KAIST, 세계 AI 생명과학 분야 대회 우승

KAIST 김재철AI대학원 윤세영 교수 연구팀, 세포를 인공지능이 자동으로 분석하는 `MEDIAR (메디아)' 기술 개발

암 진단 등 다양한 생명과학 분야 기술로 응용 가능

(왼쪽부터) KAIST 김재철AI대학원 윤세영 교수, 이기훈 박사과정, 김상묵 박사과정, 김준기 석사과정

현미경 사진에서 세포를 인식하는 기술은 많은 생명과학 분야의 연구 및 응용 기술에서 첫 번째 단계를 차지하게 되는 중요한 기반 기술이다. 그러나 현미경 사진에서 관찰되는 세포는 현미경의 측정 장비 및 관련 기술, 염색 방법, 관찰 대상이 되는 세포의 조직, 배율, 세포의 종류, 세포 주기 등으로 인해 매우 다양한 형태로 존재할 수 있어 인공지능이 학습하기 매우 어려운 분야로 꼽혀왔다.

KAIST 김재철AI대학원 윤세영 교수 연구팀이 세계 최고 수준의 인공지능(AI) 학회인 `뉴립스(NeurIPS, 신경정보처리시스템학회) 2022'에서 개최된 `세포 인식기술 경진대회'에서 취리히 리서치센터, 베이징대, 칭화대, 미시간대 등 다수의 세계 연구팀을 모두 제치고 1위로 우승을 달성했다고 28일 밝혔다.

뉴립스는 국제머신러닝학회(ICML), 표현학습국제학회(ICLR)와 함께 세계적인 권위의 기계학습 및 인공지능 분야 학회로 꼽힌다. 뛰어난 연구자들이 제출하는 논문들도 승인될 확률이 25%에 불과할 정도로 학회의 심사를 통과하기 어려운 것으로 알려져 있다.

윤세영 교수 연구팀은 이번 학회에서 `세포 인식기술 경진대회(Cell Segmentation Challenge)'에 참가했다. 이기훈(박사과정), 김상묵(박사과정), 김준기(석사과정)의 3명의 연구원으로 구성된 OSILAB 팀은 초고해상도의 현미경 이미지에서 인공지능이 자동으로 세포를 인식하는 MEDIAR(메디아) 기술을 개발해 2위 팀과 큰 성능 격차로 1위를 달성했다.

세포 인식은 생명 및 의료 분야의 시작이 되는 중요한 기반 기술이지만, 현미경의 측정 기술과 세포의 종류 등에 따라 다양한 형태로 관찰될 수 있어 인공지능이 학습하기 어려운 분야로 알려져 있다. 세포 인식기술 경진대회는 이러한 한계를 극복하기 위해 초고해상도의 현미경 이미지에서 제한된 시간 안에 세포를 인식하는 기술을 주제로 개최됐다.

MEDIAR 기술로 세포를 인식한 예시.

연구팀은 기계학습에서 소수의 학습 데이터를 더 효과적으로 활용해 성능을 높이는 데이터 기반(Data-Centric) 접근법과 인공신경망의 구조를 개선하는 모델 기반(Model-Centric) 접근법을 종합적으로 활용해 MEDIAR(메디아) 기술을 개발했다. 개발된 인공지능 기술을 통해 정확하게 세포를 인식하고 고해상도 이미지를 빠르게 연산함으로써 대회에서 좋은 성과를 얻을 수 있었다. 지도교수인 KAIST 김재철AI대학원 윤세영 교수는 “MEDIAR는 세포 인식기술 경진대회를 통해 개발됐지만 기상 예측이나 자율주행과 같이 이미지 속 다양한 형태의 개체 인식을 통해 정확한 예측이 필요한 많은 분야에 적용할 수 있다”라고 향후 다양한 활용을 기대했다.

팀을 이끌었던 이기훈 박사과정은 "처음 접하는 분야에서도 성과를 낼 수 있었던 것은 평소 기본기를 중요시하는 교수님의 가르침 덕분ˮ이라며 "새로운 문제에 끊임없이 도전하자는 것이 연구팀의 기본 정신ˮ이라고 강조했다. 이어 같은 연구실 김상묵 박사과정은 "연구 과정에서 많은 실패가 있었지만, 세상에 꼭 필요한 기술이라는 생각으로 끝까지 노력했다ˮ라며 "혼자서라면 절대 해내지 못했던 결과인 만큼 팀원들에게 정말 감사하다ˮ라고 수상 소감을 전했다. 같은 연구실 김준기 석사과정은 "팀원들과 이룬 성과가 의료 분야 인공지능이 겪는 현실의 문제를 해결하는 데 도움이 될 수 있기를 바란다”라고 밝혔다.

MEDIAR 기술 개요.

연구팀은 생명과학 분야 연구의 발전을 돕기 위해 개발된 기술을 전면 오픈소스로 공개한다고 밝혔다. 학습된 인공지능 모델과 인공지능을 구현하기 위한 프로그램의 소스 코드는 개발자 플랫폼인 깃허브 (GitHub)를 통해 이용할 수 있다.

□ 연구개요

1.연구 배경

현미경 사진에서 세포를 인식하는 기술은 많은 생명과학 분야의 연구 및 응용 기술에서 첫 번째 단계를 차지하게 되는 중요한 기반 기술이다. 그러나 현미경 사진에서 관찰되는 세포는 현미경의 측정 장비 및 관련 기술, 염색 방법, 관찰 대상이 되는 세포의 조직, 배율, 세포의 종류, 세포 주기 등으로 인해 매우 다양한 형태로 존재할 수 있어 인공지능이 학습하기 매우 어려운 분야로 꼽혀왔다. 연구팀이 참여한 “세포 인식기술 경진대회”는 다양한 상황에서 빠르고 정확하게 세포를 인식하는 인공지능을 개발하여 생명과학 분야의 발전을 돕기 위해 개최되었다.

2. 연구 내용

연구팀은 인공지능이 세포 인식에 실패하는 상황을 극복하기 위해 인공지능이 학습하는 데이터를 개선하는 방법인 데이터 기반 (Data-centric)과 인공지능이 학습 및 추론하는 방식을 인공지능 모델의 관점 (Model-centric)에서 개선하는 방법을 종합적으로 활용하였다. 이러한 두 가지 방식의 접근법을 통해 세포 인식을 위한 인공지능을 학습부터 추론까지 하나의 프레임워크로 통합하여 MEDIAR (메디아) 기술을 개발하였다.

3. 기대 효과

개발된 MEDIAR는 다양한 상황에서 개별 세포를 인식할 수 있어 다양한 생명과학 분야의 연구 및 관련 기술들에 탑재될 수 있다. 연구팀은 관련 기술의 개발에 사용된 소스코드와 학습된 인공지능을 개발자 코드 공유 플랫폼인 깃허브 (GitHub)를 통해 오픈소스로 공개하였다.

KAIST 홍보실 제공