광운대 이정훈 교수팀, 스마트폰 딥러닝 AI 기술로 세계 최고 속도의 진단/예측 기술 개발

중앙일보

입력

왼쪽부터 연구책임자 이정훈 교수(광운대), 핵심연구를 공동 수행한 이승민(제1저자: 박사과정), 박정수(제1저자:박사과정), 우효원(제1저자:석사과정)

왼쪽부터 연구책임자 이정훈 교수(광운대), 핵심연구를 공동 수행한 이승민(제1저자: 박사과정), 박정수(제1저자:박사과정), 우효원(제1저자:석사과정)

광운대학교 이정훈 교수팀(전기공학과)은 조기 진단 딥러닝 알고리즘 (TIMESAVER: Time-Efficient Immunoassay with Smart AI-based Verification) 개발에 성공하였으며, 상용 래피드 키트를 사용하는 현장진단에 있어서 1-2분 내에 전문가 수준 정확도를 확보하였다.

일반적으로 의료 영역에서 빠르고 정확한 진단/스크리닝에 대한 요구가 매우 크며, 이에 기반한 빠른 처방이 요구된다. 예를 들어 심근경색, 폐혈증 진단, 응급실에서의 임신여부 판단, 그리고 팬데믹시의 감염병 진단 등에 있어서 빠른 진단 시간이 필수이지만, 상용화되어 있는 가장 빠른 진단 방법인 래피드키트 (현장진단키트: LFA) 조차 일반적으로 15분 이상의 진단 시간이 요구된다. 래피드 키트가 아닌 상용화된 진단 방식들 (ELISA, PCR)은 높은 민감도/정확도를 가지고 있으나, 전처리 시간등을 포함하여 훨씬 더 긴 진단 시간(>2~6시간)이 요구 되며, 현장진단에 한계를 가지고 있다. 실제 코로나 진단시 PCR을 사용할 경우, 일반적으로 현대화된 실험실 및 장비가 요구되며 샘플수거 후 전문가에 의한 분석등을 동반하여 반나절 이상의 시간이 요구되었다. 무엇보다 ELISA, PCR 등의 장비는 장비가 고가이며 전문가 인력이 요구되기 때문에, 의료 환경이 낙후된 지역에서 그 사용이 크게 제한되어왔다. 따라서 전문가의 개입없이 값싼 장비 혹은 진단기로 현장에서의 고민감도/고속진단은 그 필요성이 매우 크며, 보건의료에 있어서 핵심적인 요소이다.

최근 인공 지능(AI) 기술의 폭발적 발전으로 복잡한 의료 영상기반 (X선, 컴퓨터 단층 촬영(CT), 자기 공명 영상(MRI))에 있어서 컨볼루션 신경망(CNN)을 기반으로한 진단 정확도 향상 기술이 크게 발전하고 있다. 하지만 현재까지 현장진단 (POCT) 적용을 위한 고민감도/고속진단 연구는 상대적으로 시작단계에 있다.

시계열 예측 딥러닝 (TIMESAVER)를 활용한 진단 시스템의 개요. 기존의 진단 방식이 길게는 수시간의 긴 분석시간을 소요하나, 본 시계열 딥러닝 알고리즘을 적용할 경우 진단/스크리닝 시간을 1~2분 내로 대폭 단축이 가능함.

시계열 예측 딥러닝 (TIMESAVER)를 활용한 진단 시스템의 개요. 기존의 진단 방식이 길게는 수시간의 긴 분석시간을 소요하나, 본 시계열 딥러닝 알고리즘을 적용할 경우 진단/스크리닝 시간을 1~2분 내로 대폭 단축이 가능함.

본 연구에서는 시계열 딥러닝 알고리즘을 통해 현장에서 빠르고 정확하게 진단이 가능하도록 하는 딥러닝 기술을 제안하였다. 이를 위해 현장 접근성이 가장 뛰어난 래피드키트의 색변화를 딥러닝을 통해 학습하고, 색변화가 발생하는 초기에 최종반응을 예측하는 알고리즘을 적용하여, 높은 민감도 및 정확도로 현장진단이 가능하게 하였다. 본 연구팀은 비감염성 질환의 대표적인 마커인 심근경색마커 (Troponin I) 및 응급 임신진단테스트(hCG)를 통해 전문가가 15분이후 진행하는 정확도를 뛰어넘는 결과를 1~2분만에 가능케 하였다. 이때 심근경색마커 및 임신진단테스트 각각의 정확도(accuracy)는 97.9% 및 96.7%였다. 또한 대표적인 감염성 질환인 코로나(COVID-19) 및 인플루엔자 (Influenza A)의 진단 또한 97.6% 및 95.8%의 정확도를 확보하였다.

본 연구의 핵심 딥러닝 알고리즘은 YOLO, CNN-LSTM 및 완전 연결(FC) 계층으로 구성된 아키텍처이며, 스마트 AI 기반 검증을 통한 시간 효율적 면역 분석(TIMESAVER)을 통해 구현하였다. 본 기술은 코넥스 상장사인 ㈜켈스와 협업을 통해 이루어졌으며 ㈜켈스에의 기술이전 및 사업화를 진행중이다. 또한 미국 식품의약국(FDA), 한국 식약처 (KFDA)등의 승인/인증 프로세스등을 통해 사업화를 계획중이다.

국내뿐만 아니라 영국/미국 등의 선진국에서 보건/의료의 가장 큰 문제점은 ‘긴 진료대기 시간’과 ‘의료 인력난’으로 보고되고 있다. 본 조기 진단 딥러닝 알고리즘 (TIMESAVER)를 통한 장점은 크게 3가지이다. 첫째 대기없는 진단이 가능한점이다. 본 기술을 통해 병원에서의 긴 대기시간을 획기적으로 줄여 팬데믹과 같은 상황에서 상호 감염의 위험성을 크게 낮출수 있을것으로 기대된다. 둘째, 고민감도/고속진단을 통해 응급진단이 가능한점이다. 대표적인 고속진단이 필요한 영역인 심근경색, 폐혈증 등과 같은 급성 질환에 빠르게 대처가능하며, 현장/응급실 뿐만 아니라 홈케어에 있어서 패러다임 혁신을 가져올 수 있다. 셋째, 다른 진단기기에의 적용이 가능한점이다. 표면 플라즈몬 공명(SPR), 등온 적정 열량 측정(ITC), 형광 공명 에너지 전달(FRET), 나노와이어 센서, 전계효과 트랜지스터(FET) 센서, 디지털 면역 분석 및 전기화학 임피던스 분광법(EIS) 등에 적용이 가능하다.

이번 연구는 한국연구재단 바이오․의료기술개발사업의 지원을 받아 수행된 연구이며 (No.2023M3E5E3080743), Nature Portfolio에서 발간하는 세계 탑티어 논문인 네이쳐 커뮤니테이션즈 (Nature Communications IF: 17.69)에 게재되었다.

ADVERTISEMENT
ADVERTISEMENT