별도 학습데이터 없이 형광현미경 영상 신호대잡음비 대폭 개선
생명과학·뇌 질환 치료제 개발 활용 기대…국제학술지 게재
김양수 기자 = KAIST는 전기및전자공학부 윤영규 교수 연구팀이 기존보다 10배 이상 정밀하게 생체 형광신호 측정이 가능한 인공지능(AI) 영상 분석기술을 개발했다고 20일 밝혔다.
윤 교수팀의 이 기술은 별도의 학습데이터 없이 낮은 신호대잡음비를 갖는 형광현미경 영상으로부터 데이터의 통계적 분포를 스스로 학습해 영상의 신호대잡음비를 10배 이상 높여 생체신호를 정밀하게 측정할 수 있다.
각종 생체신호의 측정 정밀도가 크게 향상돼 생명과학 연구는 물론 뇌 질환 치료제 개발에 활용될 수 있을 것으로 기대된다.
연구진은 이 기술을 '서포트(SUPPORT·Statistically Unbiased Prediction utilizing sPatiOtempoRal information in imaging daTa)'라고 이름을 붙였다
형광현미경을 활용해 살아있는 생체조직 내 신호를 형광신호로 변환, 연속적으로 촬영하고 측정하는 기술들이 개발돼 활용되고 있으나 방출되는 형광신호가 미약해 빠르게 변화하는 신경세포의 전기신호 등을 측정할 경우 매우 낮은 신호대잡음비를 가져 정밀한 측정에 한계가 있다.
윤 교수는 "이 기술이 다양한 뇌과학, 생명과학 연구에 도움이 되길 바라는 마음을 담아 서포트(SUPPORT)라는 이름을 붙였다"며 "다양한 형광이미징 장비를 활용하는 연구자들이 별도의 학습데이터 없이도 쉽게 활용가능한 기술로, 새로운 생명현상 규명에 폭넓게 활용될 수 있을 것"이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 윤 교수팀이 주도하고 KAIST 신소재공학과(장재범 교수), KAIST 의과학대학원(김필한 교수), 충남대, 서울대, 하버드대(Harvard University), 보스턴대(Boston University), 앨런 연구소(Allen Institute), 웨스트레이크대(Westlake University) 등이 동참했다.
연구 결과는 국제 학술지 '네이처 메소드(Nature Methods)' 온라인에 지난19일자로 게재됐으며 10월호 표지 논문으로 선정됐다.(논문명:Statistically unbiased prediction enables accurate denoising of voltage imaging data).
공동 제1 저자인 엄민호·한승재 연구원은 "서포트(SUPPORT) 기술을 통해 관측이 어려웠던 생체신호의 빠른 변화를 정밀하게 측정하는 것에 성공했다"면서 "특히 밀리초 단위로 변하는 신경세포의 활동전위를 광학적으로 정밀하게 측정할 수 있어 뇌과학 연구에 매우 유용할 것"이라고 밝혔다.
