“악성? 양성? 유방암 진단 95.8%” 인공촉각뉴런이 찾아낸다

[헤럴드경제=구본혁 기자] 한국과학기술연구원(KIST)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 95.8%의 정확도를 갖춘 질병 진단기술을 개발했다고 5일 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다.

감각 뉴런은 감각 수용체를 통해 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다.

개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 10만배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다.

연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다.

KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다.

또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다.

이번 연구결과는 재료분야 국제학술지 ‘어드밴스 머티리얼즈’ 최신호에 게재됐다.