한빛사 인터뷰
- 등록2024-03-20
- 조회678
1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드
의료 현장에서는 신속하고 정확한 진단과 이를 기반으로 한 감염예방 및 치료가 중요합니다. 특히 코로나 팬데믹 기간에는 의료 자원이 한정되어 있어서, 저렴하고 사용이 간편한 신속 면역진단방법이 중요한 역할을 하였습니다. 반면 ELISA나 PCR 같은 상용화된 진단 방식들은 신속면역진단법에 비해 높은 민감도와 정확도를 보이지만, 전처리 시간과 복잡한 에세이 과정으로 인해 결과를 얻는 데 많은 시간이 소요되는 단점이 있습니다. 이러한 방식들은 숙련된 전문가의 분석이 필요하여 응급 상황에서는 의료진의 부담을 더하고, 환자의 적합한 치료 시기를 놓칠 수 있는 위험이 있습니다. 더욱이 의료 환경이 제한된 지역에서는 이러한 고가의 상용화된 장비 사용의 한계가 있어 의료현장에서 저렴하고 신속/정확한 진단기기의 중요성이 더욱 부각되고 있습니다. 위 언급된 현장진단에서의 한계점을 뛰어넘기 위한 방법으로 인공지능(AI)기술 융합 분야가 급격히 부상하고 있으며, 특히 다양한 딥러닝 학습법을 통한 정확한 진단 예측 기술이 크게 발전되고 있는 추세입니다.
본 연구팀은 응급 의료현장에서 스마트폰으로 취득한 신속면역진단키트의 시계열 데이터를 미리 학습된 시간단축 AI 딥러닝 모델(TIMESAVER) 통해 단 1~2분 이내에 정확하고 신속한 결과를 획득할 수 있는 플랫폼을 개발하였습니다. 신속면역진단키트 검사창의 색변화가 발생하는 초기의 데이터들을 학습하여 최종 에세이 반응시간인 15분 후의 결과값을 유추하는 방법으로 LSTM(Long Short Term Memory) 딥러닝 아키텍처를 활용하여 높은 정확도로 신속한 현장진단이 가능한 모델을 개발하였습니다. 시계열 분석 딥러닝 모델을 통해 비감염성 질환의 대표적인 바이오마커인 심근경색마커(Troponin I) 결과에서 97.9% 정확도를 2분내에 달성하였으며, 임신진단마커(hCG)의 블라인드 테스트를 진행한 결과, 전문가의 15분후 분석 정확도 수준을 1분 내에 도달하였습니다. 본 연구의 기술 활용은 의료현장에서의 긴 대기시간을 획기적으로 줄여 팬데믹과 같은 상황에서 감염 예방에 효과적일 것이라 생각되며, 급성질환에 빠르게 대처해야 하는 초고속 진단 목적에서도 크게 기여할 것으로 보입니다.
2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁드립니다.
현재 연구를 진행하고 있는 연구실은 광운대학교 전기공학과 이정훈교수님 연구실(mHealth Lab)과 고려대학교 기계공학과 정석교수님(Sid-Lab)의 연구실입니다. 이정훈교수님 연구실에서는 인공지능, 딥러닝을 활용한 모바일 헬스케어 및 현장진단 기술들을 진행하고 있습니다. 특히 대부분의 사람들이 사용하고 있는 스마트폰 기반의 AI기술 진단법을 바탕으로, 기존 방식의 한계점들을 명확히 관찰하고 새로운 접근방식을 가져가는 연구를 즐겨합니다. 기존에 병원이나 의료현장에서만 받아볼 수 있는 복잡한 진료들을 간편한 바이오센서와 딥러닝 기술 융합으로 실현하는 연구들을 진행중에 있습니다. 정석교수님 연구실에서는 기계공학적 바이오-엔지니어링을 통해 인체 내 특정 조직과 장기를 모사하는 오가노이드(Organoid) 연구를 진행하고 있습니다. 특정 장기와 질병 환경에 맞춘 미세환경을 구성하여 다양한 기전을 구현하여 실시간으로 약물 반응 및 스크리닝 할 수 있는 시스템 개발을 진행하고 있습니다.
3. 연구 활동 하시면서 평소 느끼신 점 또는 자부심, 보람
저는 연구실의 주된 연구주제가 변하는 변곡점에서 처음 연구를 배웠습니다. 연구실에서는 인공지능을 통한 현장진단 기술에 나아갈 준비를 하고 있는 단계였고 석사과정 초기에 생각했던 연구를 하기는 쉽지 않았습니다. 이전에 접해보지 못한 인공지능을 연구주제로 한다는 설렘과 동시에 내가 과연 할 수 있는 분야인가에 대한 걱정 또한 들었습니다. 인공지능 모델 개발 연구에서 제가 담당한 부분은 학습에 용이한 데이터를 양산하고 학습결과에 맞춰 다시 데이터를 취득하는 일들을 진행하였습니다. 연구를 진행하다 보니, 딥러닝 학습에서는 편향되거나 오염되지 않은 데이터 베이스 확보가 절실히 중요함을 느꼈습니다. 그러나 많은 양의 데이터 학습을 위해 외부의 의료 데이터를 사용한다는 것이 규제적으로 힘든 부분이 있고, 그렇다 보니 손수 데이터를 작업해야 하는 일들이었습니다. 영겁의 반복적인 데이터 촬영을 진행하면서 많은 생각들로 자존감도 많이 낮아진 시기였던 것 같습니다. 하지만 감정은 사라지고 후에 결과만 남는다는 구절이 지금 생각해 보니 맞는 것 같습니다. 교수님과 동료들의 도움으로 좋은 기회가 찾아왔고 이번 연구가 앞으로의 저의 연구태도에도 많은 영향을 미칠 것 같습니다. 새로운 일상은 없었습니다, 반복된 일상을 잘 견뎌낸 새로운 사람만이 있는 것 같습니다.
4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?
연구분야 상관없이 학위과정은 고단한 일인 것 같습니다. 그래도 학위과정 중 바이오센서 및 인공지능 융합 분야로 흥미를 느끼고 진학을 목표로 하신다면 두 가지 전하고 싶은 내용이 있습니다. 첫째는 배움의 시야를 넓히고 다른 분야의 연구 내용도 가뿐히 이해할 수 있다는 자신감 있는 태도가 융합연구에 도움이 될 것 같습니다. 저는 전기공학과로 학부를 나와서 사실상 바이오와 인공지능 두 가지 분야 모두 문외한 사람이었습니다. 전문가 수준은 아니더라도 도전하고 배우다 보니 느꼈던 점은 “하면 된다” 였습니다. 둘째는 개인의 연구수행 속도가 한 분야에 초점을 둔 연구자보다는 더디게 진행될 수 있음을 인정하는 것입니다. 다양한 분야의 기술을 깊이 습득하는 것은 매우 힘든 일이며, 융합연구는 보통 혼자서 모든 일을 수행하기 힘듭니다. 융합 프로젝트 참여 경험이 더욱 중요하며 다른 분야의 연구원들과 소통하다 보면 익숙해지는 것 같습니다. 처음이라 당연히 모름에 두려워하지 말고, 본인의 기술을 친절히 설명하며, 타 분야와 조화를 이루는 태도가 좋을 것 같습니다.
5. 연구 활동과 관련된 앞으로의 계획이 있으시다면?
다양한 의료진단 플랫폼 딥러닝 기술로 연구 범위를 확장해보고 싶습니다. 현장진단 뿐 아니라 세포내의 암 형성 억제 기전 연구나 미생물군 유전체 분석과 같은 조금 더 넓은 범위의 정밀의학 시스템과 연동된 인공지능 기술 개발을 진행해 보고 싶습니다.
6. 다른 하시고 싶은 이야기들.....
정말 우연한 계기로 현재의 박사과정을 걷고 있는 것 같습니다. 학부 4학년 ROTC 장교 임관 직전 마지막 기로에서 이정훈 교수님을 찾아 뵌 것 같습니다. 대부분의 연구원들은 각자가 원하는 연구주제들, 일하고 싶은 연구실을 들어가려고 부단히도 노력한 것 같습니다만 어떻게 보면 저는 힘든 현실을 회피하듯 들어오지 않았나 싶은 생각도 있었고, 아무런 비전 없이 들어온 사람을 제자로 받아 주셨던 교수님께 돌이켜 보니 너무 나도 감사한 일이었습니다.
전기공학과를 나온 사람이 바이오나 인공지능 분야의 연구를 하는 것도, 또 기계공학과로 박사과정을 밟는 것도, 지금 BRIC 인터뷰 내용을 작성하는 우연한 일들도… 그저 지나치기 쉽지만 감사함을 깨닫습니다. 운명보다 소중한 우연한 기회를 주신 이정훈 교수님과 여러 교수님, 가족 및 동료분들께 무한한 감사를 끝으로 연구자로서 더욱 정진하겠습니다.
#Point-of-care Test
#Deep Learning
#Time-Series Analysis
댓글 작성 로그인
팝업 닫기관련 링크
연구자 ID
관련분야 연구자보기
관련분야 논문보기
해당논문 저자보기
