AI, 인간의 호흡으로 암 등 질병 감지

• 새로운 컨볼루션 신경망은 인간의 호흡에 있는 화합물을 분석하고 질병을 감지할 수 있습니다.
• 이 기술은 전체 프로세스를 더 빠르고, 저렴하고, 더 안정적으로 만듭니다.
• 법의학, 의학, 환경 분석에 사용될 수 있습니다.

요즘 인공지능(AI)이 큰 화제를 모으고 있습니다. 개발자들은 AI를 거의 모든 것에 통합하고 있습니다. 군중 속 음성 인식, 완전 자율주행차 제작, 동영상을 고품질로 변환, 더 나은 배터리나 폭발물 개발 등 AI는 모든 분야에서 탁월한 능력을 입증했습니다.

이제부터 AI도 냄새를 맡을 수 있습니다. 에든버러 대학교, 웨스턴 종합병원, 러프버러 대학교의 연구원들은 인간의 호흡에서 화합물을 검사하고 다양한 유형의 암을 포함한 질병을 인간보다 더 높은 정확도로 감지할 수 있는 딥 러닝 기반 시스템을 구축했습니다.

일반적인 인간의 호흡에는 1,000개 이상의 서로 다른 휘발성 유기 화합물이 들어 있는데, 이는 몸 전체의 혈액-가스 교환으로 인해 발생하는 대사 과정의 산물입니다. 호흡 샘플은 병리학적, 생리학적 상태와 환자의 건강 상태를 설명하는 여러 정보로 구성됩니다.

기존 호흡 분석 방법

지난 수십 년 동안 과학자들은 첨단 기계를 사용하여 공기 중의 극소량의 원소와 화합물을 탐지해 왔습니다. 이 기계는 가스 크로마토그래피-질량 분석법(GC-MS) 분석 방법을 활용하여 수많은 휘발성 유기 화합물을 식별합니다.

기계는 공기 샘플의 각 화합물을 분리하고 조각으로 분쇄합니다. 이제 각 조각에는 특정 화합물을 인식할 수 있는 고유한 정체성이 있습니다.

출처:James Gathany / Smithsonian

위 그래프는 GC-MS 기계의 호흡 샘플 일부에 대한 3D 보기를 보여줍니다. 모든 단일 피크는 분자 조각과 연관되어 있습니다. 가장 작은 피크라도 다양한 물질을 식별하는 데 중요한 역할을 합니다. 이러한 최고치의 특정 패턴은 초기 단계의 암을 포함하여 환자가 가지고 있을 수 있는 질병의 유형을 드러냅니다.

오늘날 GC-MS 기계는 약물 탐지, 환경 조사, 폭발물 분석 및 1970년대 화성에서 얻은 샘플을 포함하여 알려지지 않은 물질 탐지에 사용됩니다.

그러나 그 과정은 지루하고 시간이 많이 걸릴 수 있습니다. 전문가가 수동으로 검사하려면 방대한 양의 복잡한 데이터가 필요합니다. 때로는 단일 샘플을 조사하는 데 며칠이 걸리기도 하며 인간은 오류를 범하기 쉽기 때문에 물질을 놓치거나 한 물질을 다른 물질로 착각할 수 있습니다.

AI가 어떻게 도움을 줄 수 있나요?

연구자들은 원시 데이터에서 자율적으로 휘발성 유기 화합물을 식별하기 위해 CNN(컨볼루션 신경망)을 사용할 것을 제안했습니다. 이렇게 하면 시간이 많이 걸리고 노동 집약적인 데이터 전처리 워크플로가 필요하지 않습니다.

그들은 에든버러 암센터에서 암 치료를 받고 있는 환자들의 호흡 샘플을 수집했습니다. 그런 다음 컴퓨터 과학자와 화학자로 구성된 두 팀이 이러한 샘플을 검사했습니다.

화합물을 수동으로 식별한 후 이러한 샘플을 딥러닝 네트워크에 공급했습니다. 신경망 계산은 TensorFlow 및 Keras 딥 러닝 프레임워크를 사용하여 NVIDIA Tesla GPU에서 수행되었습니다.

전체 과정을 간단하게 표현 | 출처:James Gathany / Smithsonian

네트워크의 효율성을 더욱 향상시키기 위해 연구원들은 데이터 증강을 사용하여 원래 훈련 데이터 세트를 확장했습니다. CNN은 100배 증가되었습니다.

참조:Research Gate | 스미소니언 매거진

시스템은 2가지 특정 기능을 실행했을 때 최고의 성능을 발휘했습니다:

1. 특정 GC-MS 데이터 구조에 적응하기 위한 1D 필터.
2. 다양한 GC-MS 스펙트럼에서 저강도, 중강도, 고강도 신호를 판독하기 위한 3D 채널 입력.

연구자들은 인간의 질병과 스트레스 상태뿐만 아니라 향기의 원인이 되는 알데히드라고 불리는 일련의 화학 물질을 식별하는 데 중점을 두었습니다.

이 AI와 통합된 컴퓨터는 몇 시간이 걸릴 호흡 샘플을 식별하는 데 몇 분 밖에 걸리지 않습니다. 전반적으로 이 기술은 전체 프로세스를 빠르고 저렴하게 만들고 있지만 무엇보다도 프로세스의 안정성을 높여줍니다.

읽기:Google, 눈을 스캔하여 심장병을 예측하는 AI 개발

네트워크의 정확도는 광범위한 샘플에 대해 훈련함으로써 더욱 향상될 수 있습니다. 게다가 특정 화합물에만 국한되지 않고 법의학, 의학, 환경 분석에 이 AI를 사용할 수 있습니다.