 기술인 `확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었는데 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다.
< 그림 1. 제안하는 코로나19 진단 알고리즘을 통해 얻은 코로나19 확률 분포 특징 지도의 예 >
예종철 교수는 "인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있고 이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것ˮ 이라고 말했다.
한편, 이 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.
-
연구 차세대소형위성2호 초기 교신 성공
우리 대학 인공위성연구소(소장 한재흥)에서 개발한 차세대소형위성2호가 지난 5월 25일 18시 24분에 발사된 누리호에서 안전하게 분리되어 목표 궤도에 성공적으로 안착하였으며, 같은날 19시 58분 대전 KAIST 지상국과 최초 교신에 성공했다. 차세대소형위성2호의 최초 비콘 신호는 누리호 발사 후 약 40분 만인 25일 저녁 7시 4분경 항공우주연구원의 남극 세종기지 안테나를 통해 수신할 예정이었으며, 실제로는 7시 7분에 수신이 확인되었다. 위성 발사 후 약 94분 만인 25일 저녁 7시 58분경 대전 KAIST 지상국과 최초 교신에 성공했다. 이후, 남극 세종기지에서 비콘 신호를 2차례 더 확인했고, 스웨덴 보덴 지상국과 대전 KAIST 지상국에서 8차례 교신을 수행하면서 차세대소형위성2호의 통신시스템과 자세제어시스템, 전력시스템, 탑재 컴퓨터 등의 기능을 점검했다. 특히, 국내 우주핵심기술 연구개발 성과물로 차세대소형위성2호의 자세제어시스템에 처음 적용된 반작용휠과
2023-05-26 -
연구 RNA 유전자 가위 기술로 코로나바이러스 싹둑
엔데믹(endemic)으로 지정된 코로나 19 바이러스(이하 SARS-CoV-2)는 변이가 매우 빈번하고 빠른 RNA 바이러스이다. 따라서 전 세계 연구자들은 신·변종 바이러스 출현에 따른 새로운 팬데믹에 대비하기 위해 범용 코로나 바이러스 감염병 치료제 개발에 몰두하고 있다. 우리 대학 생명과학과 허원도 교수 연구팀과 전북대 강상민 교수 연구팀이 공동연구를 통해 세계 최초로 RNA 유전자 가위 기술을 이용해 RNA 바이러스 유전체 내 슈도낫 부위를 타겟해 바이러스 증식을 강력하게 차단할 수 있는 핵심 타겟부위를 발견했고, 전북대학교 인수공통감염병 연구소와의 협업을 통해 동물모델에서 COVID-19 치료 효과를 입증했다고 1일 밝혔다. 우리 대학 자연과학연구소 유다슬이 연구조교수, 전북대학교 한희정 박사과정, KAIST 생명과학과 유정혜 박사과정, KAIST 생명과학과 김지혜 선임연구원이 공동 제 1저자로 수행한 이번 연구는 저명 국제 학술지 ‘몰레큘러
2023-05-02 -
연구 엑스선 현미경 해상도 한계 극복
엑스선 현미경은 대부분 물질을 투과하는 장점이 있어 흉부 엑스선이나 CT 촬영을 통해 신체 내부 장기와 골격을 비침습적으로 관찰할 수 있다. 최근에는 반도체, 배터리의 내부 구조를 나노스케일에서 정밀하게 관찰하기 위해 엑스선 영상 기술의 해상도를 높이려는 연구들이 활발하게 진행되고 있다. 우리 대학 물리학과 박용근 교수 연구팀이 포항가속기연구소 임준 박사 연구팀과 공동연구를 통해 기존 엑스선 현미경의 해상도 한계를 극복할 수 있는 원천 기술 개발에 성공했다고 12일(수) 밝혔다. 물리학과 이겨레 박사가 제1 저자로 참여한 이번 연구는 광학 및 광자학의 세계적인 학술지인 `라이트: 사이언스 앤 어플리케이션 (Light: Science and Application)' 4월 7일 字에 출판됐다. (논문명: Direct high-resolution X-ray imaging exploiting pseudorandomness). 엑스선 나노 현미경은 굴절 렌즈가 없어 렌즈 대용으로
2023-04-12 -
연구 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
2023-03-16 -
연구 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 법칙
2023-02-06