%eb%b0%94%ec%9d%b4%ec%98%a4%eb%b0%8f%eb%87%8c%ea%b3%b5%ed%95%99%ea%b3%bc
-
자연 시각 원리로 초슬림·고해상도 카메라 시대 연다
스마트 기기가 얇아질수록 한계로 지적돼 온 ‘카메라 두께 문제’를 근본적으로 해결할 기술이 등장했다. 우리 대학 연구진이 렌즈 돌출 없이도 140도의 넓은 시야를 구현하는 초박형 카메라를 개발했으며, 이는 의료용 내시경부터 웨어러블 기기, 초소형 로봇까지 다양한 분야에 적용될 것으로 기대된다.
우리 대학 바이오및뇌공학과 정기훈 교수와 전산학부 김민혁 교수 공동연구팀이 곤충의 시각 원리를 적용해, 아주 얇으면서도 넓은 화각을 자랑하는‘광시야 생체모사 카메라’를 개발했다고 7일 밝혔다. 연구팀은 머리카락 굵기 수준에 가까운 1mm 이하의 초박형 구조에서, 사람의 시야를 뛰어넘는 140도의 대각 시야각을 확보하는 데 성공했다.
고성능 광각 카메라일수록 다수의 렌즈를 겹쳐 써야 하기에 두께가 두꺼워질 수밖에 없는 구조를 갖는다. 이러한 한계를 극복하기 위해 연구팀은 기생 곤충인 제노스 페키(Xenos peckii)의 시각 구조에 주목했다.
일반적인 곤충의 겹눈은 넓게 볼 수는 있지만 해상도가 낮다는 단점이 있고, 단일 렌즈 기반 카메라는 해상도는 높지만 시야가 제한된다. 반면 제노스 페키는 여러 개의 눈이 장면을 부분 이미지 단위로 나누어 촬영한 뒤 이를 뇌에서 하나로 결합해 고해상도 영상을 완성하는 독특한 방식을 갖는다. 연구팀은 이 ‘분할 촬영 및 통합’ 원리를 카메라 구조에 도입해 얇은 두께와 고화질이라는 두 마리 토끼를 동시에 잡았다. 이는 기존 겹눈 기반 카메라의 낮은 해상도 문제와 단일 렌즈 기반 카메라의 좁은 시야 한계를 동시에 극복한 것이다.
연구팀은 여러 개의 작은 렌즈가 각각 다른 방향을 동시에 촬영한 뒤, 이를 하나의 영상으로 합쳐 선명한 장면을 만드는 방식을 구현했다. 특히 렌즈 모양과 빛이 들어오는 위치를 정교하게 조정해, 화면 가장자리까지 흐려지지 않도록 했다. 그 결과 중심뿐 아니라 주변부까지 고르게 선명한 영상을 얻을 수 있으며, 아주 가까운 거리에서도 안정적인 촬영이 가능하다.
두께 0.94mm의 초박형 구조를 갖춘 이 카메라는 공간 제약이 큰 다양한 분야에 혁신을 가져올 전망이다. 좁은 부위를 정밀하게 관찰해야 하는 의료용 내시경은 물론, 미세 로봇이나 웨어러블 헬스케어 장비의 영상 획득 효율을 크게 높일 수 있다. 이는 카메라 성능 향상을 위해 장치 크기를 키워야 했던 기존 설계 패러다임을 바꾸는 기술로, 초소형 기기에서도 고성능 영상 획득을 가능하게 한다.
또한 연구팀은 광학 영상 전문 기업인 ㈜마이크로픽스에 기술이전을 완료했으며, 내년 본격적인 상용화를 목표로 하고 있다.
정기훈 교수는 “기존 광각 카메라는 크기를 줄이면 해상도가 떨어지고, 해상도를 높이면 장치가 커지는 한계가 있었다”며 “자연계의 시각 원리를 적용해 초소형 구조에서도 넓은 시야와 안정적인 영상 품질을 동시에 확보했다”고 설명했다. 이어 “공간 제약 환경에서도 활용 가능한 새로운 영상 획득 방식”이라고 덧붙였다.
이번 연구는 KAIST 권재명 박사과정생이 제1 저자로 참여했으며, 세계적인 학술지 네이처 커뮤니케이션즈(Nature Communications)에 3월 23일 게재되었다.
※ 논문명 : Biologically inspired microlens array camera for high-resolution wide field-of-view imaging, DOI: https://doi.org/10.1038/s41467-026-70967-2
이번 연구는 과학기술정보통신부 한국연구재단의 중견연구 사업과 보건복지부 한국보건산업진흥원의 한국형 ARPA-H 프로젝트 사업, 산업통상자원부 한국산업기술기획평가원의 소재부품기술개발 사업의 지원을 받아 수행됐다.
2026.04.07 조회수 379 -
노화·비만에도 잘 작동하는 mRNA 플랫폼 개발
코로나19 팬데믹 이후 mRNA 백신은 차세대 의약 기술로 주목받고 있다. mRNA 의약품은 세포가 특정 단백질을 만들도록 유전 정보를 전달해 치료 효과를 내는 방식이지만, 고령층이나 비만 환자에서는 효능이 떨어질 수 있다는 한계가 제기돼 왔다. 한국 연구진이 이러한 문제를 해결하기 위해 치료 단백질 생성 효율을 높이는 mRNA 핵심 구간을 새롭게 설계해, 노화·비만 환경에서도 효과가 유지되는 차세대 mRNA 플랫폼을 개발했다.
우리 대학은 바이오및뇌공학과 이영석 교수와 가톨릭대학교(총장 최준규) 남재환 교수 공동연구팀이 mRNA의 핵심 조절 영역인 ‘5′ 비번역 영역(5′ untranslated region, 5′UTR)*’ 서열을 정밀 설계한 새로운 mRNA 플랫폼을 개발했다고 10일 밝혔다.
*5′ 비번역 영역(5′UTR): mRNA에서 단백질 생산을 시작하고 효율을 조절하는 구간으로, 이 부분의 설계에 따라 단백질이 만들어지는 양과 속도가 달라질 수 있음
연구팀은 방대한 생물정보학 데이터를 분석해 다양한 세포 환경에서도 단백질이 더 효율적으로 만들어지도록 하는 5′UTR 서열을 찾아냈다. 이를 적용한 결과, 노화·비만 전임상 모델에서도 단백질 생성과 면역 반응이 크게 향상되는 것을 확인했다.
mRNA는 긴 단일 가닥 RNA 분자로, 우리 몸에 필요한 단백질을 만드는 생산 설계도이다. mRNA는 단백질 생산을 시작하고 속도를 조절하는 5′UTR, 특정 단백질 정보를 담고 있는 단백질 암호화 영역(coding sequence, CDS), mRNA가 세포 안에서 안정적으로 유지되도록 돕는 3′ 비번역 영역(3′UTR), 그리고 안정성을 높여 단백질 생산을 돕는 poly(A) 꼬리 등으로 구성된다.
이 가운데 5′UTR과 3′UTR은 단백질의 종류를 결정하는 부분은 아니지만, 단백질이 얼마나 효율적으로 만들어지는지를 조절하는 중요한 구간이다. 이러한 특징 때문에 이 두 영역들은 백신이나 치료제 등 다양한 mRNA 의약품의 성능을 높이기 위한 핵심 바이오공학 플랫폼 기술로 주목받고 있다.
연구팀은 여러 조직과 세포 환경에서 단백질 생산 능력이 뛰어난 5′UTR 서열을 찾기 위해 대규모 바이오 데이터를 통합 분석했다. 이 과정에서 유전자 활성도를 분석하는 대규모 조직 전사체 분석(RNA-seq), 개별 세포 수준의 유전자 발현을 확인하는 단일세포 전사체 분석(scRNA-seq), 실제 단백질 생성 효율을 측정하는 리보솜 프로파일링(Ribo-seq) 등 다양한 분석 기법을 활용했다.
연구진은 노화나 비만 상태에서는 세포가 스트레스를 많이 받아(산화 스트레스) 단백질을 만드는 능력이 떨어질 수 있다는 점에 주목했다. 이에 새롭게 설계한 mRNA 치료제를 노화·비만 전임상 모델에 적용한 결과, 세포에서 만들어지는 단백질의 생산력과 면역 반응이 기존보다 크게 향상되는 것을 확인했다. 이번 연구는 mRNA 백신뿐만 아니라, 유전자 치료제, 면역 치료제 등 다양한 바이오의약 기술 개발에도 활용될 수 있을 것으로 기대된다.
KAIST 바이오및뇌공학과 이영석 교수는 “이번 연구는 방대한 생물 데이터를 분석해 mRNA가 단백질을 더 잘 만들도록 하는 설계 방법을 찾아낸 것”이라며 “이 기술은 특히 고령층이나 비만 환자처럼 의약품 효과가 떨어질 수 있는 환경에서도 mRNA 백신과 치료제가 잘 작동하도록 하는 데 중요한 기반이 될 것”이라고 밝혔다.
가톨릭대학교 윤수빈 박사와 KAIST 조형곤 박사과정생이 공동 제1저자로 참여한 이번 연구 결과는 유전자·세포 치료 분야의 세계적 학술지 ‘몰레큘러 테라피(Molecular Therapy, IF=12.0)’에 1월 2일 온라인 게재됐다.
(논문명: Designing 5′UTR sequences improves the capacity of mRNA therapeutics in preclinical models of aging and obesity, DOI: https://doi.org/10.1016/j.ymthe.2025.12.060
한편, 이번 연구는 과학기술정보통신부 한국연구재단 우수신진연구 및 바이오의료개발사업, 식품의약품안전처 감염병 대응 혁신기술 지원연구, 한국보건산업진흥원 감염병 예방 치료 기술개발사업의 지원을 받아 수행됐다.
2026.03.10 조회수 1178 -
‘알파폴드 한계’ 넘었다…약물 작동까지 예측한다
우리 몸의 단백질은 스위치처럼 작동한다. 약물이 단백질에 결합하면 결합 부위 구조가 변하고, 그 변화가 단백질 전체로 전달돼 기능이 켜지거나 꺼진다. 구글 딥마인드의 알파폴드3는 약물-단백질 결합 여부와 결합 부위의 3차원 구조를 예측하는 데 성공했지만, 약물이 결합한 뒤 단백질 내부에서 어떻게 신호를 전달하고 단백질 전체 구조를 바꿔서 실제로 단백질의 기능을 활성화하거나 억제하는지까지는 예측하지 못했다. 우리 대학 연구진이 약물이 ‘붙는지’가 아니라 ‘실제로 작동하는지’까지 예측하는 AI를 개발했다.
우리 대학은 바이오및뇌공학과 이관수 교수 연구팀이 대표적인 신약 표적인 G-단백질 결합 수용체(GPCR)에 대해, 후보 물질이 단순히 결합하는지를 넘어 실제로 단백질을 활성화하는지까지 예측하는 인공지능 모델 ‘GPCRact(지피씨알액트)’를 개발했다고 8일 밝혔다.
GPCR(G-Protein Coupled Receptor)은 세포 표면에 있는‘신호 수신기’역할을 한다. 호르몬이나 신경전달물질, 약물이 세포 밖에서 신호를 보내면 이를 받아 세포 안으로 전달하는 문(게이트) 역할을 한다. 인체에는 약 800여 종의 GPCR이 존재하며, 현재 시판 약물의 약 30~40%가 이를 표적으로 한다. 심장 박동, 혈압 조절, 통증 감지, 면역 반응, 감정 조절 등 다양한 생리 기능에 관여하는 핵심 단백질이다.
하지만 약물이 GPCR에 결합했다고 해서 항상 원하는 기능이 작동하는 것은 아니다. 결합 이후 단백질 내부에서 일어나는 구조 변화와 신호 전달 과정이 실제 작용 여부를 결정한다. 이를 ‘알로스테릭 신호 전파’라고 한다.
연구팀은 약물 작용 과정을 ① 약물-표적 결합 단계 ② 단백질 내부 신호 전파 단계로 나누어 AI가 단계적으로 학습하도록 설계했다. 단백질의 3차원 구조를 원자 수준 그래프로 표현하고, 중요한 신호 전파 경로를 학습할 수 있도록‘어텐션 메커니즘’을 적용했다. 이를 통해 AI가 약물 결합 신호와 함께 단백질 내부 신호 전파 경로를 파악하여 단백질의 활성을 예측하도록 했다.
그 결과, 기존 모델이 어려워했던 복잡한 구조의 단백질에서도 약물 활성 예측 성능을 크게 향상시켰다. 이번 모델은 단순히 ‘활성’ 또는 ‘비활성’결과만 제시하지 않는다. 예측의 근거가 되는 단백질 내부 핵심 신호 경로를 제시해, 이른바 ‘블랙박스 AI’의 한계를 극복했다.
이는 연구자가 결과를 해석하고 검증할 수 있게 해 신약 개발의 신뢰성과 효율성을 동시에 높일 수 있는 중요한 진전이다. 앞으로 GPCR을 표적으로 하는 다양한 질병에서, 약물의 결합 여부뿐 아니라 실제 활성 여부까지 예측하는 정밀 신약 개발 AI 플랫폼으로 활용될 전망이다.
이관수 교수는 “알로스테릭 구조 변화는 약물이 단백질의 한 부분에 결합했을 때 그 영향이 내부로 전달돼 다른 부위의 기능까지 바뀌는 현상”이라며 “이 작동 원리를 딥러닝에 반영한 것이 이번 연구의 핵심”이라고 밝혔다. 이어 “앞으로 다양한 단백질로 확장하고, 세포와 인체 반응까지 예측하는 기술로 발전시키겠다”고 말했다.
손효진 박사과정생이 제1 저자로 참여한 이번 논문은 생물정보학 분야 최고 권위의 국제 학술지인 `브리핑스 인 바이오인포매틱스(Briefings in Bioinformatics, JCR 상위 2.2%)'에 1월 15일자 게재됐다.
※ 논문명 : GPCRact: a hierarchical framework for predicting ligand-induced GPCR activity via allosteric communication modeling, DOI: https://doi.org/10.1093/bib/bbaf719
※ 저자 정보 : 손효진 (KAIST, 제1 저자), 이관수 (KAIST, 교신저자)
이 연구는 개인기초연구(과학기술정보통신부, 한국연구재단, RS-2025-24533057)의 지원으로 수행됐다.
2026.03.09 조회수 1685 -
B 세포 기반 ‘암을 기억하는’ 개인맞춤형 항암백신 길 열다
신생항원은 암세포만을 구별하는 고유한 표식이다. B 세포 반응성을 더하면 항암백신은 일회성 공격과 단기 기억을 넘어 장기적으로 암을 기억하는 면역이 되어 암의 재발도 효과적으로 방지할 수 있게 된다. 우리 대학 연구진은 이를 가능하게 하고, 개인별로 항암 효과를 최적화하는 AI 기반 맞춤형 항암백신 설계 기술을 개발했다.
우리 대학은 바이오및뇌공학과 최정균 교수 연구팀이 ㈜네오젠로직과의 공동연구를 통해 개인맞춤형 항암백신 개발의 핵심 요소인 신생항원을 예측하는 새로운 AI 모델을 개발하고, 이를 통해 면역항암치료에서 B 세포의 중요성을 규명했다고 2일 밝혔다.
연구팀은 기존 신생항원 발굴이 주로 T 세포 반응성 예측에 의존하던 한계를 극복하고, T 세포와 더불어 B 세포 반응성까지 통합적으로 고려한 AI 기반 신생항원 예측 기술을 개발했다.
해당 기술은 대규모 암 유전체 데이터, 동물실험, 항암백신 임상시험 자료 등을 통해 검증되었으며, 신생항원에 대한 B 세포 반응성을 정량적으로 예측할 수 있는 최초의 AI 기술로 평가된다.
신생항원은 암세포 돌연변이에서 유래된 단백질 조각으로 이루어진 항원으로, 암세포 특이성을 갖기 때문에 차세대 항암 백신의 핵심 타깃으로 주목받아 왔다. 모더나와 바이오엔텍은 신생항원 기반 항암백신 기술을 발전시키는 과정에서 확보한 mRNA 플랫폼을 활용해 COVID-19 백신을 개발한 바 있으며, 글로벌 제약사들과 함께 항암백신 임상시험을 활발히 진행 중이다.
그러나 현재 항암백신 기술은 대부분 T 세포 중심의 면역반응에 집중되어 있어 B 세포가 매개하는 면역반응을 충분히 반영하지 못한다는 한계가 존재했다.
실제로 존스홉킨스대학교 마크 야소안(Mark Yarchoan)·엘리자베스 재피(Elizabeth Jaffee) 교수 연구팀도 2025년 5월 네이처 리뷰 캔서(Nature Review Cancer)에서 “B 세포의 종양 면역 역할에 대한 근거가 축적되고 있음에도 불구하고 대부분의 항암백신 임상시험이 여전히 T 세포 반응에만 초점을 맞추고 있다”고 지적한 바 있다.
연구팀의 새로운 AI 모델은 돌연변이 단백질과 B 세포 수용체(BCR) 간 구조적 결합 특성을 학습해 B 세포 반응성을 예측하는 방식으로 기존 한계를 극복했다. 특히 항암백신 임상시험 데이터를 분석한 결과, B 세포 반응까지 통합적으로 고려함으로써 실제 임상에서 항종양 면역 효과를 크게 높일 수 있음을 확인했다.
최정균 교수는 “현재 신생항원 AI 기술을 사업화하고 있는 ㈜네오젠로직과 함께 개인맞춤형 항암백신 플랫폼의 전임상 개발을 진행하고 있으며, 2027년 임상 진입을 목표로 FDA IND* 제출을 준비 중”이라며 “독자적인 AI 기술을 기반으로 항암백신 개발의 과학적 완성도를 높이고 임상 단계로의 전환을 단계적으로 추진하겠다”고 밝혔다.
*FDA IND: 사람에게 처음으로 신약을 투여하기 전에, 미국 식품의약국(FDA)에 임상시험을 해도 되는지 허가를 받는 절차
이번 연구에는 김정연 박사와 안진현 박사가 공동 제1저자로 참여했으며, 연구 결과는 국제 학술지 사이언스 어드밴시스(Science Advances)에 12월 3일에 게재되었다.
※논문제목: B cell–reactive neoantigens boost antitumor immunity, DOI: 10.1126/sciadv.adx8303
2026.01.02 조회수 1445 -
종양 속 잠든 면역세포를 깨워 암을 공격하게 하다
우리 몸의 종양 안에는 암과 싸울 수 있는 면역세포(대식세포)가 있지만, 암에 의해 제 역할을 하지 못해왔다. 우리 대학 연구진은 이러한 한계를 넘어, 종양 내부에서 면역세포를 직접 항암 세포치료제로 바꾸는 새로운 치료법을 개발했다.
우리 대학은 바이오및뇌공학과 박지호 교수 연구팀이 종양 내부에 약물을 주입하면, 체내에 존재하던 대식세포가 이를 흡수해 스스로 CAR(암을 인식하는 장치) 단백질을 만들고 항암 면역세포인 ‘CAR-대식세포’로 전환되는 치료법을 개발했다고 30일 밝혔다.
고형암은 위암·폐암·간암처럼 단단한 덩어리 형태로 자라는 암으로, 면역세포가 종양 안으로 침투하거나 기능을 유지하기 어려워 기존 면역세포치료의 효과가 제한적이었다.
최근 차세대 면역치료로 주목받는 CAR-대식세포는 암세포를 직접 잡아먹는 동시에 주변 면역세포를 활성화해 항암 반응을 확산시키는 장점을 갖는다.
하지만 지금까지의 CAR-대식세포 치료는 환자 혈액에서 면역세포를 채취한 뒤 배양과 유전자 조작을 거쳐야 해 시간과 비용 부담이 크고 실제 환자 적용에도 한계가 있었다.
연구팀은 이 문제를 해결하기 위해 종양 주변에 이미 모여 있는 ‘종양 연관 대식세포’에 주목했다.
대식세포에 잘 흡수되도록 설계된 지질나노입자에 암을 인식하는 정보를 담은 mRNA와 면역 반응을 깨우는 면역자극제를 함께 실어, 체내에서 면역세포를 직접 재프로그래밍하는 전략이다.
즉, CAR-대식세포는 원래 몸에 있던 대식세포를 이번 연구에서는 ‘몸 안에서 바로 항암 세포치료제로 바꾼 것’이다.
이 치료제를 종양 내부에 주입하자 대식세포가 이를 빠르게 흡수해 암세포를 인식하는 단백질을 만들었고, 동시에 면역 신호가 활성화됐다. 그 결과 생성된 ‘강화된 CAR-대식세포’는 암세포 제거 능력이 크게 향상되고, 주변 면역세포까지 활성화되면서 강력한 항암 효과를 보였다.
실제로 흑색종(피부에 생기는 가장 위험한 암) 동물 모델 실험에서 종양 성장이 뚜렷하게 억제됐으며, 치료 효과가 국소 부위를 넘어 전신 면역 반응으로 확장될 가능성도 확인됐다.
박지호 교수는 “이번 연구는 환자 몸 안에서 바로 항암 면역세포를 만들어내는 새로운 개념의 면역세포치료 전략”이라며 “기존 CAR-대식세포 치료의 가장 큰 한계였던 전달 효율 문제와 면역억제 환경 문제를 동시에 극복했다는 점에서 의미가 크다”고 말했다.
이번 연구에는 KAIST 바이오및뇌공학과 한준희 박사가 제1 저자로 참여했으며, 연구 결과는 나노기술 분야 국제학술지 ‘ACS 나노(ACS Nano)’에 지난 11월 18일 게재됐다.
※ 논문명: In Situ Chimeric Antigen Receptor Macrophage Therapy via Co-Delivery of mRNA and Immunostimulant, 저자: 한준희(제1저자), Erinn Fagan, 염경환, 박지호(교신저자), DOI: 10.1021/acsnano.5c09138
본 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.
2025.12.30 조회수 1431 -
KAIST–캄보디아 파스퇴르 연구소, 뎅기바이러스 진단 연구협력 MOU 체결
우리 대학은 최근 캄보디아 파스퇴르 연구소(Institut Pasteur du Cambodge, IPC)와 뎅기바이러스(DENV) 현장진단 기술 개발을 위한 양해각서(MOU)를 체결했다. 뎅기바이러스는 동남아시아를 중심으로 꾸준히 유행하며 지카(ZIKV), 치쿤군니야(CHIKV) 등 다른 아보바이러스 감염과 임상 증상이 유사해 혼동되기 쉽기 때문에, 감염 초기 단계에서 정확한 구분 진단이 매우 중요하다. 특히 혈청형이 네 가지로 나뉘는 뎅기바이러스는 감염 이력에 따라 증상 중증도가 달라질 수 있어, 감염된 바이러스의 혈청형까지 빠르게 파악하는 기술이 필수적이다.
이번 협약의 파트너인 캄보디아 파스퇴르 연구소는 동남아 지역의 대표적인 공중보건·바이러스 감시 연구기관으로, 장기간 축적된 뎅기바이러스 임상 샘플과 감시 네트워크를 보유하고 있어 진단기술의 현장 검증에 최적의 환경을 제공한다. 우리 대학에서는 바이오및뇌공학과 손성민 교수 연구팀이 참여해, CRISPR 기반 차세대 분자진단 기술을 실제 환자 샘플에 적용하여 그 성능과 활용성을 검증할 예정이다.
손성민 교수는 이번 협력을 “현장에서 실제로 사용 가능한 CRISPR 기반 진단 기술을 완성하는 데 매우 중요한 전환점”이라고 설명했다. 그는 “동남아 지역에서는 신속하고 정확한 뎅기 진단이 곧 치료 결정과 감염 차단으로 이어진다. KAIST에서 개발한 기술을 가장 필요한 지역에서 시험하고 개선할 수 있다는 점에서 이번 협력의 의미가 크다”고 강조했다.
한편, 이번 연구는 한국보건산업진흥원의 보건의료기술 연구개발사업(과제고유번호: RS-2025-02263583)의 지원을 받아 수행된다.
2025.12.18 조회수 781 -
세포·약물 반응‘레고블록’처럼 조립·예측하는 AI 기술 개발
세포의 상태를 원하는 방향으로 조절하는 것은 신약 개발, 암 치료, 재생 의학 등 생명과학 분야의 핵심 과제지만, 적합한 약물이나 유전자 표적을 찾는 일은 쉽지 않다. 이에 우리 대학 연구진은 세포와 약물 반응을 레고블록처럼 분해하고 다시 조립하는 방식으로 수학적으로 모델링해, 실제로 실험하지 않은 세포와 약물의 새로운 반응은 물론 임의의 유전자 조절 효과까지 예측할 수 있는 새로운 AI 기술을 개발했다.
우리 대학은 바이오및뇌공학과 조광현 교수 연구팀이 생성형 AI를 활용해 세포를 목표 상태로 유도할 수 있는 약물과 유전자 표적을 찾아내는 새로운 인공지능 기술을 개발했다고 16일 밝혔다.
‘잠재공간(latent space)’은 이미지 생성 AI가 사물이나 세포의 특징을 수학적으로 정리해 놓은 보이지 않는 ‘지도’와 같은 공간이다. 연구팀은 이 공간에서 세포의 상태와 약물의 효과를 각각 분리해내고, 이를 다시 조합해 실험하지 않은 세포-약물 조합의 반응을 예측하는 방식을 고안했다. 이 원리를 확장해, 특정 유전자를 조절했을 때 어떤 변화가 나타나는지도 예측할 수 있음을 보였다.
연구팀은 실제 데이터를 활용해 이 기술을 검증했다. 그 결과 대장암 세포를 정상 세포에 가까운 상태로 되돌릴 수 있는 분자 표적을 AI가 찾아냈고, 이를 세포 실험으로 입증했다.
이는 이번 성과가 암 치료에만 국한되는 것이 아니라, 학습되지 않은 다양한 세포 상태 전환과 약물 반응을 예측할 수 있는 범용 플랫폼임을 보여주는 사례다. 즉, 단순히 ‘이 약이 효과가 있다’ 수준이 아니라 그 약이 세포 안에서 어떻게 작용하는지 원리까지 밝힐 수 있었다는 점에서 의미가 크다.
이번 연구는 세포를 원하는 상태로 바꿀 수 있는 방법을 설계하는 데 큰 도움이 되는 도구다. 앞으로 신약 개발이나 암 치료뿐만 아니라, 손상된 세포를 다시 건강한 세포처럼 되살리는 연구 등 여러 의학 분야에 널리 활용될 수 있을 것으로 기대된다.
조광현 교수는 “이미지 생성 AI 기술에서 착안해 세포도 원하는 방향으로 바꿀 수 있다는 아이디어인 ‘방향 벡터’ 개념을 적용했다”며, “이번 기술은 특정 약물이나 유전자가 세포에 미치는 효과를 정량적으로 분석하고, 아직 알려지지 않은 반응까지 예측할 수 있는 범용 AI 방식이라는 점에서 의미가 크다”고 말했다.
이번 연구에는 KAIST 한영현 박사, 김현진 박사과정, 이춘경 박사가 참여했으며, 연구 결과는 셀(Cell) 출판사가 출간하는 국제 학술지 `셀 시스템(Cell Systems)'에 10월 15일 字 논문으로 출판됐다.
※ 논문명: Identifying an optimal perturbation to induce a desired cell state by generative deep learning (DOI: 10.1016/j.cels.2025.101405)
한편, 이번 연구는 과학기술정보통신부 한국연구재단의 중견연구사업과 기초연구실 사업 등의 지원을 통해 수행됐다.
2025.10.16 조회수 2454 -
MICCAI 국제학회 주관 뇌혈관 구획화 대회 MRI 및 CT 부문 1위
우리 대학 바이오및뇌공학과 박성홍 교수 연구실(연구실명: 자기공명영상 연구실, Magnetic Resonance Imaging Laboratory)이 MICCAI 국제학회의 TopBrain 뇌 혈관 Segmentation Challenge에서 1등상을 수상했다.
MICCAI의 TopBrain Challenge는 뇌혈관을 가장 정확히 구획화(Segmentation)하는 딥러닝 네트워크 개발을 놓고 매년 전세계적으로 경쟁하는 대회로서 올해로 3회째를 맞고 있다. 이전 두 대회는 TopCoW라는 이름으로 대뇌동맥고리(circle of willis) 영역 구획화로만 치러졌고, 올해 처음 TopBrain이라는 이름으로 뇌 전체 혈관 구획화로 확장되었다. MICCAI (Medical Image Computing and Computer Assisted Intervention)는 매년 전세계 의료영상연구자들의 모임으로써 올해는 대전 convention center (DCC)에서 전세계 3천명 내외의 연구자가 참여했다.
TopBrain Challenge는 MICCAI에서 개최하는 50개 Challenge중 하나로서, MRI 뇌혈관영상과 CT 뇌혈관영상에 대해 따로 경쟁을 치른다. 지난 8월 대회가 시작되었고 9월 21일 최종 딥러닝 네트워크 제출마감, 9월 23일 MICCAI 학회에서 수상자 발표의 순으로 진행되었다.
MRI 뇌혈관영상 분야와 CT 뇌혈관영상 분야 모두 1등상은 박성홍 교수 연구실의 김우승, Naparasa Asawalertsak, 김민재, 신동호 네 학생이 KPopDemonHunters라는 팀명으로 참여하여 수상하였다.
구체적으로, OpenMind pre-trained network를 활용하여, self-supervised learning을 이용하여 fine tuning을 진행하고, binary segmentation을 이용하여 false positive 값들을 줄이고, 공개된 TopCoW 데이터를 추가로 활용하여 pseudo-label을 만들어서 네트워크 정확도를 개선하였다. 개발된 네트워크는 MRI 뇌혈관영상의 경우 단순한 1등이 아니라 대회를 주관한 challenge organizer 팀들보다도 더 높은 성능을 보였다.
2025.10.13 조회수 1812 -
'거꾸로' 생각해 맞춤형 3차원 뇌신경 칩 제작
체외에서 배양한 뇌 신경조직은 뇌 연구를 단순화한 실험 모델로 널리 활용돼 왔으나, 기존 장치는 반도체 공정 기반으로 제작돼 형태 변형과 입체(3D) 구조 구현에 한계가 있었다. KAIST 연구팀은 발상의 전환으로 3D 프린터로 빈 통로 구조를 먼저 제작한 뒤, 그 통로를 전도성 잉크가 모세관 현상으로 저절로 채우게 해 전극·배선을 만드는 맞춤형 3D 뇌 신경 칩을 완성했다. 이번 성과는 뇌과학·뇌공학 연구 플랫폼의 설계 자유도와 활용성을 크게 높일 것으로 기대된다.
우리 대학은 바이오및뇌공학과 남윤기 교수 연구팀은 기존 반도체 공정 기반 제작 방식의 한계를 극복하고 ‘3D 미세전극 칩(3차원 공간에 배치된 다수의 미세전극을 통해 신경세포의 전기적 활동을 측정하고 자극할 수 있는 신경 인터페이스)’을 다양한 형태의 맞춤형 체외 배양칩 형태로 정밀하게 제작할 수 있는 플랫폼 기술을 개발하는데 성공했다고 25일 밝혔다.
기존 3D 미세전극 칩 제작은 반도체 공정을 기반으로 해 입체적 설계 자유도가 제한되고 높은 비용이 요구됐다. 이를 극복하기 위해 최근 3D 프린팅 기반 제작 기술이 제안됐으나 ‘전기 전도성 물질 패터닝 → 절연체 도포 → 전극 오프닝’ 순서를 따르는 기존의 방식으로는 다양한 체외 배양 신경네트워크 구조를 위한 입체적 설계 자유도 측면에서 여전히 한계를 지니고 있었다.
KAIST 연구진은 3D 프린팅 기술이 제공하는 뛰어난 입체적 설계 자유도와 출력물을 절연체로 활용할 수 있다는 특성에 착안해, 기존 공정 순서를 거꾸로 뒤집은 방식을 도입함으로써 체외 배양용 3차원 신경네트워크 모델을 보다 자유롭게 설계하고 기능을 측정할 수 있는 혁신적인 공정법을 확립했다.
먼저, 3D 프린터를 활용해 미세 터널이 형성된 속이 빈 3차원 절연체를 출력했다. 이 구조물은 전도성 물질이 3차원 공간에서 안정적으로 구조를 유지하면서, 동시에 다양한 3차원 신경 네트웍을 제작하는 지지체 역할을 할 수 있도록 설계됐다. 이후, 전기 전도성 잉크를 모세관 현상으로 내부의 미세 터널을 채우면, 복잡한 입체 배양 지지체 구조물 내에 미세전극을 보다 자유롭게 배치한 3차원 지지체-미세전극칩을 제작할 수 있음을 선보였다.
새로운 플랫폼은 프로브형, 큐브형, 모듈형 등 다양한 형태의 칩 구현이 가능하고, 그래파이트·전도성 폴리머·은 나노입자 등 여러 재료 기반 전극 제작도 지원한다. 이를 통해 3차원 신경 네트워크의 내부와 외부에서 발생하는 다채널 신경 신호를 동시에 측정할 수 있어, 신경세포 간 동적 상호작용과 연결성을 정밀하게 분석할 수 있다.
남 교수는 “이번 연구는 3D 프린팅과 모세관 현상을 결합해 신경칩 제작의 자유도를 크게 확장한 성과”라며, “앞으로 뇌신경 조직을 활용한 기초 뇌과학 연구뿐 아니라 세포 기반 바이오센서, 바이오컴퓨팅 같은 응용 분야 발전에도 기여할 것”이라고 밝혔다.
이번 연구에는 KAIST 바이오및뇌공학과 윤동조 박사가 제1 저자로 참여했으며, 연구 결과는 국제 학술지 어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials) 온라인판(6월 25일자)에 게재됐다.
※논문명: Highly Customizable Scaffold-Type 3D Microelectrode Array Platform for Design and Analysis of the 3D Neuronal Network In Vitro), DOI: https://doi.org/10.1002/adfm.202510446
한편 이번 연구는 한국연구재단 중견연구사업과 글로벌 기초연구실사업의 지원을 받아 수행됐다.
2025.09.25 조회수 2684 -
집에서 편안히 누워 정확하게 심전도 실시간 측정
우리 대학 연구진이 병원에 가지 않고도 옷을 입은 채 침대에 눕기만 하면 심전도(Electrocardiogram, ECG)와 심박변이(Heart Rate Variability, HRV)를 실시간으로 측정할 수 있는 기술을 개발했다. 이번 기술은 원격 의료와 연계해 일상적인 심장 건강 모니터링 플랫폼으로 발전할 수 있으며, 나아가 수면·스트레스 분석 등 다양한 바이오 헬스케어 분야로 확장되어 환자 맞춤형 예방과 조기 진단에 기여할 것으로 기대된다.
우리 대학은 바이오및뇌공학과 김철 교수 연구팀이 ‘침대형 심장 모니터링 온디바이스 시스템’을 개발했다고 19일 밝혔다.
연구팀은 전자회로와 전극을 하나로 통합한 유연성 기판 센서를 제작해 정밀도를 높였으며, 온디바이스 신호처리를 통해 신호-잡음 분리, 심장 박동 신호(R-피크) 검출, 심박변이 분석을 실시간으로 수행할 수 있는 통합 시스템을 구현했다.
기존 심전도 측정은 병원을 방문해 옷을 벗고 피부에 습식 전극을 부착해야 하는 불편이 있었다. 이 때문에 장기적인 모니터링이 어렵고, 특히 고령자나 만성질환 환자는 일상적으로 활용하기 쉽지 않았다. 비접촉 방식은 외부 잡음에 취약하다는 기술적 한계도 있었다.
연구팀은 이러한 문제를 해결하기 위해, 외부 잡음을 차단하고(능동 차폐), 인체의 미세한 전류 변화를 안정적으로 잡아내는 회로(오른다리 구동회로)를 적용했다. 또 심장 박동 신호에서 중요한 부분만 뽑아내는 수학적 변환 기법(웨이블릿 변환)과, 심장의 전기적 박동 순간(R-peak)을 정확히 짚어내는 계산법(피크 검출 알고리즘)을 온디바이스 신호처리 기법으로 구현해 신호를 정밀하게 실시간으로 분석할 수 있도록 했다.
그 결과 사용자는 옷을 입은 채 등을 대고 누워도 안정적이고 정확한 심전도 신호를 얻을 수 있다.
이번 연구는 병원뿐 아니라 가정에서도 손쉽게 활용할 수 있어 만성 심혈관 질환 관리와 고령자 건강 지원에 새로운 가능성을 제시한다.
김철 교수는 “잡음 환경에서도 실시간으로 신호를 추출할 수 있는 이번 시스템은 일상에서 심장 건강을 손쉽게 확인하는 데 활용될 수 있다”며, “향후 다양한 생체 신호 측정을 추가해 수면 건강 관리의 초석이 될 것”이라고 말했다.
바이오및뇌공학과 김민재 박사과정과 프렘라위 티라윗차양군(Premravee Teeravichayangoon) 연구원이 공동 제1 저자로 참여한 이번 논문은 국제 학술지 ‘바이오센서스 앤 바이오일렉트로닉스(Biosensors and Bioelectronics)’에 2025년 8월 9일 자로 온라인판에 게재됐다.
※ 논문명 : A homecare in-bed hardware system for precise real-time ECG and HRV monitoring with layered clothing. DOI: https://doi.org/10.1016/j.bios.2025.117838
※ 저자 정보 : 김민재(KAIST 바이오및뇌공학과, 제1 저자), Premravee Teeravichayangoon(KAIST 바이오및뇌공학과, 제1 저자), 김철(KAIST 바이오및뇌공학과, 교신 저자)
한편, 이번 연구는 한국연구재단 기초연구실 및 바이오의료기술개발사업과 카이스트-세라젬 미래헬스케어 연구센터의 지원을 받아 수행됐다.
2025.09.19 조회수 2221 -
스마트 패치 붙였더니..피검사 대신 땀으로 검진 가능
혈액 검사 대신 땀만으로도 우리 몸의 건강 상태를 정밀하게 진단할 수 있는 시대가 열리고 있다. 달리기, 마라톤, 헬스 등 운동 중 신체가 어떻게 반응하는지도 이제는 피부에 부착한 패치 하나로 분석할 수 있게 됐다. 우리 연구진이 땀만으로 체내 변화를 정밀하게 측정할 수 있는 ‘스마트 패치’를 개발해, 만성질환 관리와 개인 맞춤형 헬스케어 기술 발전에 크게 기여할 것으로 기대된다.
우리 대학 바이오및뇌공학과 정기훈 교수 연구팀이 땀 속 여러 대사산물을 동시에, 실시간으로 분석할 수 있는 웨어러블 센서를 개발했다고 7일 밝혔다.
최근 땀 속 대사산물을 분석하여 인체의 정밀한 생리학적 상태를 모니터링하려는 웨어러블 센서 연구가 활발히 진행되고 있다. 그러나 기존의 형광 표지나 염색을 거치는 ‘표지(label)’ 기반 센서나 ‘비표지(label-free)’ 방식은 효과적인 땀 수집과 제어에 어려움이 있었다. 이로 인해 실제 인체에서 시간에 따른 대사산물 변화를 정밀하게 관찰하는 데 제약이 있었다.
이런 제약을 극복하고자 연구팀이 개발한 센서는 피부에 직접 부착하는 얇고 유연한 웨어러블 땀 패치다. 이 패치에는 땀을 모으고 미세한 통로와, 빛을 이용해 땀 속 성분을 정밀하게 분석하는 초미세 ‘나노플라즈모닉 구조*’가 함께 탑재돼 있다. 덕분에 한 번의 패치 착용으로 땀 속 여러 대사 성분을 동시에 분석할 수 있다.
*나노플라즈모닉 구조: 나노 크기의 금속 패턴이 빛과 상호작용하여, 땀 속 분자의 존재나 농도 변화를 고감도로 감지할 수 있도록 설계된 광학 센서 구조
이 패치는 빛을 나노미터(머리카락 굵기의 10만 분의 1 크기) 수준에서 조작해 분자의 성질을 읽어내는 ‘나노광학 기술’과, 머리카락보다 가느다란 채널 속에서 땀을 정밀하게 제어하는 ‘미세 유체 기술’을 접목해 구현됐다.
즉, 하나의 땀 패치 안에 시간 순서대로 땀을 채집할 수 있는 미세유체 기술을 접목하여, 다양한 대사물질의 체내 변화를 쉽게 측정할 수 있다. 패치 내부에는 6개~17개까지 챔버(저장 공간)가 있으며, 운동 중 분비되는 땀이 순차적으로 각 챔버에 채워지는 미세유체 구조로 설계되어 있다.
연구팀은 실제 사람에게 적용해, 운동할 때 나오는 땀 속에서 시간이 지나며 달라지는 성분 변화를 연속적으로 추적하는 데 성공했다. 기존에 동시에 두 가지 정도 성분만 확인 가능했지만, 이번 연구에서는 요산, 젖산, 티로신 등 대사·운동·질환과 관련된 중요한 바이오마커인 세 가지 대사 물질이 운동과 식단에 따라 어떻게 변화되고 동시에, 정량적으로 분석할 수 있음을 세계 최초로 입증했다.
이에 따라 달리기, 마라톤, 헬스 등 운동 중에 발생하는 지구력과 근육량 변화를 파악할 수 있을 뿐 아니라, 수치 변화를 통해 통풍·간기능 이상·신장질환 등 잠재적 위험도 확인할 수 있다. 특히 연구팀은 인공지능(AI) 분석 기법을 적용해, 땀 속에 혼합된 복잡한 성분들 가운데서도 원하는 대사산물의 신호를 정확하게 분리해 내는 데 성공했다.
정기훈 교수는 “이번 연구는 혈액을 채취하지 않고도 땀 패치만으로 체내 대사 변화를 시간에 따라 정밀하게 모니터링할 수 있는 기반을 마련했다”며, “이를 통해 일상적인 건강 모니터링은 물론, 운동을 즐기는 사람들의 근육 변화와 질환 감지까지 가능해졌다. 앞으로는 만성질환 관리, 약물 반응 추적, 환경 노출 모니터링, 대사성 질환의 차세대 바이오마커 발굴 등 다양한 분야로 확장될 수 있을 것”이라고 말했다.
이번 연구는 전재훈 박사과정생이 제1 저자로 참여했으며, 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 8월 27일자 온라인판에 게재됐다.
※논문명: All-Flexible Chronoepifluidic Nanoplasmonic Patch for Label-Free Metabolite Profiling in Sweat
※ DOI: https://doi.org/10.1038/s41467-025-63510-2
이번 성과는 한국연구재단, 과학기술정보통신부, 보건복지부, 산업통상자원부의 지원으로 이뤄졌다.
2025.09.08 조회수 3914 -
안개 속 모습도 또렷하게..숨겨진 영상 복원 AI 개발
물방울이 맺힌 유리창 밖을 보면 물체의 형체를 선명하게 알아볼 수 없는 것처럼, 카메라 센서에도 산란에 의해 뒤섞인 빛이 들어오면 흐린 영상이 촬영된다. 우리 연구진은 이러한 손상 영상을 시간의 연속성을 분석하여 선명하게 복원하는 AI 기술을 개발했다. 영상 촬영에선 산란 효과 뿐만 아니라 아지랑이와 같은 수차 효과, 야간에 발생하는 광자 잡음 효과 등 다양한 영상 손상 현상이 일어날 수 있는데, 이번에 개발된 기술은 이러한 다양한 손상 현상에 범용적으로 적용될 수 있어 향후 의료·방산·로봇 비전 분야에서 커다란 전환점을 마련할 것으로 기대된다.
우리 대학 바이오및뇌공학과 장무석 교수와 김재철AI대학원 예종철 교수 공동 연구팀이 움직이는 산란 매질 너머의 숨겨진 영상을 복원할 수 있는 ‘비디오 디퓨전 기반 영상 복원 기술(시간축 정보 정합성을 활용해 흐릿하거나 손상된 영상을 디퓨전 모델로 되살리는 기술)’을 세계 최초로 개발했다고 31일 밝혔다.
이 기술은 안개 낀 도로에서 자동차 전조등을 켜도 시야가 흐릿하게 보이는 현상이나, 김 서린 욕실 유리창 너머의 모습이 왜곡되어 보이는 것처럼 빛이 흐트러지는 환경에서도 원래 영상을 선명하게 복원할 수 있게 한다.
산란 매질은 빛의 경로를 무질서하게 섞어 시각 정보를 왜곡하는 물질로, 안개·연기·불투명 유리·피부 조직 등이 대표적이다. 이번에 개발된 기술은 기존에 보이지 않던 영역을 마치 ‘가려진 간유리 뒤를 들여다보듯’ 복원할 수 있게 해준다.
이를 통해 혈액이나 피부 속을 들여다보는 비침습적 의료 진단, 화재 현장의 연기 속 인명 구조, 벽에서 반사된 빛으로 영상을 복원하는 비시선 영상, 안개 낀 도로에서의 안전 운전 보조, 불투명 유리나 플라스틱 내부의 산업 검사, 흐린 물속 시야 확보 등 일상과 산업 전반에 활용될 수 있는 길을 열었다.
연구팀은 기존 인공지능 복원 기술이 훈련된 데이터 범위에서만 성능을 내는 한계를 극복하기 위해, 광학 모델과 비디오 디퓨전 모델을 결합한 새로운 복원 방식을 제안했다.
특히 시간에 따라 산란 환경이 변하는 경우(예: 바람에 흔들리는 커튼 너머 풍경)에도 안정적으로 복원할 수 있도록 연속된 영상의 시간적 상관관계를 학습한 디퓨전 모델을 도입했다. 그 결과 다양한 거리·두께·잡음 조건에서도 기존 최고 성능의 복원 모델을 뛰어넘는 결과를 얻었다.
공동 연구팀은 디퓨전 기반 복원 기술 중 최초로 시간 상관관계를 반영해, 움직이는 산란 매질 너머에서 정자의 움직임 패턴을 관찰하는 데 성공함으로써 세계적으로 큰 학문적 의미를 남겼다. 또한, 별도의 추가 학습 없이도 안개 제거, 영상 화질 개선(고해상도 프레임 생성), 블라인드 디블러링(흐린 영상 선명화) 등 다양한 상황에서 적응적으로 영상을 복원할 수 있는 최적화 기법을 도입해, 범용 복원 프레임워크로 확장될 가능성을 입증했다.
권태성 연구원은 “시간 상관관계를 학습한 디퓨전 모델이 움직이는 산란매질 너머 보이지 않는 데이터를 복원하는 광학 역문제 해결에 효과적임을 확인했다”면서, “앞으로는 안개 제거, 영상 화질 개선, 블라인드 디블러링 뿐만 아니라, 빛의 시간적 변화를 역추적해야 풀 수 있는 다양한 광학 역문제로 연구를 확장할 계획”이라고 밝혔다.
이번 연구는 바이오및뇌공학과 권태성·송국호 박사과정이 공동 제1 저자로 참여했으며, 세계 최고 수준의 인공지능 학술지 IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)에 8월 13일에 게재됐다.
※논문명: Video Diffusion Posterior Sampling for Seeing Beyond Dynamic Scattering Layers
※DOI: 10.1109/TPAMI.2025.3598457
이번 연구는 과학기술정보통신부, 한국연구재단의 우수신진 연구자 사업 및 뇌선도연구센터사업, 삼성미래기술육성사업, AI 스타펠로우십의 지원을 받아 수행됐다.
2025.09.01 조회수 3334