3차원 굴절률 영상 정보 활용해 완벽에 가까운 정확도 얻을 수 있어
다양한 병원균 식별하는 플랫폼 기술 될 것
(내외방송=정지원 기자) 앞으로 인공지능 등을 이용해 병원균을 신속하게 파악할 수 있게 될 전망이다.
KAIST는 27일 "박용근 물리학과 교수 연구팀이 홀로그래피 현미경과 인공지능을 활용해 신속하게 병원균을 식별할 수 있는 기술을 개발했다"고 밝혔다.
병원균의 조기 식별은 감염질환 치료에 필수라고 여겨진다.
치명적인 상태로 진행되기 전에 감염균에 맞는 효과적인 항생제의 선택과 투여가 가능해지기 때문이다.
하지만, 현재 일상적 병원균 식별은 보통 며칠이 걸린다.
이로 인해 감염 초기에 식별 결과 없이 실증적인 처방으로 항생제를 투여하는 사례가 빈번하며 패혈증의 경우 치명률이 50%에 달하며 항생제 남용으로 인한 슈퍼박테리아 문제도 발생하고 있다.
병원균 식별이 오래 걸리는 이유는 긴 박테리아 배양 시간 때문이다.
식별 기술은 일정량 이상의 박테리아 표본이 확보돼야 균종과 관련된 분자적 신호를 검출할 수 있다.
환자에서 추출한 표본을 하루 이상 배양해야만 박테리아 개수가 확보된다.
연구팀의 핵심 아이디어는 홀로그래피 현미경으로 측정되는 3차원 굴절률 영상 정보에 내재된 균종과 관련된 특성을 인공지능 알고리즘으로 학습해 종을 구분하는 것이다.
연구팀은 종별로 500개 이상 박테리아의 3차원 굴절률 영상을 측정했고, 이를 인공지능 신경망을 통해 학습시켰다.
이 방법을 이용해 혈액 감염균을 신속하게 식별함으로써 실제 진단으로 응용될 가능성도 검증됐다.
그람 음성 및 양성, 구균 및 간균을 모두 포함한 총 19가지 균종인데 혈액 감염 사례의 90% 이상을 차지한다.
한 개의 병원균이나 병원균 덩어리를 측정한 단일 3차원 굴절률 영상에서는 약 82.5%의 정확도로 균종 판별이 가능했지만, 이 방법을 통해서는 7개의 박테리아 영상이 확보된다면 99.9%의 정확도를 얻을 수 있다.
박용근 교수는 "홀로그래피 현미경의 세포 감별 능력을 인공지능으로 극대화해 감염 진단 기술로서의 가능성을 확인한 것이 의미가 있다"고 말했다.
제1저자인 김건 박사과정은 "10만분의 1 수준의 표본량으로도 질량 분석기의 균종 검출률과 비슷한 정확도를 얻었고, 환자 표본에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것으로 기대된다"고 덧붙였다.
이번 연구는 KAIST-삼성서울병원-토모큐브팀이 수년간 공동 연구를 통해 진행됐다.
여기에 박 교수 연구팀의 기술에 다양한 기관의 경험과 비전을 반영해 기술을 완성할 수 있었다.
▲이남용, 허희재 삼성서울병원 진단검사의학과 교수 ▲정두련 감염내과 교수 연구팀 ▲유인영 서울성모병원 진단검사의학과 교수 ▲김규석 분당 차병원 응급의학과 교수 ▲정현정 KAIST 나노과학기술대학원 교수 등 다양한 분야와 기관이 모여 실험적 검증을 효과적으로 진행할 수 있었다.
이 연구는 한국연구재단 창의연구사업과 과학기술일자리진흥원의 지원을 받아 수행됐으며 광학 분야 학술지 '빛: 과학과 응용(Light: Science&Applications)(IF=17.782)'에 게재됐다(논문명: Rapid species identification of pathogenic bacteria from a minute quantity exploiting three-dimensional quantitative phase imaging and artificial neural network).