AI 현미경, 형광 염색 없이 3D 미니 장기의 살아있는 세포를 추적하다

이 연구의 기술적 성공은 ‘3D U-Net’이라는 인공지능 모델을 활용하여 3차원 공간 정보를 통합적으로 분석했기 때문에 가능했습니다.

1. 3차원 정보 통합의 힘

기존 AI 기술들이 주로 2차원의 평면 이미지를 분석한 반면, LabelFreeTracker는 여러 층으로 쌓인 3D 이미지 전체를 한 번에 분석합니다. 오가노이드의 특정 세포는 한 이미지 층에서는 흐릿하게 보일 수 있지만, 그 위나 아래층에서는 좀 더 뚜렷한 특징을 가질 수 있습니다. AI는 이 모든 층의 정보를 종합하여 사람이 인지하지 못하는 미세한 빛의 굴절과 산란 패턴까지 파악해 세포의 정확한 위치와 형태를 재구성합니다. 연구 결과에 따르면, AI에게 1장의 이미지 층만 주는 것보다 16장의 층을 함께 줄 때 예측 정확도가 눈에 띄게 향상되었습니다.

2. 정량적 검증을 통한 신뢰성 확보

연구진은 AI의 성능을 객관적으로 입증하기 위해 여러 검증 실험을 수행했습니다. AI가 예측한 세포핵의 위치와 실제 형광 이미지의 위치를 비교한 결과, 조직 깊이 50마이크로미터까지 매우 높은 정확도를 보였습니다. 또한, AI가 예측한 이미지의 픽셀 밝기와 실제 형광 이미지의 밝기 사이의 상관관계는 세포핵에서 0.76, 세포막에서 0.85로 매우 높게 나타나, 시각적으로 유사할 뿐만 아니라 정량적으로도 신뢰할 수 있음을 증명했습니다.

3. 실제 적용 가능성 입증

연구진은 이 기술을 세 가지 실제 연구에 적용했습니다. 첫째, 세포 분열 억제제를 처리한 오가노이드에서 세포 수가 어떻게 변하는지 정확히 세는 데 성공했습니다. 둘째, 형광 표지 없이도 60시간 이상 개별 세포의 분열 과정을 추적하여 ‘세포 계보도’를 그렸습니다. 셋째, AI가 예측한 세포막 정보를 바탕으로 세포 하나하나의 부피가 시간이 지남에 따라 어떻게 변하는지 정량적으로 측정하는 데 성공했습니다.