인공지능 촉각 뉴런 진단 기술인 뉴로모틱 AI 반도체의 생검없는 유방암 진단

생검없이도 인공 촉각뉴런 기술을 인공지능에 연결해 유방암을 진단하는 방법을 한국 키스트가 개발했다. 현재의 의술로는 암을 정확히 진단하려면 조직검사를 한다. 생검이기 때문에 조직을 떼어낼 때 아프고 흉터가 남는다.

1. KIST 인공지능 인공 촉각뉴런 기술

악성 종양은 정상 조직과 양성종양에 비해 단단하다. 이 같은 특성을 이용한 것이 인공 촉각 뉴런 기술이다. 조직의 단단함 정도를 감지해 높은 정확도로 유방암을 진단한다.

인공지능 인공 촉각뉴런 기술로 유방암 진단 — 인공 촉각뉴런 기술 유방암 진단. 서울신문

한국과학기술연구원(KIST키스트)는 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하면서도 정확도가 높은 질병 진단 기술을 개발했다.

KIST 스핀융합연구단과 인공뇌융합연구단이 인공 촉각 뉴런 소자를 만들었다. 이는 압력 센서와 오보닉 임계 스위치(OVS)를 결합한 간단한 구조이다.

압력센서는 가해지는 압력에따라 저항이 바뀌는 센서이다. OVS는 임계점이 되는 특정 전압 이상에서는 저항이 매우 낮아지고 전압이 낮아지면 저항이 높아지는 소자이다.

압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 이에 따라 전압이 달라지면서 연결된 OVS가 방출하는 신호 주파수가 달라지는 원리이다.

이 과정은 촉각 뉴런이 유의미한 자극을 받았을 때 스파이크처럼 솟아오르는 강한 신호를 보내는 것과 비슷한 모습이다. 이번 장치는 스파이크 방식으로 신호를 전달해 에너지 소비를 줄이는 생체 신경을 모방한 뉴로모픽(Neromophic) 소자를 구현했다.

이에 더해 연구팀은 인공 촉각 뉴런 소자에 누르는 힘이 커질수록 더 빠른 전기적 스파이크를 일으키는 성질을 부여했다. 단단한 물질일수록 누를 때 압력을 더 빨리 느끼는 것을 재현하기 위해서이다.

발생되는 전기적 스파이크이 속도가 0.00001초 이하이다. (사람이) 물체를 누르는데 걸리는 수 초의 시간에 비해 10만 배 이상 속도가 빠르다. 이 소자는 약한 압력도 감지할 수 있고 누르는 힘의 변화를 실시간으로 감지할 수 있다.

연구팀은 이 소자를 실제 질병 진단에 활용하기 위해 인공지능과 접목했다. 탄성 초음파 검사를 실시하면 조직이 얼마나 단단하지가 색깔로 표현된다. 이를 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량 수치로 변환해 학습시켰다.

2. 연구결과를 유방암 검사 등에 활용

인공지능이 유방암 탄성 이미지가 양성을 나타내는지 악성을 나타내는지를 최대 95.8%의 정확도로 구분했다. 이로써 전문가의 이미지 판독이 필요한 탄성 초음파 검사의 효율성을 높일 수 있다.

이 새로운 인공 촉각 뉴런 기술로 조직검사없이 유방암 검사가 가능해진다. 조직검사, 세포검사는 이름만 들어도 아프다. 인체에서 특정 부위의 세포와 조직을 떼어내는 것이다. 이를 위해 생검(=biopsy, 생체검사)을 한다. 생검은 방법에 따라 절제, 절개, 흡인으로 나뉜다.

절제 생검은 암이 의심스러운 전체부위를 잘라내는 검사이다. 절개 생검은 검체 채취만을 목적으로 절개하는 검사이다. 이 두 가지는 수술방에서 진행된다.

흡인 생검은 주사기 바늘 등으로 조직을 찌르고 내용물을 빨아들여서 묻어 나온 조직과 세포를 가지고 하는 검사이다. 감상샘암과 유방암 검진을 위해 많이 사용한다.

또한 인공 촉각 뉴런 기술로 침습 검사없이 간 섬유화나 종양도 진단할 수 있다. 침습은 세균과 같은 미생물이나 생물, 검사용 장비의 일부가 체내 조직 안으로 들어가는 것이다. 침습 검사는 피부를 관통하거나, 동공 등 신체의 어떤 구멍을 통한다. 비침습 검사로는 X레이, 초음파 검사 등이 있다.

3. 뉴로모픽 반도체 소자, 뉴로모픽 컴퓨팅 기술

뉴로모픽(neuromorphic)은 neuron(신경 세포) + morphic(형태의)의 합성어로 ‘뇌 신경 형태를 닮은, 신경구조와 유사한’ 뜻이다. 뉴로모픽 컴퓨팅은 뇌 신경망의 원리를 적용해서 효율을 높여 에너지를 절감하는 차세대 반도체 기술로 주목된다.

AI반도체는 AI작동을 위한 특화된 반도체이다. AI반도체는 데이터를 순차적으로 직렬 처리하는 일반 CPU중앙정보처리 장치와 달리 대규모 데이터를 그래픽 처리장치 GPU를 써서 병렬 형식으로 빠르게 처리한다.

AI가 학습할 데이터 규모가 커비면서 전력소모를 줄이고 효율을 높이며 탄소중립을 실현하는 것이 과제이다. 그래서 나온 것이 인간의 뇌를 모방해 성능과 효율을 극대화하려는 연구가 뉴로모픽 컴퓨팅이다.

인간의 뇌 뉴런은 에너지 구두쇠로 불릴 정도로 효율이 높다. 뇌는 전구 하나를 밝힐 수 있는 20와트의 에너지를 쓴다. 반면 현재 오픈 AI가 개발한 자연언어처리 모델 GPT-3을 한번 학습시키는데 시간당 막대한 1.3 기가 와트의 전력이 필요하다.

인간의 신경세포(뉴런)은 의미 있는 신호만 받아들이고 다른 신호는 무시해 에너지 소비를 최소화한다. 뉴런은 지극이 의미 있는 수준에 도달할 때 신호가 강해져 스파이크처럼 솟아오르면 시냅스를 통해 인근 뉴런에 전달한다. 스파이크 신호 사이의 간격이 짧아질수록 중요한 자극으로 간주되어 시냅스 연결이 강화된다.

현재 인공신경망은 신경 구조를 소프트웨어적으로 구현한 것이 대부분이다. 반면 뉴로모픽 컴퓨팅은 실제 생명체의 뉴런과 시냅스를 모방한 하드웨어를 활용하고 이에 최적화된 소프트웨어를 개발해 적용해 가고 있다.

뉴로모픽 컴퓨팅은 모든 칩들이 서로 병렬로 연결되어 있다. 연산과 저장이 분리되었지 않아 효율을 높일 수 있다. 여느 컴퓨터는 폰 노이만 구조이다.

폰 노이만 구조는 연산을 처리하는 연산장치(CPU)가 있고 따로 명령어가 있으며 메모리 영역(=데이타 저장)이 분리되어 있어 연산에 필요한 명령어와 데이터는 필요에 따라 버스라는 통로를 통해 불러오는 방식이다. 이 방식은 연산이 복잡해지고 데이터가 늘어날수록 전력 소모가 커지고 발열현상이 나타난다.

인텔은 뉴로모픽 반도체 ‘로이히’를 개발해 냈다. 또한 ‘로이히’에 뇌 신경의 휴지기 원리인 후과 분극(after-hyperpolarizing) 효과까지 재현했다.

카이스트 신소재공학과 김경민 교수팀은 뉴런과 시냅스 사이에 흥분과 억제를 관장하는 ‘신경 조율’ 기능을 스파이크 신경망(SNN, Spiking Neural Network)에 적용해서 효율적 인공지능 학습을 위한 알고리즘을 개발했다.

또한 김경민 교수팀은 시냅스를 모사한 ‘메모리 하드웨어 어레이’를 제작해 에너지 절감 효과를 입증했다. 인공신경망 어레이는 무수히 많은 신경망이 얽혀 네트워크를 이루는 인간의 뇌처럼 시냅스 모방 소자를 모아서 연산과 정보 저장을 병렬적으로 처리하는 차세대 정보 처리 장치이다.

같은과 이건재 교수팀은 뉴런과 시냅스를 모방, 학습과 기억을 동시에 수행하는 나노 단위 메모리 디바이스를 제작했다. 카이스트 최양규팀은 인간의 촉각 뉴런을 모방한 뉴로모픽 모듈을 개발했다.

포항공대 이장식 교수팀은 산화 하프늄 기반 강유전체를 사용한 시냅스 모방 트랜지스터 소자를 개발하고 이를 집적해 고성능 인공 신경망 어레이를 만들었다.

키스트 강정윤 박사팀은 자극 정도에 따라 뇌에 전달하는 생체 신호의 강도를 조절하는 반도체 소자를 개발했다. 키스트 이수연팀은 OTS 소자를 개발했다. OTS= Ovonic Theshold Switch이다.

은이 적게 포함된 소자는 작은 자극에 의한 발열에 은 회로가 끊어지고 은이 많이 포함된 소자는 회로가 두꺼워 강한 자극에서도 소실되지 않고 신호를 전달하는 원리이다.

뇌의 효율성을 모방하면 센서가 자극을 받아들이면서 바로 AI 연산을 수행하는 인-센서 컴퓨팅도 가능해진다. 사물인터넷(IoT, 아이오티)과 메타버스 확산 등에 힘입어 센서로 데이터를 수집하고 이를 바탕으로 감각을 디지털 신호로 바꿔 전달하는 시도가 이뤄지고 있다.

뇌의 신비가 아직 완전히 밝혀지지 않았다. 그래서 뉴로모픽 컴퓨팅이 해결할 과제가 많다. 가장 초보적인 형태의 뇌 신경망 모방으로도 이 정도의 기술과 실용성이 실증되었다.