AI촉각뉴런, 종양 ‘악성 or 양성’ 빠르고 정확히 진단 가능

종양의 딱딱한 정도에 따라 악성인지 양성인지 구별해내는 인공지능(이하 AI)이 개발됐다. 유방암의 경우 정확도가 95.8%다.

한국과학기술연구원(원장 윤석진. 이하, KIST)의 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀은 촉각 뉴런 소자와 인공지능(AI) 인공신경망 학습 방법을 접목시켜 간단하지만 매우 정확한 질병진단기술을 개발했다.

세포에서 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병에 관련된 정보를 반영한다. 예를 들어, 악성 유방 종양은 일반적으로 양성 유방 종양보다 더 뻣뻣하고 모양이 더 불규칙하다.

탄성 초음파 검사는 조직의 딱딱한 정도와 형태를 비침습적으로 확인할 수 있으며 비용이 저렴하여 유방암 진단에 활용되고 있다. 그러나 탄성 초음파 검사 영상을 해석하기 위해서는 숙련된 전문가의 의견이 필수적이고 전문가마다 정확도가 다르다.

KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능해 암이 양성인지 악성인지 판단할 수 있다.

연구팀은 감각뉴런 특성을 만들기 위해 압력센서와 스위치 장치를 결합한 간단한 구조의 인공 촉각뉴런 장치를 개발했다. 압력 센서에 압력을 가하면 센서의 저항이 감소하고 연결된 스위치 소자의 스파이크 주파수가 변경된다.

개발된 인공 촉각 뉴런 소자는 접착시키기 위하여 용접부분에 가하는 압력(가압력)이 더 빠른 전기 스파이크를 생성한다. 동시에 압력 감도를 향상시키는 고반응, 고감도 소자로, 재료가 더 단단할수록 눌렀을 때 압력 감지가 빨라진다는 점에 주목했다.

연구팀은 개발된 기기를 실제 질병 진단에 적용하기 위해 악성 및 양성 유방 종양의 엘라스토그래피 영상을 활용하고 스파이킹 신경망 학습 방법을 활용했다. 영상화된 물질의 강성과 상관관계가 있는 색상으로 구분된 초음파 탄성법 영상의 각 픽셀을 스파이크 주파수 변화 값으로 변환하여 AI 훈련에 사용하였다. 그 결과 최대 95.8%의 정확도로 유방 종양의 악성 여부를 판별할 수 있었다.

KIST 연구팀은 “개발된 인공 촉각 뉴런 기술은 간단한 구조와 방법으로 기계적 성질을 감지하고 학습할 수 있다”고 밝혔다. 연구팀은 “인공 촉각 뉴런이 초음파 탄성법을 이용하여 얻을 수 있는 대상체의 탄성체 영상을 수집할 수 있다면 초음파 탄성법의 단점인 노이즈 반사 문제를 후속 연구를 통해 해결할 수 있을 것”이라고 했다.

또한 연구팀은 “로봇 수술과 같이 사람이 직접 접촉할 수 없는 환경에서 수술 부위를 신속하게 결정해야 하는 저전력, 고정확도의 질병 진단 및 응용 분야에 이 장치가 도움이 될 것으로 기대하고 있다"고 덧붙였다.

이번 연구는 재료분야 국제학술지 어드밴스드 머티리얼즈( Advanced Materials) 최신호 인사이드 백커버 논문으로 게재됐으며 지난 8일 미국 과학진흥협회(AAAS) 사이트(www.eurekalert.org)에 보도됐다.