Research

생명/융합 김상욱 교수팀, 인공지능이 독성 약물 미리 골라낸다

[김상욱 교수팀, 동물과 사람 차이 학습한 AI 개발로 약물 독성 예측] 영국에서 면역치료제로 개발 중이던 ‘TGN1412’를 사람에게 투여했다가 몇 시간 만에 사이토카인 폭풍이 일어나 여러 명이 다발성 장기부전으로 쓰러진 사례가 있었다. 또한 뇌졸중 치료제로 개발된 ‘아프티가넬(Aptiganel)’ 역시 동물에선 효과가 뛰어났지만, 사람에게선 환각·진정 등 부작용만 나타나 중단된 사례도 있다. 이처럼 동물 실험에선 멀쩡하던 약이 사람에겐 치명적일 수 있다. 이런 차이를 AI로 학습시켜 임상시험 전에 위험 약물을 미리 골라낼 수 있는 기술이 개발됐다. 생명과학과·융합대학원 김상욱 교수, 생명과학과 박민혁 박사, 통합과정 송우민 씨, 인공지능대학원 통합과정 안현수 씨 연구팀이 AI를 이용해 사람에게 나타날 약물 부작용을 예측하는 기술을 개발했다. 이번 연구는 최근 의약 분야 국제 학술지 '이바이오메디신(eBioMedicine)' 온라인판에 현지시각으로 지난 28일 실렸다. 신약 개발 과정에서 세포나 동물 실험 등의 전임상을 통과한 약물이 사람에게서 뜻밖의 독성을 보이는 경우가 많다. 문제는 사람과 동물의 생물학적 반응이 다르기 때문이다. 초콜릿이 사람에게는 대체로 안전하지만, 개에게는 독이 될 수 있다. 반대로, 어떤 약물은 쥐에게 안전하다고 해서 사람에게도 안전한 것은 아니다. 지금까지 신약 개발 실패의 주요 원인 중 하나가 바로 이 '종(種) 간 차이'였다. 연구팀은 세포·쥐·사람 간 생물학적 차이인 'GPD(Genotype-Phenotype Difference, 유전형-표현형 차이)'에 주목해 약물이 겨냥하는 표적 유전자가 사람과 전임상 모델에서 어떻게 다르게 작동하는지를 세 가지 축으로 분석했다. 첫째, 유전자가 생존에 미치는 영향(필수성), 둘째, 조직별로 유전자가 발현되는 양상, 셋째, 생물학적 네트워크에서 유전자의 연결성이다. 위험 약물 434개와 승인 약물 790개 데이터로 검증한 결과, GPD 특성은 사람에서 독성으로 실패하는 약물과 유의하게 연관됐다. 화학 구조만 볼 때보다 예측력이 크게 향상됐으며, 독성 물질을 실제로 잘 찾아내는 지표(AUPRC*1)가 0.35에서 0.63, 전체 예측 정확도를 나타내는 지표(AUROC*2)는 0.50에서 0.75로 높아졌다. 개발된 AI 모델은 기존의 최신모델들과 비교해 가장 우수한 예측 성능을 보였다. 나아가 독성으로 시장에서 퇴출당할 약물을 경고하는 ‘연대기적(chronological) 검증’에서도 실용성을 보였다. 1991년까지의 약물 정보만으로 AI를 학습시킨 뒤, 1991년 이후 시장에서 퇴출당할 약물을 예측한 결과 95%의 정확도를 보였다. 이번 연구는 세포와 전임상 동물 모델 그리고 사람의 생물학적 차이을 정량 지표로 끌어와 전임상–임상 사이 ‘번역의 벽’을 낮춘 점이 핵심이다. 제약사는 임상 전에 고위험 후보를 걸러 개발 비용과 시간을 아끼고, 환자 안전을 높일 수 있다. 관련 데이터와 주석이 쌓일수록 모델의 효용은 더 커질 전망이다. 김상욱 교수는 "전임상 모델과 사람의 생물학적 특성을 수치로 반영한 첫 시도"라며, "AI와 생물정보학을 결합하면 신약 개발 '실패의 골짜기'를 크게 줄여 "사람에게 안전하고 효과적인 신약을 더 빠르게 개발하는 시대가 멀지 않았다"라고 전했다. 공동 제1저자인 박민혁 박사와 송우민 씨는 "사람 중심 독성 예측 모델은 신약 개발 현장에서 매우 실용적인 도구가 될 것"이라며 "제약사가 임상 전 단계에서 고위험 약물을 미리 걸러낼 수 있어 개발 효율이 향상될 것으로 기대된다"라고 전했다. 이번 연구는 과학기술정보통신부 한국연구재단 대학 중점연구소지원사업 의료기기 혁신센터와 합성생물학 인력양성사업의 지원을 받아 수행됐다. DOI: https://doi.org/10.1016/j.ebiom.2025.105994 1. AUPRC: Area Under the Precision-Recall Curve, 양성을 정확히 찾아내는 능력을 측정하는 지표로 값이 높을수록 모델이 ‘진짜 위험한 약물’을 더 잘 찾아낸다는 의미다. 2. AUROC: Area Under the Receiver Operating Characteristic curve. 모델이 ‘양성’과 ‘음성’을 얼마나 잘 구분하는지를 나타내는 지표로 범위는 0~1 사이이며, 1에 가까울수록 정확하다.

전자/IT융합/기계/융합 김철홍 교수팀, 초고속 광음향 소동물 전신 촬영술의 새로운 패러다임

[김철홍 교수팀, 전신 생체역학 모니터링 위한 고속 회전 스캐닝 PACT 시스템 개발] 전자전기공학과 · IT융합공학과 · 기계공학과 · 융합대학원 김철홍 교수, 인공지능연구원 최성욱 연구원(現 미국 스탠포드대 박사), 전자전기공학과 양 징게(Yang Jinge) 연구원(現 미국 칼텍 박사) 연구팀이 빠른 속도로 생체를 촬영하는 연속 회전 스캐닝 방식의 광음향 단층촬영(이하 PACT) 시스템을 개발했다. 이 연구는 광학 분야 국제 학술지 중 하나인 '레이저 & 포토닉스 리뷰(Laser & Photonics Reviews)' 온라인판에 최근 게재됐다. 생명체의 복잡한 생물학적 과정과 질병 진행 상황을 이해하기 위해 생체 전체 동역학을 추적하는 것이 중요하다는 인식이 확산되고 있다. 현재 소동물 모델에 적용되는 다양한 영상 기술(X-선 CT, MRI, PET, 광학 영상 등)은 각기 장단점이 있어 연구자들은 생체 조직의 구조적, 기능적, 분자적 측면을 관찰할 수 있는 PACT에 주목하고 있다. PACT 시스템은 광학과 초음파 촬영 기술의 장점을 결합해 기존 영상 기술의 한계를 극복할 수 있는 유망한 대안으로 평가받고 있지만, 전신 촬영에 수 분이 걸리고 해상도가 낮으며, 신체의 한쪽 면만 관찰할 수 있는 등 제한이 있었다. 연구팀은 이러한 한계를 극복하고, 소동물 몸통에서 여러 생물학적 매개변수를 빠르게 관찰할 수 있는 PACT 시스템을 개발했다. 이 시스템은 반구형의 초음파 트랜스듀서(transducer) 배열을 고속으로 회전시켜, 기존의 단계별 스캔보다 훨씬 빠른 속도로 여러 데이터를 동시에 수집할 수 있다. 이 기술로 연구팀은 단 9초 만에 쥐 모델의 360° 해부학 이미지를 얻었으며, 전체 몸통 스캔에는 54초가 걸렸고, 공간 해상도는 약 212마이크로미터(µm)에 달했다. 이 시스템을 이용해 연구팀은 전체 신체 구조를 이미지화할 뿐만 아니라 살아 있는 동물의 약물 동태와 헤모글로빈 산소 포화도 변화를 모니터링하는 데도 성공했다. 특히 넓은 조직의 산소 포화도를 관찰할 수 있어 복잡한 생물학적 시스템에서 산소 운반과 분포를 이해하는 데 크게 기여할 것으로 기대된다. 김철홍 교수는 "기존 영상 기술과 유사한 성능을 제공하면서도 분자 및 기능적 정보를 동시에 얻을 수 있는 장점이 있다"라며 이번 연구의 의의를 전했다. 또, 최성욱 박사는 "이 시스템이 전임상 연구 분야에서 생물학적 시스템의 빠른 동역학과 산소 동역학 등에 대한 귀중한 통찰력을 제공할 것"이라고 덧붙였다. 한편, 이번 연구는 교육부의 대학중점연구소사업, 과학기술정보통신부의 중견연구사업과 브릿지융합연구개발사업, 범부처전주기의료기기연구개발사업, BK21의 지원을 받아 수행되었다. DOI: https://doi.org/10.1002/lpor.202400672

전자·IT융합·기계·융합 김철홍 교수팀, 기존 병리학을 뛰어넘는 비표지 조직학, AI와 만나다

[김철홍 교수팀, 비표지 광음향 조직학 이용해 가상 염색·분할·분류가능 딥러닝 모델 개발] 전자전기공학과 · IT융합공학과 · 기계공학과 · 융합대학원 김철홍 교수 연구팀과 가톨릭대 의과대학 서울성모병원 정찬권 교수 공동 연구팀은 인간 간암 조직검사를 위한 비표지 광(光) 음향 조직 영상 분석 인공지능(AI) 시스템을 개발하는 데 성공했다. 이번 연구는 광학 · 광자학 분야 국제 학술지인 ‘라이트: 사이언스 앤 어플리케이션(Light: Science and Application)’에 지난 2일 게재됐다. 조직검사는 질병을 진단하고, 적절한 치료 계획을 수립하는 데 매우 중요하다. 그런데, 떼어낸 조직을 현미경으로 관찰하려면 염색 등의 과정이 필요한데, 이때 추가적인 인력과 비용이 투입되며 화학약품을 사용함으로써 환경오염을 유발한다. 이처럼 번거로운 작업을 줄이기 위해 ‘Photoacoustic Histology(광음향 조직 영상*1) 이하 PAH)’ 기술이 등장했다. PAH는 빛(레이저)을 쏘아 생체분자가 만드는 소리(초음파) 신호를 감지하여 이미지를 생성하는 기술로, 염색과 라벨링 작업이 필요하지 않다. 그러나, 이 방식은 병리학자들에게 익숙하지 않아 해석과 진단이 어렵고, 검사 정확도도 비교적 낮은 편이었다. 이번 연구에서 연구팀은 PAH에 최첨단 인공지능 기술을 결합해 △가상 염색 △분할 △분류 단계를 수행하여 인간 조직 영상을 분석하는 딥러닝 모델을 개발했다. 먼저, ‘가상 염색 단계’에서는 세포핵과 세포질 등이 포함된 흑백 비표지 영상을 마치 염색된 것처럼 변환한다. 이 단계에서 연구팀은 조직 구조를 잘 유지하면서 실제 염색 작업을 진행한 샘플과 유사한 이미지를 생성하도록 설계했으며, 설명 가능한 딥러닝 방법을 사용하여 염색 결과의 신뢰성을 높였다. 이후, ‘분할’ 단계에서는 비표지 영상과 가상 염색 정보를 사용하여 세포 면적과 수, 세포 간 거리 등 해당 샘플의 특징을 세부적으로 분할한다. 그리고, 마지막 ‘분류’ 단계에서는 비표지 영상과 가상 염색 영상, 분할 정보를 모두 사용해 샘플 조직의 암 여부를 분류하는 것이다. 이어, 연구팀은 사람의 간암조직에서 얻은 PAH에 연구팀이 개발한 딥러닝 모델을 적용했다. 그 결과, ‘가상 염색’, ‘분할’, ‘분류’가 상호연결된 연구팀의 AI 모델은 암성 간세포와 비암성 간세포를 98%의 높은 정확도로 분석했다. 특히, 병리학자 3명의 평가에서도 연구팀이 개발한 모델의 민감도는 100%에 달하며 실제 임상 현장에서의 적용 가능성도 입증했다. 연구를 이끈 김철홍 교수는 “PAH와 AI의 결합으로 조직검사에 소요되는 시간을 줄이고, 신뢰성을 높였다“라며, ”환자의 정확한 질병 진단과 효과적인 치료 계획 수립에 이번 연구가 큰 도움이 되기를 바란다“라는 기대를 전했다. 한편, 이 연구는 교육부와 과학기술정보통신부, 의료기기개발펀드사업, POSTECH 인공지능대학원사업, POSTECH-가톨릭대 공동연구지원사업의 지원으로 POSTECH 전자전기공학과·IT융합공학과·기계공학과·융합대학원 김철홍 교수, 전자전기공학과 박사과정 윤치호 씨, IT융합공학과 박사과정 박은우 씨, 박사후연구원 Sampa Misra(삼파 미스라) 씨, 가톨릭대 의과대학 서울성모병원 병리과 정찬권 교수 공동 연구팀에 의해 수행됐다. DOI: https://doi.org/10.1038/s41377-024-01554-7 1. 광음향 조직영상(Photoacoustic Histology) 광음향 효과를 이용하여 조직의 이미지를 얻는 기술로, 레이저 빛을 조직에 조사하여 발생한 음향 신호를 통해 조직의 구조와 특성을 분석하는 방법이다. 이 기술은 특히 비표지 상태에서 조직의 다양한 정보를 제공할 수 있어 병리학적 진단에 유용하다.

기계/화공 노준석 교수팀, 친환경 쿨링 시스템 ‘복사 냉각 기술’ 상용화를 위한 교과서

[노준석 교수팀, 지속가능한 복사 냉각 기술 총망라 리뷰 논문 보고] 복사 냉각 기술은 물체가 외부로 복사열을 내보내 온도를 낮추는 기술이다. 자연적인 열 방출 원리를 사용해 에너지를 절약하는 친환경 에너지 기술로 최근 이 기술을 적용한 자동차 외장재와 페인트, 필름 등 연구가 활발하게 진행되고 있다. 하지만 기술 상용화를 위해 아직 해결해야 할 과제가 많이 남아 있다. 기계공학과 · 화학공학과 노준석 교수, 인공지능대학원 소순애 연구원(現 고려대 전자기계융합공학과 교수), 기계공학과 통합과정 윤주영 · 고병수 · 이다솔(現 연세대 의공학부 교수) 씨 연구팀은 친환경 에너지 기술인 복사 냉각의 기본 원리부터 생산 기술, 응용 분야, 최근 연구 동향 등을 담은 리뷰 논문을 국제 학술지인 ‘어드밴스드 사이언스(Advanced Science)’에 보고했다. 연구팀은 논문에서 기본 원리와 설계 전략 등은 물론 제작 비용과 스마트 기능, 외관, 호환성 등을 모두 고려한 최근 연구 동향과 발전 수준에 대해 논의한다. 최근 복사 냉각 기술 연구는 단순히 냉각 효과를 높이는 것을 넘어 실용적인 응용과 다른 열 관리 시스템과의 통합으로 나아가고 있다. 냉각 효과를 높이기 위해 복사 냉각과 증발 냉각을 모두 사용한 하이브리드(hybrid) 냉각 시스템과 건물과 자동차 외장재로 사용되는 경우 심미성까지 고려한 컬러 또는 투명 냉각 시스템 연구도 활발하게 진행되고 있다. 이어, 연구팀은 기술 상용화를 위한 과제들도 언급했다. 현재 사용 중인 냉각 시스템 대부분 호환이 가능한 특정 재료만 사용할 수 있으며, 인체와 자연에 유해한 화학 물질 등을 배출해 환경 문제를 일으킨다. 따라서, 냉각기 제조에 최적화된 재료를 찾아야 함은 물론 친환경적이고 안전한 공정 기술이 중요하다. 또, 연구팀은 복사 냉각 시스템이 공기 중 수증기에 매우 민감하기 때문에 습도가 높은 환경에서도 잘 작동하도록 보완이 필요하며, 전반적인 품질과 성능, 안전에 대한 구체적인 표준과 규정을 수립해야 한다고 말한다. 특히, 복사 냉각 시스템을 건물과 냉각 네트워크 등 기존 인프라에 통합할 수 있는 효과적인 전략을 통해 기술의 이점을 극대화해야 한다고 강조했다. 노준석 교수는 “이번 논문이 나노 기술과 광학, 에너지 등 여러 분야에서 복사 냉각을 연구하는 학자들에게 영감을 주고, 친환경적인 이 기술을 실제로 산업 현장에 적용하는 데 큰 도움이 되기를 바란다”는 기대를 전했다. 한편, 이 연구는 POSCO 산학연 융합연구소사업, 과학기술정보통신부 나노소재기술개발사업, 미래소재디스커버리사업, 미래유망융합기술파이오니아사업, RLRC지역선도선도연구센터사업 등의 지원으로 수행됐다. DOI: https://doi.org/10.1002/advs.202305067