주사전자현미경으로 얻은 생물학 이미지 데이터를 인공지능이 스스로 학습해 3차원으로 재구성하는 기술이 국내 연구진에 의해 개발됐다. 이 기술은 기술적 난도와 인력 부담이 컸던 기존 영상 분석 방식의 한계를 크게 줄여줄 것으로 기대된다.
한국표준과학연구원은 2025년 8월 29일, 전자현미경으로 촬영한 생물학적 시료의 2차원 이미지를 인공지능 기반으로 자동 분할하고 이를 바탕으로 3차원 구조를 복원하는 알고리즘 개발에 성공했다고 밝혔다. 이 기술은 일명 ‘블록면 절단 주사전자현미경’이라 불리는 고해상도 촬영 장비에서 생성된 수백~수천 장의 단면 이미지를 효율적으로 처리하는 데 핵심적인 역할을 한다.
블록면 절단 주사전자현미경(SBF-SEM)은 생물학적 시료를 얇게 절단하면서 수십 나노미터(1㎚는 10억분의 1미터) 간격으로 단층 이미지를 촬영한다. 이후 이 단면들을 순차적으로 이어붙이면 세포나 조직의 3차원 구조를 관찰할 수 있게 된다. 하지만 이를 구현하기 위해서는 개별 이미지에서 세포핵이나 미토콘드리아 등 주요 구조물을 정확히 구분하는 ‘영상 분할’ 작업이 필수적이다.
그동안 이러한 분할 작업은 대부분 전문가가 일일이 수작업으로 이루어졌고, 이 과정에는 많은 시간과 비용이 투입됐다. 특히 수작업 기반의 ‘지도학습’ 방식은 연구자의 주관이 개입될 수 있다는 점에서 데이터의 일관성과 객관성에도 한계가 있었다. 이번에 개발된 기술은 일정 비율의 이미지에만 사람이 정답 값을 입력하면, 나머지 이미지의 구조를 인공지능이 자동으로 예측하는 ‘준 지도학습’ 방식으로, 데이터 분석을 대폭 자동화했다는 점에서 기존 방식과 차별된다.
실제 뇌세포 이미지를 대상으로 한 성능 시험에서도 이 알고리즘은 높은 정확도를 유지하면서도, 전체 분석 시간과 비용을 기존의 8분의 1 수준으로 줄이는 성과를 보였다. 이를 통해 복잡한 생체 구조 분석이 필요한 생명과학, 의학 분야뿐 아니라, 반도체 결함 분석, 신소재 분야 등 영상 데이터 분석 수요가 높은 영역 전반에 걸쳐 폭넓게 활용될 수 있을 것으로 보인다.
표준연 선임연구원 윤달재 박사는 “이번 기술은 분석 자동화 수준을 끌어올리면서도, 기존보다 훨씬 적은 학습데이터만으로도 충분히 정교한 결과를 얻을 수 있는 것이 강점”이라며 “AI 학습 데이터 확보에 제약이 있는 분야에서도 실용적 대안 역할을 할 수 있을 것”이라고 설명했다. 이 같은 기술 흐름은 향후 과학 연구뿐 아니라 산업현장의 영상 분석 절차 전반에 자동화 바람을 불러올 가능성이 높다.