• 페이스북
  • 트위터
  • 유튜브

KAIST, 인공지능·홀로그래피 현미경으로 박테리아 신속 식별 기술 개발

등록 2022.06.27 16:31:55

  • 이메일 보내기
  • 프린터
  • PDF

삼성서울병원-토모큐브와 협업, 배양없이 균종 식별

19종 병원균 99.9% 정확도로 식별 가능, 국제학술지 발표

[대전=뉴시스] KAIST 기술로 확보한 총 19가지 주요 혈액감염균 균종별 굴절률 영상. *재판매 및 DB 금지

[대전=뉴시스] KAIST 기술로 확보한 총 19가지 주요 혈액감염균 균종별 굴절률 영상. *재판매 및 DB 금지

[대전=뉴시스] 김양수 기자 = KAIST는 물리학과 박용근 교수 연구팀이 홀로그래피 현미경과 인공지능(AI)을 이용해 박테리아 병원균을 신속하게 식별할 수 있는 기술을 개발했다고 27일 밝혔다.

현재 일상적 병원균 식별은 통상 수일이 소요돼 감염 초기 식별 결과 없이 실증적인 처방으로 항생제를 투여하는 사례가 빈번하고 이로 패혈증의 경우 치명률이 50%에 달하며 항생제 남용에 따른 슈퍼박테리아 문제도 발생하고 있다.

병원균 식별이 오래 걸리는 이유는 긴 박테리아 배양 시간에 있다. 질량 분석기로 대표되는 식별기술들은 일정량 이상의 박테리아 표본이 확보돼야 균종과 관련된 분자적 신호를 검출할 수 있으며 환자에서 추출한 시편은 하루 이상 배양해야만 검출이 될 정도의 박테리아 개수가 확보된다.

박 교수는 최근 광학분야 국제 학술지 '빛: 과학과 응용(Light: Science & Applications.IF = 17.782)'에 발표한 논문에서 3차원 홀로그래피 현미경과 인공지능 알고리즘을 활용, 단일 세포 수준의 표본으로도 병원균의 균종을 정확히 알아낼 수 있음을 입증했다고 밝혔다.

논문(논문명: Rapid species identification of pathogenic bacteria from a minute quantity exploiting three-dimensional quantitative phase imaging and artificial neural network)에 따르면 이번 연구는 홀로그래피 현미경으로 측정되는 3차원 굴절률 영상 정보에 내재된 균종과 관련된 특성을 인공지능 알고리즘으로 학습해 종을 구분하는 것이 핵심이다.

박 교수팀은 종별로 500개 이상 박테리아의 3차원 굴절률 영상을 측정했고, 이를 인공지능 신경망을 통해 학습시켰다.

이렇게 개발된 방법으로 주요한 혈액 감염균을 신속하게 식별, 실제 진단에서의 응용 가능성을 입증했다.

실험에서는 그람 음성 및 양성, 구균 및 간균을 모두 포함한 총 19가지 균종이 활용됐으며 이들은 혈액 감염 사례 90% 이상의 원인이 되는 균들이다.
 
특히 검증에서는 한개의 병원균 혹은 병원균 덩어리를 측정한 단일 3차원 굴절률 영상을 통해 약 82.5%의 정확도로 균종 판별이 가능했으며  여러 영상을 확보하면 정확도는 99.9%까지 상승한다.

이번 연구는 KAIST-삼성서울병원-㈜토모큐브가 수년간 공동 연구를 통해 얻은 결과다.

연구 책임자이자 논문 교신저자인 박용근 교수는 "홀로그래피 현미경의 세포감별 능력을 인공지능으로 극대화한 감염 진단 기술로 활용 가능성도 확인했다"면서 "배양없이 균종을 식별해 감염질환 치료에 필요한 병원균을 신속하게 식별할 수 있다"고 설명했다.

제1 저자인 KAIST 물리학과 김건 박사과정 학생은 "10만분의 1 수준의 표본량으로도 질량분석기 균종 검출률과 비슷한 정확도를 얻었다"면서 "환자시편에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것으로 기대된다"고 덧붙였다.


◎공감언론 뉴시스 [email protected]

많이 본 기사