ⓒ데일리포스트=이미지 제공/ KAIST
ⓒ데일리포스트=이미지 제공/ KAIST

ㅣ데일리포스트=곽민구 기자ㅣKAIST(총장 이광형)의 물리학과 박용근 교수 연구팀이 홀로그래피 현미경과 인공지능을 이용한 신속 박테리아 병원균 식별 기술 개발에 성공했다.

병원균의 조기 식별은 감염질환 치료에 필수적 요소다. 치명적인 상태로 진행되기 전에 감염균 식별을 해야만 그에 맞는 효과적인 항생제의 선택과 투여가 가능해지기 때문이다.

하지만 현재의 일상적 병원균 식별은 통상 수일이 소요되기에 감염 초기 식별 결과 없이 실증적인 처방으로 항생제를 투여하는 사례가 많다. 이로 인해 패혈증의 경우 치명률이 50%에 달하며 항생제 남용으로 인한 슈퍼박테리아 문제도 발생한다.

현재 병원균 식별이 오래 걸리는 원인은 긴 박테리아 배양 시간 때문이다. 질량 분석기로 대표되는 식별 기술들은 일정량 이상의 박테리아 표본이 확보돼야 균종과 관련된 분자적 신호를 검출할 수 있다. 현장에서는 환자에서 추출한 시편을 하루 이상 배양해야만 검출이 될 정도의 박테리아 개수를 확보할 수 있는 것.

광학 분야의 저명 학술지인 `빛: 과학과 응용(Light: Science & Applications), (IF = 17.782)'에 게재된 이번 연구에서 박용근 교수 연구팀은 3차원 홀로그래피 현미경과 인공지능 알고리즘을 활용해 단일 세포 수준의 표본으로도 병원균의 균종을 정확히 알아낼 수 있다는 것을 입증했다.

핵심 아이디어로는 홀로그래피 현미경으로 측정되는 3차원 굴절률 영상 정보에 내재된 균종과 관련된 특성을 인공지능 알고리즘으로 학습해 종을 구분하는 것이다. 연구팀은 종별로 500개 이상의 박테리아 3차원 굴절률 영상을 측정해 인공지능 신경망을 통해 학습시켰고, 개발한 방법을 이용해 주요한 혈액 감염균을 신속하게 식별함으로써 실제 진단에도 응용될 가능성을 검증했다.

박용근 교수는 "홀로그래피 현미경의 세포 감별 능력을 인공지능으로 극대화해 감염 진단 기술로서의 가능성을 확인한 것에 의미를 두고 있다ˮ고 말했다. 제1 저자인 KAIST 물리학과 김건 박사과정 학생은 “10만분의 1 수준의 표본량으로도 질량 분석기의 균종 검출률과 비슷한 정확도를 얻었다. 환자 시편에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것”이라고 기대감을 내비쳤다.

이번 성과는 KAIST-삼성서울병원-토모큐브 팀의 수년간의 공동 연구를 통해 이뤄졌다. KAIST 물리학과 박용근 교수 연구팀의 기술에 다양한 기관의 경험과 비전을 반영함으로써 완성할 수 있었다.

한편 이번 연구는 한국연구재단 창의연구사업, 과학기술일자리진흥원의 지원을 받아 수행됐다.

저작권자 © 데일리포스트 무단전재 및 재배포 금지