국내 연구진이 종양의 딱딱한 정도를 파악해 악성인지 양성인지 구분해내는 인공촉각뉴런소자를 개발했다.

한국과학기술연구원(KIST)은 스핀융합연구단 이현정 박사 팀과 인공뇌융합연구단 이수연 단장 팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목해 간단하면서도 정확도가 높은 진단기술을 개발했다고 5일 밝혔다.

KIST 연구진은 외부 자극에 따른 정보를 서로 다른 전기적 스파이크 신호 형태로 변환하는 감각 뉴런의 특성에 착안해 인공촉각뉴런소자를 개발하는 데 성공했다.

이 인공 소자는 누르는 힘이 커질수록 더 빈번한 전기적 스파이크를 발생시킨다. 압력에 대한 높은 민감도를 갖고 있어 약한 힘도 감지하는 능력을 갖췄다. 이를 통해 물체를 누를 때 힘의 변화에 따른 실시간 스파이크 정보를 얻을 수 있다.

연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 유방암 탄성 초음파 이미지를 픽셀별로 스파이크 주파수 변화량으로 변환하고 이 정보를 인공지능(AI)이 학습토록 했다. 유방암의 경우 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다.

그 결과 개발된 소자는 최대 95.8%의 정확도로 유방 종양의 악성 여부를 구분했다.

KIST 연구진은 "개발된 인공촉각뉴런 기술은 구조와 방식이 간단하며, 기계적인 물성을 감지하고 학습할 수 있다"며 "로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빨리 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것"이라고 밝혔다.

이 연구는 과학기술정보통신부 지원을 받아 KIST 주요 사업과 한국연구재단 중견연구자지원사업, 차세대지능형 반도체 기술개발사업, 미래반도체 신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행됐다.

연구 결과는 재료 분야 국제 저널인 'Advanced Materials' 최신 호에 게재됐으며, 표지 논문으로 선정돼 출판될 예정이다.