현미경 이미지에 대한 CellSAM 모델 결과. 개별 세포들은 각각 고유한 색상으로 표시(출처: 캘리포니아 공과대학교)
생물학 연구의 핵심 도구인 이미지 분석 분야에서 인공지능(AI)이 결정적인 돌파구를 마련했다. 그동안 연구자들이 수작업으로 수행해온 세포 식별 및 라벨링 작업을 자동화하는 범용 AI 모델이 등장하면서, 생명과학 연구의 속도와 범위가 크게 확장될 전망이다.
미국 캘리포니아 공과대학교(California Institute of Technology, Caltech. 이하, 칼텍) 연구진은 다양한 생물학적 이미지에서 세포를 자동으로 식별할 수 있는 AI 알고리즘 ‘셀SAM(CellSAM, Cell Segment Anything Model)’을 개발했다고 17일(현지시간) 밝혔다. 이번 연구는 칼텍의 데이비드 반 발렌(David Van Valen) 교수 연구팀과 이송 위(Yisong Yue) 교수 연구팀의 협력으로 진행됐다.
수작업 세포 분석 시대 종료...범용 AI 모델 등장
기존 생물학 이미지 분석은 연구자들이 직접 세포를 식별하거나 알고리즘의 오류를 일일이 수정해야 하는 시간 집약적 작업이었다. 특히 암 조직 분석이나 면역세포 관찰 등에서는 높은 정확도가 요구되면서 연구 부담이 컸다.
데이비드 반 발렌 교수는 “과거에는 학생들이 세포를 식별하는 데 수많은 시간을 투자하거나 알고리즘 오류를 수정해야 했다”며 “이제 하나의 모델로 다양한 응용 분야에서 이러한 작업을 수행할 수 있게 됐다”고 설명했다.
셀SAM은 단일 모델로 다양한 유형의 생물학 이미지에 적용할 수 있는 최초의 범용 세포 분할 모델로, 서로 다른 세포 유형을 식별하고 위치 및 상호작용까지 분석할 수 있다.
암·면역 연구 등 정밀 분석 가능, ‘바이오 빅데이터’ 시대 대응
생물학 이미지는 종양 세포, 박테리아, 면역세포 등 다양한 형태를 포함하고 있어 분석이 매우 복잡하다. 여기에 최근 고해상도 이미징 기술 발전으로 데이터 규모가 급증하면서, 기존 방식으로는 처리 한계에 직면해왔다.
셀SAM은 방대한 수작업 라벨링 데이터를 기반으로 학습되어 다양한 환경에서도 높은 정확도로 세포를 식별할 수 있으며, 세포 간 상호작용과 공간적 구조까지 분석할 수 있다. 이는 특정 면역치료가 개인마다 다른 효과를 보이는 이유를 규명하는 등 정밀의학 연구에 중요한 역할을 할 것으로 기대된다.
이송 위 교수는 “셀SAM과 같은 접근 방식은 단순히 기존 워크플로를 효율화하는 수준을 넘어, 이전에는 불가능했던 규모의 생물학적 질문을 탐구할 수 있게 한다”며, “수백만 개의 세포를 다양한 조건에서 추적함으로써 희귀 세포 상태나 미세한 형태 변화와 치료 반응 간의 관계까지 분석할 수 있다”고 강조했다.
무료 공개, AI 기반 생명과학 연구 확산 기대
연구팀은 플랫폼 셀SAM을 지속적으로 개선하기 위해 다양한 생물학 데이터를 추가로 학습시킬 계획이며, 현재 해당 도구를 연구자들에게 무료로 공개(
다운
)하고 있다. 이를 통해 학계 및 산업계 전반에서 AI 기반 생물 이미지 분석 활용이 빠르게 확산될 것으로 예상된다. 해당 데이터 및 더 자세한 내용은 해당 사이트(
보기
)를 참고하면 된다.
연구 결과는 학술지 네이처 메서즈에 ‘셀SAM: 세포 분할을 위한 파운데이션 모델(CellSAM: A Foundation Model for Cell Segmentation)’란 제목으로 게재됐다. 유라이아 이즈라엘(Uriah Israel)과 마르쿠스 마르크스(Markus Marks)가 공동 제1저자로 참여했으며, 다수의 연구자들이 공동 저자로 이름을 올렸다.
첨부파일 : CellSAM a foundation model for cell segmentation.zip
인공지능이 생명과학 연구의 병목을 해소하는 핵심 기술로 자리 잡는 가운데, 셀SAM은 이미지 분석 자동화를 넘어 새로운 생물학적 발견을 가속하는 중요한 전환점이 될 것으로 평가된다.
댓글
0