광주과학기술원(GIST)이 조직 내 미세한 차이를 분석하는 AI를 개발했다. GIST AI학과 이현주 교수 연구팀은 사람의 장기와 신체 부위를 구성하는 조직의 이미지와 유전자 활동 정보를 함께 활용해, 겉으로 드러나는 형태만으로는 파악하기 어려운 조직 내 영역별 차이를 분석하는 인공지능(AI) 프레임워크 ‘에스티 콘마(ST-ConMa)’를 개발했다고 6일 밝혔다. 이 시스템은 조직의 공간적 위치에 따른 유전자 발현 정보를 시각적 데이터와 결합함으로써, 기존 분석 방식의 한계를 극복하는 데 중점을 뒀다. 연구팀은 이번 개발을 통해 생체 조직의 복잡한 특성을 보다 정확하게 이해할 수 있는 기반을 마련했다고 설명했다.

조직의 숨겨진 차이 밝혀내는 ST-ConMa

우리 몸을 구성하는 조직은 같은 장기 안에서도 위치에 따라 세포의 종류와 활발하게 작동하는 유전자가 상이하다. 이러한 미세한 차이는 종종 질병의 발생과 진행에 결정적인 영향을 미치지만, 일반적인 조직 병리 이미지 분석만으로는 이를 정확히 식별하기 어렵다는 한계가 있었다. 특히, 특정 유전자의 발현이 특정 조직 영역에서만 두드러지게 나타나는 경우, 단순히 현미경으로 관찰하는 것만으로는 그 의미를 해석하기 쉽지 않다. ST-ConMa는 이러한 문제를 해결하기 위해 조직의 형태적 특징을 담은 이미지 데이터와 유전자 발현 데이터를 유기적으로 연결하여 분석한다.

에스티 콘마(ST-ConMa)는 조직 이미지에서 추출한 시각적 특징과 공간 전사체(spatial transcriptomics) 데이터를 기반으로 유전자 발현 패턴을 예측하고, 이를 바탕으로 조직 내 이질적인 영역을 정밀하게 구분하는 것이 핵심이다. 즉, 특정 유전자 집합이 어느 위치에서 얼마나 활발하게 작동하는지를 AI가 학습하고 예측하며, 그 결과를 시각화하여 연구자들이 복잡한 조직 환경을 손쉽게 이해하도록 돕는다. 이 교수 연구팀은 이 프레임워크가 질병의 초기 단계에서 나타나는 미세한 변화를 감지하고, 개인별 맞춤형 치료 전략을 수립하는 데 중요한 역할을 할 것으로 기대하고 있다.

정밀 의학 및 신약 개발에 기여 기대

이번에 개발된 ST-ConMa는 단순히 조직 이미지를 분석하는 것을 넘어, 유전자 수준의 정보를 통합적으로 파악함으로써 질병의 원인을 깊이 있게 탐색할 수 있는 길을 열었다. 암, 신경퇴행성 질환 등 복잡한 질병의 경우, 특정 세포나 조직 영역에서 나타나는 유전자 발현 이상이 질병의 진행에 결정적인 역할을 하는 경우가 많다. 이 기술은 이러한 미세한 생물학적 메커니즘을 밝혀내는 데 기여할 수 있다. 예를 들어, 특정 항암제에 반응하는 암세포의 유전자 발현 특성을 정확히 파악하여 신약 개발의 효율성을 높이거나, 환자 맞춤형 정밀 진단 시스템을 구축하는 데 활용될 수 있다.

GIST 측은 “조직 사진만으로는 보이지 않는 차이를 유전자 정보와 함께 찾아낸다는 점에서 이번 기술의 의의가 크다”고 강조하며, “향후 다양한 임상 및 기초 연구 분야에 적용되어 바이오 의료 분야 발전에 기여할 것”이라고 전했다. 이현주 교수는 “ST-ConMa는 기존 공간 전사체 데이터 분석의 정확도를 높이고, 연구자들이 조직의 복잡성을 더 깊이 이해하는 데 필수적인 도구가 될 것”이라고 언급했다. 이러한 통합 분석 능력은 기존 연구의 한계를 뛰어넘어 새로운 의학적 발견으로 이어질 가능성을 높인다.

왜 중요한가

GIST 이현주 교수 연구팀의 ST-ConMa 개발은 조직학적 분석과 유전체학적 분석을 통합하는 새로운 패러다임을 제시했다는 점에서 의미가 크다. 이는 질병의 조기 진단과 치료법 개발의 정확도를 획기적으로 향상시킬 수 있는 잠재력을 가지고 있으며, 정밀 의학 시대의 발전을 가속화할 주요 기술로 평가된다. 향후 이 기술은 의료 연구 및 임상 환경에 광범위하게 적용되며 바이오 산업 전반의 성장을 견인할 전망이다.

#GIST#ST-ConMa#AI#유전자 발현#조직 분석#공간 전사체

출처: 인공지능신문 · 이 기사는 이노 기자가 원문 보도를 참고해 재구성했습니다.