미생물학에서 컴퓨터 비전의 응용 분야 살펴보기

컴퓨터 비전을 사용한 세포 분류

세포 분류는 미생물학에서 가장 중요한 이미지 기반 작업 중 하나입니다. 실험실에서는 세포 유형을 식별하고 감염 징후를 감지하며 현미경으로 특정 세포의 특징을 강조하기 위해 염색 이미지를 사용하는 경우가 많습니다. 수동 검토는 시간이 오래 걸리고 확장하기가 어려울 수 있습니다. 현재 많은 실험실에서 이 문제를 해결하기 위해 컴퓨터 비전을 사용하여 세포를 자동으로 감지, 분할 및 분류하고 있습니다.

예를 들어 스코틀랜드의 몽클랜드 대학병원에서는 컴퓨터 비전을 사용하여 자궁경부암 검진을 개선하는 파일럿 프로그램을 진행했습니다. 인유두종 바이러스(HPV) 양성 판정을 받은 환자의 샘플을 디지털화하여 Vision AI 모델을 사용하여 처리했습니다. 이 시스템은 세포 구조를 분석하고 비정상적인 특징이 있는 세포는 의료 전문가가 검토할 수 있도록 표시했습니다.

이를 통해 팀은 워크플로우 초기에 고위험 샘플의 우선순위를 정할 수 있었습니다. 그 결과, 슬라이드 검토가 더 빠르고 집중적으로 이루어졌으며 샘플 준비 또는 제출 방식을 변경하지 않고도 더 많은 심사를 처리할 수 있었습니다.

‍

콜로니 카운팅 자동화 및 성장 분석

콜로니 카운팅은 미생물 성장을 측정하고 샘플이 치료에 어떻게 반응하는지 평가하는 데 사용되는 실험실 기법입니다. 백신 개발, 임상 테스트, 식품 안전 분야에서 널리 사용됩니다. 특히 콜로니가 겹치거나 플레이트 부피가 커지면 수동으로 계수하는 과정이 복잡해질 수 있습니다.

이를 간소화하기 위해 인스턴스 분할과 같은 컴퓨터 비전 작업을 사용하여 콜로니 경계의 윤곽을 그리고, 크기를 측정하고, 겹치는 경우에도 모양과 확산에 따라 각 콜로니의 수를 계산할 수 있습니다. 이렇게 하면 여러 배치에서 검토 프로세스를 더 빠르고 일관성 있게 진행할 수 있습니다.

예를 들어, 국제적으로 인정받는 한 백신 연구 시설에서는 컴퓨터 비전으로 구동되는 첨단 콜로니 카운터인 ProtoCOL 3을 사용하고 있습니다. 이 시스템은 다중 웰 플레이트를 스캔하여 항체 노출 후 생존하는 콜로니를 분석합니다. 이 자동화를 통해 이 시설은 하루에 16개의 플레이트를 분석하던 것에서 300개 이상의 플레이트를 분석하는 것으로 생산량을 늘렸습니다.

‍

AI를 통한 현미경 이미지 향상

미생물학자들은 미생물 세포의 구조와 행동을 관찰하기 위해 정기적으로 현미경을 사용합니다. 하지만 현미경 이미지는 겹치는 세포, 희미한 경계선, 시각적 노이즈 등으로 인해 분석하기 어려운 경우가 많습니다. 

바로 이 때문에 연구실에서는 콜로니 카운팅이나 세포 분류와 같은 작업을 처리하기 전에 이미지 분할 및 노이즈 감소와 같은 기술을 적용하여 이미지 선명도를 향상시키는 컴퓨터 비전 도구로 눈을 돌리고 있습니다.

이 외에도 미토콘드리아나 뇌 조직과 같은 작은 세포 구조의 저해상도 이미지의 선명도를 개선하는 데 AI 기반 이미지 향상 기술이 사용되고 있습니다. 이를 통해 과학자들은 중요한 세부 사항을 실시간으로 분석할 수 있어 연구 속도를 높이고 진단 정확도를 향상시킬 수 있습니다.

‍

컴퓨터 비전으로 가능해진 제약 연구

우리가 몸이 좋지 않을 때 복용하는 감기약처럼 간단한 약도 그 뒤에는 엄청난 노력이 숨어 있습니다. 제약 연구는 질병 치료를 위한 신약을 발견하고 개발하는 과정이며, 이 과정의 핵심에는 화합물이 미생물 세포에 어떤 영향을 미치는지 테스트하는 것이 포함됩니다. 과학자들은 종종 배양 접시에서 박테리아를 배양하여 약물이 미생물 성장을 막을 수 있는지 확인합니다.

이제 물체 감지를 통해 배양 플레이트의 분석을 가속화하는 데 YOLO11 같은 컴퓨터 비전 모델이 사용되고 있습니다. YOLO11 세포를 감지하고 개수를 계산할 수 있으며, 이러한 인사이트를 통해 치료에 따른 세포의 성장 또는 축소를 추적하여 연구 프로세스를 보다 빠르고 효율적으로 진행할 수 있습니다.

‍

비전 기반 임상 진단

제약 연구는 신약을 발견하고 테스트하는 반면, 진단 실험실은 혈액과 같은 생물학적 샘플을 분석하여 감염이나 질병의 징후를 감지하는 데 중점을 둡니다. 진단 실험실의 목적은 상태를 진단하고 질병 진행을 모니터링하며 치료 결정을 안내하는 데 도움이 되는 정확하고 시기적절한 정보를 제공하는 것입니다.

이러한 분석의 핵심 인사이트는 다를 수 있지만, 조사 자체는 매우 유사하기 때문에 컴퓨터 비전은 이 분야에서도 영향력을 발휘합니다. 예를 들어, 혈액 분석에서는 컴퓨터 비전을 사용하여 적혈구, 백혈구, 혈소판과 같은 혈액 세포를 자동으로 분류할 수 있습니다. 

이미지 분류 및 객체 감지를 적용함으로써 Vision AI 모델은 이러한 세포를 정확하게 감지하고 분류하여 검토 프로세스를 간소화하고 연구원이나 임상의가 즉각적인 주의가 필요한 영역에 집중할 수 있도록 도와줍니다.

‍