POSTECH(포항공과대학교) 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* 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. *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. 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.