광운대학교 전기공학과 이정훈 교수팀이 조기 진단 딥러닝 알고리즘 (TIMESAVER: Time-Efficient Immunoassay with Smart AI-based Verification) 개발에 성공해 상용 래피드 키트를 사용하는 현장진단에서 1-2분 내에 전문가 수준 정확도를 확보했다고 발표했다.

최근 인공 지능(AI) 기술의 폭발적 발전으로 복잡한 의료 영상기반 (X선, 컴퓨터 단층 촬영(CT), 자기 공명 영상(MRI))에 있어서 컨볼루션 신경망(CNN)을 기반으로한 진단 정확도 향상 기술이 크게 발전하고 있다. 하지만 현재까지 현장진단 (POCT) 적용을 위한 고민감도/고속진단 연구는 상대적으로 시작단계에 있다.

본 연구에서는 시계열 딥러닝 알고리즘을 통해 현장에서 빠르고 정확하게 진단이 가능하도록 하는 딥러닝 기술을 제안했다.

이를 위해 현장 접근성이 가장 뛰어난 래피드키트의 색변화를 딥러닝을 통해 학습하고, 색변화가 발생하는 초기에 최종반응을 예측하는 알고리즘을 적용하여, 높은 민감도 및 정확도로 현장진단이 가능하게 하였다.

본 연구팀은 비감염성 질환의 대표적인 마커인 심근경색마커 (Troponin I) 및 응급 임신진단테스트(hCG)를 통해 전문가가 15분이후 진행하는 정확도를 뛰어넘는 결과를 1~2분만에 가능케 하였다. 이때 심근경색마커 및 임신진단테스트 각각의 정확도(accuracy)는 97.9% 및 96.7%였다.

또한 대표적인 감염성 질환인 코로나(COVID-19) 및 인플루엔자 (Influenza A)의 진단 또한 97.6% 및 95.8%의 정확도를 확보했다.

본 연구의 핵심 딥러닝 알고리즘은 YOLO, CNN-LSTM 및 완전 연결(FC) 계층으로 구성된 아키텍처이며, 스마트 AI 기반 검증을 통한 시간 효율적 면역 분석(TIMESAVER)을 통해 구현했다.

연구팀은 "본 연구는 코넥스 상장사인 ㈜켈스와 협업을 통해 이루어졌으며 미국 식품의약국(FDA), 한국 식약처 (KFDA)등의 승인/인증 프로세스등을 통해 사업화를 계획중"이라고 밝혔다.

한국연구재단 바이오의료기술개발사업의 지원을 받아 수행한 이번 연구결과는 국제학술지 'Nature Communications (IF: 17.69)'에 게재됐다.