엑소좀의 한계 극복한 새로운 약물 전달체 개발 엑소좀의 조직 침투 특성을 모사한 신개념 약물 전달체 제작 및 성능 확인 뇌 질환과 고형암 치료의 한계를 넘는 차세대 치료제 개발에 적용 기대 한국과학기술연구원(KIST, 원장 오상록) 생체분자인식연구센터 김호준 박사 연구팀은 엑소좀의 한계를 극복하기 위해 새로운 약물 전달체인 엑소좀 모사 전달체(Exosome-Like Vesicle: ELV)를 개발했다고 밝혔다. 이번 연구를 통해 개발된 전달체는 뇌혈관장벽이나 고형암과 같은 치밀한 조직 내부를 효과적으로 이동하며 약물을 전달할 수 있다. 현재 다양한 질병 치료제가 개발되고 있지만, 치료 효과를 높이기 위한 가장 중요한 과제는 약물을 조직 깊숙이 침투하는 것이다. 일부 조직은 촘촘하게 이루어져 있어 치료제가 존재하더라도 조직 내부까지 충분히 도달하지 못해 효과가 제한된다. 특히, 고형암이나 뇌종양처럼 조직이 단단하고 촘촘한 경우, 치료제를 조직 깊숙한 곳까지 전달하는 것이 더욱 어려운 문제가 된다. 최근 인체가 자연적으로 분비하는 나노소포체인 엑소좀을 활용한 치료제가 주목받고 있다. 엑소좀(Exosome)은 우리 몸에서 신호 전달과 물질 운반을 담당하며 복잡하고 치밀한 조직도 자유롭게 이동할 수 있다. 그러나 세포에서 자연적으로 분비되는 엑소좀은 성분 조절과 대량 생산이 어렵다는 한계를 갖고 있다. 연구팀은 엑소좀의 조직 침투 능력에 주목해 엑소좀 모사 전달체를 개발했다. 조직 침투에 중요한 엑소좀의 핵심 성분을 선별하고 이들의 조직 확산 및 약물 전달 역할을 체계적으로 분석하여 최적의 조합을 도출했다. 특히, 합성 전달체에 엑소좀 성분을 첨가하는 기존 방식과 달리 엑소좀의 주요 성분이 가진 구조적·기능적 특징을 정밀하게 분석하고 이를 분자 수준에서 재현해 실제 엑소좀과 유사한 성능을 구현했다. 연구팀이 개발한 엑소좀 모사 전달체의 효과를 검증하기 위해 모델 조직(model tissue)을 활용한 약물 확산 실험을 수행했다. 그 결과, 기존 전달체보다 33배 높은 침투력을 보였으며 근육, 연골, 고환 피막 등 다양한 생체 조직에서 80% 이상의 높은 침투 성능을 확인했다. 또한, 고형암 조직을 모사한 동물 모델에서도 엑소좀과 유사한 확산 패턴을 나타냈으며 실제 조직 내부에서의 이동 경로와 메커니즘을 효과적으로 재현하는 것으로 밝혀졌다. 이번 연구에서 개발한 전달체는 기존 합성 전달체가 극복하지 못했던 조직 침투 한계를 해결하고 치료제 전달 효율을 극대화해 차세대 약물 전달 기술로서 다양한 치료제 개발의 새로운 가능성을 제시했다. 특히, 엑소좀 모사 전달체를 활용한 정밀의료 및 항암 치료제 개발에 중요한 전환점이 될 것으로 기대된다. 이를 위해 연구팀은 체내 안정성과 약물 탑재 효율을 최적화하고 다양한 질환 모델에서 효과를 검증하는 연구를 수행할 계획이다. KIST 김호준 박사는 “엑소좀 모사 기술이 상용화되면 뇌종양 및 고형암과 같은 난치성 질환 치료에 획기적인 돌파구가 될 것”이라며 “후속 연구를 통해 치료제뿐만 아니라 엑소좀이 활용되고 있는 화장품, 식품 등 다양한 산업 분야로 활용 범위를 확대할 계획”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업 및 개인기초연구사업(RS-2023-00209955), Young Scientist+ research program(2023YS22) 등을 통해 수행됐다. 이번 연구 성과는 국제 학술지 「ACS Nano」 (IF 15.8, JCR 분야 6.0%) 최신 호에 게재됐다. * 논문명 : Exosome-Inspired Lipid Nanoparticles for Enhanced Tissue Penetration [그림 1 엑소좀 모사 전달체의 개발 모식도] 치밀한 구조의 조직 내부를 자유롭게 이동하는 엑소좀의 특별한 수송능력을 모사한 엑소좀 모사 전달체. 엑소좀의 조직 침투 능력을 모사할 수 있는 3가지 핵심 요소를 사용했으며, 결과적으로 우수한 조직 침투 능력을 가진 입자를 성공적으로 개발하였다. [그림 2 엑소좀 모사 전달체의 조직 침투 성능] (좌) 기존 전달체와 엑소좀 모사 전달체가 실제 조직을 이동하는 모식도 (우) 조직 내부 기존 전달체와 엑소좀 모사 전달체의 확산 계수, 모든 조직에서 높은 확산 현상을 나타냄 [그림 3 고형암 동물모델에서 엑소좀 모사 전달체의 침투 성능] 엑소좀 모사 전달체의 시간에 따른 실제 조직 내에서의 이동 거리. 엑소좀 모사 전달체가 기존의 전달체 보다 조직 내에서 더 높은 이동 거리를 나타내었다. 또한 조직 내부의 약물 분포(빨간색)를 확인했을 때 실제 엑소좀과 비슷한 분포를 나타내는 것을 확인하였다.

엑소좀의 한계 극복한 새로운 약물 전달체 개발 엑소좀의 조직 침투 특성을 모사한 신개념 약물 전달체 제작 및 성능 확인 뇌 질환과 고형암 치료의 한계를 넘는 차세대 치료제 개발에 적용 기대 한국과학기술연구원(KIST, 원장 오상록) 생체분자인식연구센터 김호준 박사 연구팀은 엑소좀의 한계를 극복하기 위해 새로운 약물 전달체인 엑소좀 모사 전달체(Exosome-Like Vesicle: ELV)를 개발했다고 밝혔다. 이번 연구를 통해 개발된 전달체는 뇌혈관장벽이나 고형암과 같은 치밀한 조직 내부를 효과적으로 이동하며 약물을 전달할 수 있다. 현재 다양한 질병 치료제가 개발되고 있지만, 치료 효과를 높이기 위한 가장 중요한 과제는 약물을 조직 깊숙이 침투하는 것이다. 일부 조직은 촘촘하게 이루어져 있어 치료제가 존재하더라도 조직 내부까지 충분히 도달하지 못해 효과가 제한된다. 특히, 고형암이나 뇌종양처럼 조직이 단단하고 촘촘한 경우, 치료제를 조직 깊숙한 곳까지 전달하는 것이 더욱 어려운 문제가 된다. 최근 인체가 자연적으로 분비하는 나노소포체인 엑소좀을 활용한 치료제가 주목받고 있다. 엑소좀(Exosome)은 우리 몸에서 신호 전달과 물질 운반을 담당하며 복잡하고 치밀한 조직도 자유롭게 이동할 수 있다. 그러나 세포에서 자연적으로 분비되는 엑소좀은 성분 조절과 대량 생산이 어렵다는 한계를 갖고 있다. 연구팀은 엑소좀의 조직 침투 능력에 주목해 엑소좀 모사 전달체를 개발했다. 조직 침투에 중요한 엑소좀의 핵심 성분을 선별하고 이들의 조직 확산 및 약물 전달 역할을 체계적으로 분석하여 최적의 조합을 도출했다. 특히, 합성 전달체에 엑소좀 성분을 첨가하는 기존 방식과 달리 엑소좀의 주요 성분이 가진 구조적·기능적 특징을 정밀하게 분석하고 이를 분자 수준에서 재현해 실제 엑소좀과 유사한 성능을 구현했다. 연구팀이 개발한 엑소좀 모사 전달체의 효과를 검증하기 위해 모델 조직(model tissue)을 활용한 약물 확산 실험을 수행했다. 그 결과, 기존 전달체보다 33배 높은 침투력을 보였으며 근육, 연골, 고환 피막 등 다양한 생체 조직에서 80% 이상의 높은 침투 성능을 확인했다. 또한, 고형암 조직을 모사한 동물 모델에서도 엑소좀과 유사한 확산 패턴을 나타냈으며 실제 조직 내부에서의 이동 경로와 메커니즘을 효과적으로 재현하는 것으로 밝혀졌다. 이번 연구에서 개발한 전달체는 기존 합성 전달체가 극복하지 못했던 조직 침투 한계를 해결하고 치료제 전달 효율을 극대화해 차세대 약물 전달 기술로서 다양한 치료제 개발의 새로운 가능성을 제시했다. 특히, 엑소좀 모사 전달체를 활용한 정밀의료 및 항암 치료제 개발에 중요한 전환점이 될 것으로 기대된다. 이를 위해 연구팀은 체내 안정성과 약물 탑재 효율을 최적화하고 다양한 질환 모델에서 효과를 검증하는 연구를 수행할 계획이다. KIST 김호준 박사는 “엑소좀 모사 기술이 상용화되면 뇌종양 및 고형암과 같은 난치성 질환 치료에 획기적인 돌파구가 될 것”이라며 “후속 연구를 통해 치료제뿐만 아니라 엑소좀이 활용되고 있는 화장품, 식품 등 다양한 산업 분야로 활용 범위를 확대할 계획”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업 및 개인기초연구사업(RS-2023-00209955), Young Scientist+ research program(2023YS22) 등을 통해 수행됐다. 이번 연구 성과는 국제 학술지 「ACS Nano」 (IF 15.8, JCR 분야 6.0%) 최신 호에 게재됐다. * 논문명 : Exosome-Inspired Lipid Nanoparticles for Enhanced Tissue Penetration [그림 1 엑소좀 모사 전달체의 개발 모식도] 치밀한 구조의 조직 내부를 자유롭게 이동하는 엑소좀의 특별한 수송능력을 모사한 엑소좀 모사 전달체. 엑소좀의 조직 침투 능력을 모사할 수 있는 3가지 핵심 요소를 사용했으며, 결과적으로 우수한 조직 침투 능력을 가진 입자를 성공적으로 개발하였다. [그림 2 엑소좀 모사 전달체의 조직 침투 성능] (좌) 기존 전달체와 엑소좀 모사 전달체가 실제 조직을 이동하는 모식도 (우) 조직 내부 기존 전달체와 엑소좀 모사 전달체의 확산 계수, 모든 조직에서 높은 확산 현상을 나타냄 [그림 3 고형암 동물모델에서 엑소좀 모사 전달체의 침투 성능] 엑소좀 모사 전달체의 시간에 따른 실제 조직 내에서의 이동 거리. 엑소좀 모사 전달체가 기존의 전달체 보다 조직 내에서 더 높은 이동 거리를 나타내었다. 또한 조직 내부의 약물 분포(빨간색)를 확인했을 때 실제 엑소좀과 비슷한 분포를 나타내는 것을 확인하였다.

엑소좀의 한계 극복한 새로운 약물 전달체 개발 엑소좀의 조직 침투 특성을 모사한 신개념 약물 전달체 제작 및 성능 확인 뇌 질환과 고형암 치료의 한계를 넘는 차세대 치료제 개발에 적용 기대 한국과학기술연구원(KIST, 원장 오상록) 생체분자인식연구센터 김호준 박사 연구팀은 엑소좀의 한계를 극복하기 위해 새로운 약물 전달체인 엑소좀 모사 전달체(Exosome-Like Vesicle: ELV)를 개발했다고 밝혔다. 이번 연구를 통해 개발된 전달체는 뇌혈관장벽이나 고형암과 같은 치밀한 조직 내부를 효과적으로 이동하며 약물을 전달할 수 있다. 현재 다양한 질병 치료제가 개발되고 있지만, 치료 효과를 높이기 위한 가장 중요한 과제는 약물을 조직 깊숙이 침투하는 것이다. 일부 조직은 촘촘하게 이루어져 있어 치료제가 존재하더라도 조직 내부까지 충분히 도달하지 못해 효과가 제한된다. 특히, 고형암이나 뇌종양처럼 조직이 단단하고 촘촘한 경우, 치료제를 조직 깊숙한 곳까지 전달하는 것이 더욱 어려운 문제가 된다. 최근 인체가 자연적으로 분비하는 나노소포체인 엑소좀을 활용한 치료제가 주목받고 있다. 엑소좀(Exosome)은 우리 몸에서 신호 전달과 물질 운반을 담당하며 복잡하고 치밀한 조직도 자유롭게 이동할 수 있다. 그러나 세포에서 자연적으로 분비되는 엑소좀은 성분 조절과 대량 생산이 어렵다는 한계를 갖고 있다. 연구팀은 엑소좀의 조직 침투 능력에 주목해 엑소좀 모사 전달체를 개발했다. 조직 침투에 중요한 엑소좀의 핵심 성분을 선별하고 이들의 조직 확산 및 약물 전달 역할을 체계적으로 분석하여 최적의 조합을 도출했다. 특히, 합성 전달체에 엑소좀 성분을 첨가하는 기존 방식과 달리 엑소좀의 주요 성분이 가진 구조적·기능적 특징을 정밀하게 분석하고 이를 분자 수준에서 재현해 실제 엑소좀과 유사한 성능을 구현했다. 연구팀이 개발한 엑소좀 모사 전달체의 효과를 검증하기 위해 모델 조직(model tissue)을 활용한 약물 확산 실험을 수행했다. 그 결과, 기존 전달체보다 33배 높은 침투력을 보였으며 근육, 연골, 고환 피막 등 다양한 생체 조직에서 80% 이상의 높은 침투 성능을 확인했다. 또한, 고형암 조직을 모사한 동물 모델에서도 엑소좀과 유사한 확산 패턴을 나타냈으며 실제 조직 내부에서의 이동 경로와 메커니즘을 효과적으로 재현하는 것으로 밝혀졌다. 이번 연구에서 개발한 전달체는 기존 합성 전달체가 극복하지 못했던 조직 침투 한계를 해결하고 치료제 전달 효율을 극대화해 차세대 약물 전달 기술로서 다양한 치료제 개발의 새로운 가능성을 제시했다. 특히, 엑소좀 모사 전달체를 활용한 정밀의료 및 항암 치료제 개발에 중요한 전환점이 될 것으로 기대된다. 이를 위해 연구팀은 체내 안정성과 약물 탑재 효율을 최적화하고 다양한 질환 모델에서 효과를 검증하는 연구를 수행할 계획이다. KIST 김호준 박사는 “엑소좀 모사 기술이 상용화되면 뇌종양 및 고형암과 같은 난치성 질환 치료에 획기적인 돌파구가 될 것”이라며 “후속 연구를 통해 치료제뿐만 아니라 엑소좀이 활용되고 있는 화장품, 식품 등 다양한 산업 분야로 활용 범위를 확대할 계획”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업 및 개인기초연구사업(RS-2023-00209955), Young Scientist+ research program(2023YS22) 등을 통해 수행됐다. 이번 연구 성과는 국제 학술지 「ACS Nano」 (IF 15.8, JCR 분야 6.0%) 최신 호에 게재됐다. * 논문명 : Exosome-Inspired Lipid Nanoparticles for Enhanced Tissue Penetration [그림 1 엑소좀 모사 전달체의 개발 모식도] 치밀한 구조의 조직 내부를 자유롭게 이동하는 엑소좀의 특별한 수송능력을 모사한 엑소좀 모사 전달체. 엑소좀의 조직 침투 능력을 모사할 수 있는 3가지 핵심 요소를 사용했으며, 결과적으로 우수한 조직 침투 능력을 가진 입자를 성공적으로 개발하였다. [그림 2 엑소좀 모사 전달체의 조직 침투 성능] (좌) 기존 전달체와 엑소좀 모사 전달체가 실제 조직을 이동하는 모식도 (우) 조직 내부 기존 전달체와 엑소좀 모사 전달체의 확산 계수, 모든 조직에서 높은 확산 현상을 나타냄 [그림 3 고형암 동물모델에서 엑소좀 모사 전달체의 침투 성능] 엑소좀 모사 전달체의 시간에 따른 실제 조직 내에서의 이동 거리. 엑소좀 모사 전달체가 기존의 전달체 보다 조직 내에서 더 높은 이동 거리를 나타내었다. 또한 조직 내부의 약물 분포(빨간색)를 확인했을 때 실제 엑소좀과 비슷한 분포를 나타내는 것을 확인하였다.

KIST-삼성 E&A, 고온 수전해 설비 실증사업 착수 - ‘160kW 고온 수전해(SOEC) 핫박스(Hot Box) 실증 착수식’ 진행 수소 법 제정 이후 국내 첫 진행 사업으로 수전해 기술 상용화 목표 한국과학기술연구원(이하 KIST, 원장 오상록)은 지난 3월 24일(월) 서울 성북구 KIST 본원에서 삼성 E&A(사장 남궁 홍)과 ‘160kW 고온 수전해(SOEC) 핫박스(Hot Box) 실증 착수식’을 진행했다고 25일 밝혔다. 착수식은 KIST 청정수소협력허브센터에서 진행됐으며, 오상록 KIST 원장과 남궁 홍 삼성E&A 사장 등이 참석했다. 이번 160kW 규모의 실증사업 착수는 수소 법 제정 이후 국내에서 진행되는 첫 고온 수전해 실증 사업이라는 점에서 의미가 크다. KIST와 삼성E&A는 지난해 2월 공동협력 업무협약(MOU)을 통해 협업의 첫발을 내디뎠다. 또, 같은 해 7월 기술개발을 위한 수전해공동연구소를 출범시킨 데 이어 대규모 고온 수전해(SOEC) 스택(Stack) 평가 및 실증 설비를 구축하며 지속적으로 협력해왔다. 특히, 12월 이에 대한 규제 샌드박스 최종 승인을 획득하면서 기술 검증에 나섰으며, 이번 실증 착수에까지 이어지게 됐다. 이번 실증 설비는 산업 규모 수전해 시설 구축을 위한 사전 평가 목적이라 소규모로 설계되었으며, 고온에서 작동되는 SOEC 기술의 특징을 고려해 시스템의 안전성과 효율성을 검증할 예정이다. KIST는 고온 수전해 분야 연구 역량을 바탕으로, 삼성E&A의 다수의 프로젝트 수행을 통해 쌓은 경험과 혁신 기술력을 더해 이번 실증 사업을 성공적으로 수행한다는 계획이다. 오상록 KIST 원장은 “오늘 이 성과를 시작으로, 두 기관 간 장기적인 파트너십을 바탕으로 미래 수소사회 구축을 위한 핵심 기술 혁신을 주도하며, 지속가능한 에너지 패러다임 전환을 함께 이끌어 나가길 희망한다”라고 밝혔다. [사진1] (좌측부터) 남궁 홍 삼성 E&A 대표이사 사장과 오상록 KIST 원장이 고온 수전해 핫박스 실증 착수식 기관 소개 행사를 마치고 기념촬영을 하고 있다. [사진2] 오상록 KIST 원장(우측 네 번째)과 남궁 홍 삼성E&A 대표이사 사장(좌측 네 번째)가 고온 수전해 핫박스 실증 착수식에서 테이프 커팅을 마치고 주요 관계자들과 기념촬영을 하고 있다.

안녕하세요, 학연운영팀입니다. 금일 오전 발급완료 하였습니다. 이직확인서 관련 추가 문의는 jdh@kist.re.kr로 부탁 드립니다. 감사합니다.

인공 시각 장치 개발, AI로 더 빠르고 정밀하게 - 인공지능을 활용한 인공 시각 장치의 성능 예측 기술 개발 - 인공 시각 장치 개발 기간 획기적 단축 및 실생활 적용 가능성 증대 시각 장애인을 위한 인공 시각 장치 개발은 여전히 과학적·공학적·의학적 난제로 남아있다. 현재까지 개발된 인공 시각 기술은 사람의 얼굴을 인식하거나 책을 읽을 수 있는 수준은 구현된 바가 없으며, 사물의 인지 효율도 낮은 문제가 있다. 시각 장애인들이 인공 시각 장치를 이식받더라도 지팡이나 보호자 도움 없이 독립적인 보행이 어렵고 촉각이나 청각에 의존해야 한다. 한국과학기술연구원(KIST, 원장 오상록) 뇌융합연구단 임매순 박사 연구팀은 인공지능(AI)을 활용해 인공 시각 장치의 인지 효율을 사전에 정밀하게 예측할 수 있는 기술을 개발했다고 밝혔다. 이번 연구는 인공 시각 장치의 효율적인 설계 및 성능 최적화를 가능하게 해 실생활에서 사용가능한 수준의 시각 구현을 앞당길 수 있을 것으로 기대된다. 연구팀은 인공 시각 장치의 다양한 설계 조건에 따른 최종 시각 품질을 신속하고 정밀하게 예측할 수 있는 AI 모델을 개발했다. KIST가 구축한 한국인 400명의 얼굴 이미지 데이터베이스를 활용해 기계학습 모델을 학습시켜 인간의 자연스러운 얼굴 인식 능력을 모사할 수 있도록 설계했다. 특히, 인공 시각 장치가 제공하는 저해상도 흑백 이미지에 최적화된 AI 모델을 개발해 실제 인공 시각 환경에서 적용할 수 있도록 설계됐다. 개발된 AI 모델의 성능 평가를 위해 저해상도로 변환된 3,600개의 얼굴 이미지에 대해 인식 정확도를 측정했다. 이를 정상 시력을 가진 36명을 대상으로 720개의 얼굴 이미지에 대한 인지 실험 결과와 비교했을 때, 연구진이 개발한 AI 모델은 인간과 유사한 인식 정확도를 보였다. 이러한 성능 검증을 통해 기존의 반복적인 임상시험 없이도 설계 단계에서 인공 시각 장치의 품질을 예측할 수 있다. 이번 연구는 인공 시각 기술 개발에 AI 기반 접근법을 도입하여 연구개발 비용과 시간을 절감할 수 있음을 의미한다. 기존에는 인공 시각 장치를 설계한 후 실제 제작과 임상시험을 거쳐야만 성능을 평가할 수 있었으나, AI 모델을 활용하면 설계 단계에서 성능을 예측하고 최적화할 수 있어 개발 시간을 단축할 수 있다. 또한, 최적의 시각 자극 조건을 탐색해 인공 시각 장치의 성능을 극대화하는데 기여할 수 있다. KIST 임매순 박사는 “이번에 개발된 AI 모델이 얼굴 인식뿐만 아니라 실생활 이미지 분석에도 적용될 경우, 보다 실용적인 인공 시각 시스템 개발이 가능할 것”이라며, “향후 AI 기반 인공 시각 품질 예측 모델의 적용 범위를 확대하고 현재 개발 중인 새로운 인공 시각 기술에도 적용해 임상시험 및 상용화를 앞당길 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업과 우수신진연구자지원사업(2020R1C1C1006065) 및 뇌기능규명조절기술개발사업(2022M3E5E8017395)으로 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced Science」 (IF 14.3, JCR 분야 6.5%) 최신호에 게재됐다. * 논문명 : Machine Learning Techniques for Simulating Human Psychophysical Testing of Low-Resolution Phosphene Face Images in Artificial Vision [그림 1] 얼굴 인식 정확도 측정을 위한 사람 대상 인지 실험과 이를 대체할 수 있는 인공지능 (머신러닝) 방법 개념도 인공 시각을 위한 기존 연구에서는 인공 시각으로 예상되는 저해상도 이미지를 활용하여 인지 실험을 수행함. 일반적으로, 인지 실험의 사전 테스트 단계에서는 메인 테스트 단계에서 활용하는 얼굴 이미지가 아닌 이미지로 실험 문제를 구성하여 사람들이 실험 절차를 익히도록 하고, 메인 테스트 단계에서는 인공 시각으로 표현된 사람 얼굴 이미지로 실험 문제를 구성하여 얼굴 인식 정확도를 측정함. 본 연구에서는 인간의 얼굴 인식 능력을 모방한 인공지능 (머신러닝) 모델을 학습하고, 사람 대상 인지 실험과 동일한 형태의 테스트를 수행하여 인공 시각 품질을 얼마나 정교하게 예측할 수 있는지 알아보았음. 사람 얼굴 이미지는 KIST 고유 데이터베이스 AIHub에서 제공받음. [그림 2] 여러 인공 시각 조건으로 표현된 얼굴에 대한 인지 실험 참가자와 AI 모델의 얼굴 인식 정확도 비교 본 연구진이 테스트한 AI 모델들 중 가장 얼굴 인식 성능이 높은 AI 모델과 인지 실험 참가자의 얼굴 인식 정확도를 비교한 결과 그래프임. 여러 인공 시각 조건으로 사람 얼굴을 표현했을 때, 가장 낮은 품질의 인공 시각 이미지에 대해서만 사람의 얼굴 인식 성능이 유의미하게 높고, 나머지 조건에 대해서는 AI 모델이 인지 실험 참여자들과 매우 유사한 수준의 얼굴 인식 성능을 보임. 해당 결과는 사람 대상 얼굴 인식 인지 실험을 AI 모델로 대체할 수 있음을 보여줌. [그림 3] 얼굴 인식 과정에서 인지 실험 참가자와 AI 모델의 관심 영역 비교 인공 시각으로 표현된 얼굴 이미지를 인식 과정에서 인지 실험 참여자와 AI 모델의 차이를 비교하기 위해 관심 영역 분석을 시행함, AI 모델은 Grad-CAM 기법으로, 사람은 시선 추적 장치를 통해 관심 영역을 Heatmap으로 표현함. 그 결과, 가장 높은 얼굴 인식 성능을 보이는 AI 모델은 다른 모델들보다 얼굴 특징을 보다 더 정확하게 포착했으며, 다양한 인공 시각 조건에서도 일관되게 얼굴 특징을 잘 포착하는 경향을 보임.

인공 시각 장치 개발, AI로 더 빠르고 정밀하게 - 인공지능을 활용한 인공 시각 장치의 성능 예측 기술 개발 - 인공 시각 장치 개발 기간 획기적 단축 및 실생활 적용 가능성 증대 시각 장애인을 위한 인공 시각 장치 개발은 여전히 과학적·공학적·의학적 난제로 남아있다. 현재까지 개발된 인공 시각 기술은 사람의 얼굴을 인식하거나 책을 읽을 수 있는 수준은 구현된 바가 없으며, 사물의 인지 효율도 낮은 문제가 있다. 시각 장애인들이 인공 시각 장치를 이식받더라도 지팡이나 보호자 도움 없이 독립적인 보행이 어렵고 촉각이나 청각에 의존해야 한다. 한국과학기술연구원(KIST, 원장 오상록) 뇌융합연구단 임매순 박사 연구팀은 인공지능(AI)을 활용해 인공 시각 장치의 인지 효율을 사전에 정밀하게 예측할 수 있는 기술을 개발했다고 밝혔다. 이번 연구는 인공 시각 장치의 효율적인 설계 및 성능 최적화를 가능하게 해 실생활에서 사용가능한 수준의 시각 구현을 앞당길 수 있을 것으로 기대된다. 연구팀은 인공 시각 장치의 다양한 설계 조건에 따른 최종 시각 품질을 신속하고 정밀하게 예측할 수 있는 AI 모델을 개발했다. KIST가 구축한 한국인 400명의 얼굴 이미지 데이터베이스를 활용해 기계학습 모델을 학습시켜 인간의 자연스러운 얼굴 인식 능력을 모사할 수 있도록 설계했다. 특히, 인공 시각 장치가 제공하는 저해상도 흑백 이미지에 최적화된 AI 모델을 개발해 실제 인공 시각 환경에서 적용할 수 있도록 설계됐다. 개발된 AI 모델의 성능 평가를 위해 저해상도로 변환된 3,600개의 얼굴 이미지에 대해 인식 정확도를 측정했다. 이를 정상 시력을 가진 36명을 대상으로 720개의 얼굴 이미지에 대한 인지 실험 결과와 비교했을 때, 연구진이 개발한 AI 모델은 인간과 유사한 인식 정확도를 보였다. 이러한 성능 검증을 통해 기존의 반복적인 임상시험 없이도 설계 단계에서 인공 시각 장치의 품질을 예측할 수 있다. 이번 연구는 인공 시각 기술 개발에 AI 기반 접근법을 도입하여 연구개발 비용과 시간을 절감할 수 있음을 의미한다. 기존에는 인공 시각 장치를 설계한 후 실제 제작과 임상시험을 거쳐야만 성능을 평가할 수 있었으나, AI 모델을 활용하면 설계 단계에서 성능을 예측하고 최적화할 수 있어 개발 시간을 단축할 수 있다. 또한, 최적의 시각 자극 조건을 탐색해 인공 시각 장치의 성능을 극대화하는데 기여할 수 있다. KIST 임매순 박사는 “이번에 개발된 AI 모델이 얼굴 인식뿐만 아니라 실생활 이미지 분석에도 적용될 경우, 보다 실용적인 인공 시각 시스템 개발이 가능할 것”이라며, “향후 AI 기반 인공 시각 품질 예측 모델의 적용 범위를 확대하고 현재 개발 중인 새로운 인공 시각 기술에도 적용해 임상시험 및 상용화를 앞당길 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업과 우수신진연구자지원사업(2020R1C1C1006065) 및 뇌기능규명조절기술개발사업(2022M3E5E8017395)으로 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced Science」 (IF 14.3, JCR 분야 6.5%) 최신호에 게재됐다. * 논문명 : Machine Learning Techniques for Simulating Human Psychophysical Testing of Low-Resolution Phosphene Face Images in Artificial Vision [그림 1] 얼굴 인식 정확도 측정을 위한 사람 대상 인지 실험과 이를 대체할 수 있는 인공지능 (머신러닝) 방법 개념도 인공 시각을 위한 기존 연구에서는 인공 시각으로 예상되는 저해상도 이미지를 활용하여 인지 실험을 수행함. 일반적으로, 인지 실험의 사전 테스트 단계에서는 메인 테스트 단계에서 활용하는 얼굴 이미지가 아닌 이미지로 실험 문제를 구성하여 사람들이 실험 절차를 익히도록 하고, 메인 테스트 단계에서는 인공 시각으로 표현된 사람 얼굴 이미지로 실험 문제를 구성하여 얼굴 인식 정확도를 측정함. 본 연구에서는 인간의 얼굴 인식 능력을 모방한 인공지능 (머신러닝) 모델을 학습하고, 사람 대상 인지 실험과 동일한 형태의 테스트를 수행하여 인공 시각 품질을 얼마나 정교하게 예측할 수 있는지 알아보았음. 사람 얼굴 이미지는 KIST 고유 데이터베이스 AIHub에서 제공받음. [그림 2] 여러 인공 시각 조건으로 표현된 얼굴에 대한 인지 실험 참가자와 AI 모델의 얼굴 인식 정확도 비교 본 연구진이 테스트한 AI 모델들 중 가장 얼굴 인식 성능이 높은 AI 모델과 인지 실험 참가자의 얼굴 인식 정확도를 비교한 결과 그래프임. 여러 인공 시각 조건으로 사람 얼굴을 표현했을 때, 가장 낮은 품질의 인공 시각 이미지에 대해서만 사람의 얼굴 인식 성능이 유의미하게 높고, 나머지 조건에 대해서는 AI 모델이 인지 실험 참여자들과 매우 유사한 수준의 얼굴 인식 성능을 보임. 해당 결과는 사람 대상 얼굴 인식 인지 실험을 AI 모델로 대체할 수 있음을 보여줌. [그림 3] 얼굴 인식 과정에서 인지 실험 참가자와 AI 모델의 관심 영역 비교 인공 시각으로 표현된 얼굴 이미지를 인식 과정에서 인지 실험 참여자와 AI 모델의 차이를 비교하기 위해 관심 영역 분석을 시행함, AI 모델은 Grad-CAM 기법으로, 사람은 시선 추적 장치를 통해 관심 영역을 Heatmap으로 표현함. 그 결과, 가장 높은 얼굴 인식 성능을 보이는 AI 모델은 다른 모델들보다 얼굴 특징을 보다 더 정확하게 포착했으며, 다양한 인공 시각 조건에서도 일관되게 얼굴 특징을 잘 포착하는 경향을 보임.

인공 시각 장치 개발, AI로 더 빠르고 정밀하게 - 인공지능을 활용한 인공 시각 장치의 성능 예측 기술 개발 - 인공 시각 장치 개발 기간 획기적 단축 및 실생활 적용 가능성 증대 시각 장애인을 위한 인공 시각 장치 개발은 여전히 과학적·공학적·의학적 난제로 남아있다. 현재까지 개발된 인공 시각 기술은 사람의 얼굴을 인식하거나 책을 읽을 수 있는 수준은 구현된 바가 없으며, 사물의 인지 효율도 낮은 문제가 있다. 시각 장애인들이 인공 시각 장치를 이식받더라도 지팡이나 보호자 도움 없이 독립적인 보행이 어렵고 촉각이나 청각에 의존해야 한다. 한국과학기술연구원(KIST, 원장 오상록) 뇌융합연구단 임매순 박사 연구팀은 인공지능(AI)을 활용해 인공 시각 장치의 인지 효율을 사전에 정밀하게 예측할 수 있는 기술을 개발했다고 밝혔다. 이번 연구는 인공 시각 장치의 효율적인 설계 및 성능 최적화를 가능하게 해 실생활에서 사용가능한 수준의 시각 구현을 앞당길 수 있을 것으로 기대된다. 연구팀은 인공 시각 장치의 다양한 설계 조건에 따른 최종 시각 품질을 신속하고 정밀하게 예측할 수 있는 AI 모델을 개발했다. KIST가 구축한 한국인 400명의 얼굴 이미지 데이터베이스를 활용해 기계학습 모델을 학습시켜 인간의 자연스러운 얼굴 인식 능력을 모사할 수 있도록 설계했다. 특히, 인공 시각 장치가 제공하는 저해상도 흑백 이미지에 최적화된 AI 모델을 개발해 실제 인공 시각 환경에서 적용할 수 있도록 설계됐다. 개발된 AI 모델의 성능 평가를 위해 저해상도로 변환된 3,600개의 얼굴 이미지에 대해 인식 정확도를 측정했다. 이를 정상 시력을 가진 36명을 대상으로 720개의 얼굴 이미지에 대한 인지 실험 결과와 비교했을 때, 연구진이 개발한 AI 모델은 인간과 유사한 인식 정확도를 보였다. 이러한 성능 검증을 통해 기존의 반복적인 임상시험 없이도 설계 단계에서 인공 시각 장치의 품질을 예측할 수 있다. 이번 연구는 인공 시각 기술 개발에 AI 기반 접근법을 도입하여 연구개발 비용과 시간을 절감할 수 있음을 의미한다. 기존에는 인공 시각 장치를 설계한 후 실제 제작과 임상시험을 거쳐야만 성능을 평가할 수 있었으나, AI 모델을 활용하면 설계 단계에서 성능을 예측하고 최적화할 수 있어 개발 시간을 단축할 수 있다. 또한, 최적의 시각 자극 조건을 탐색해 인공 시각 장치의 성능을 극대화하는데 기여할 수 있다. KIST 임매순 박사는 “이번에 개발된 AI 모델이 얼굴 인식뿐만 아니라 실생활 이미지 분석에도 적용될 경우, 보다 실용적인 인공 시각 시스템 개발이 가능할 것”이라며, “향후 AI 기반 인공 시각 품질 예측 모델의 적용 범위를 확대하고 현재 개발 중인 새로운 인공 시각 기술에도 적용해 임상시험 및 상용화를 앞당길 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업과 우수신진연구자지원사업(2020R1C1C1006065) 및 뇌기능규명조절기술개발사업(2022M3E5E8017395)으로 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced Science」 (IF 14.3, JCR 분야 6.5%) 최신호에 게재됐다. * 논문명 : Machine Learning Techniques for Simulating Human Psychophysical Testing of Low-Resolution Phosphene Face Images in Artificial Vision [그림 1] 얼굴 인식 정확도 측정을 위한 사람 대상 인지 실험과 이를 대체할 수 있는 인공지능 (머신러닝) 방법 개념도 인공 시각을 위한 기존 연구에서는 인공 시각으로 예상되는 저해상도 이미지를 활용하여 인지 실험을 수행함. 일반적으로, 인지 실험의 사전 테스트 단계에서는 메인 테스트 단계에서 활용하는 얼굴 이미지가 아닌 이미지로 실험 문제를 구성하여 사람들이 실험 절차를 익히도록 하고, 메인 테스트 단계에서는 인공 시각으로 표현된 사람 얼굴 이미지로 실험 문제를 구성하여 얼굴 인식 정확도를 측정함. 본 연구에서는 인간의 얼굴 인식 능력을 모방한 인공지능 (머신러닝) 모델을 학습하고, 사람 대상 인지 실험과 동일한 형태의 테스트를 수행하여 인공 시각 품질을 얼마나 정교하게 예측할 수 있는지 알아보았음. 사람 얼굴 이미지는 KIST 고유 데이터베이스 AIHub에서 제공받음. [그림 2] 여러 인공 시각 조건으로 표현된 얼굴에 대한 인지 실험 참가자와 AI 모델의 얼굴 인식 정확도 비교 본 연구진이 테스트한 AI 모델들 중 가장 얼굴 인식 성능이 높은 AI 모델과 인지 실험 참가자의 얼굴 인식 정확도를 비교한 결과 그래프임. 여러 인공 시각 조건으로 사람 얼굴을 표현했을 때, 가장 낮은 품질의 인공 시각 이미지에 대해서만 사람의 얼굴 인식 성능이 유의미하게 높고, 나머지 조건에 대해서는 AI 모델이 인지 실험 참여자들과 매우 유사한 수준의 얼굴 인식 성능을 보임. 해당 결과는 사람 대상 얼굴 인식 인지 실험을 AI 모델로 대체할 수 있음을 보여줌. [그림 3] 얼굴 인식 과정에서 인지 실험 참가자와 AI 모델의 관심 영역 비교 인공 시각으로 표현된 얼굴 이미지를 인식 과정에서 인지 실험 참여자와 AI 모델의 차이를 비교하기 위해 관심 영역 분석을 시행함, AI 모델은 Grad-CAM 기법으로, 사람은 시선 추적 장치를 통해 관심 영역을 Heatmap으로 표현함. 그 결과, 가장 높은 얼굴 인식 성능을 보이는 AI 모델은 다른 모델들보다 얼굴 특징을 보다 더 정확하게 포착했으며, 다양한 인공 시각 조건에서도 일관되게 얼굴 특징을 잘 포착하는 경향을 보임.

인공 시각 장치 개발, AI로 더 빠르고 정밀하게 - 인공지능을 활용한 인공 시각 장치의 성능 예측 기술 개발 - 인공 시각 장치 개발 기간 획기적 단축 및 실생활 적용 가능성 증대 시각 장애인을 위한 인공 시각 장치 개발은 여전히 과학적·공학적·의학적 난제로 남아있다. 현재까지 개발된 인공 시각 기술은 사람의 얼굴을 인식하거나 책을 읽을 수 있는 수준은 구현된 바가 없으며, 사물의 인지 효율도 낮은 문제가 있다. 시각 장애인들이 인공 시각 장치를 이식받더라도 지팡이나 보호자 도움 없이 독립적인 보행이 어렵고 촉각이나 청각에 의존해야 한다. 한국과학기술연구원(KIST, 원장 오상록) 뇌융합연구단 임매순 박사 연구팀은 인공지능(AI)을 활용해 인공 시각 장치의 인지 효율을 사전에 정밀하게 예측할 수 있는 기술을 개발했다고 밝혔다. 이번 연구는 인공 시각 장치의 효율적인 설계 및 성능 최적화를 가능하게 해 실생활에서 사용가능한 수준의 시각 구현을 앞당길 수 있을 것으로 기대된다. 연구팀은 인공 시각 장치의 다양한 설계 조건에 따른 최종 시각 품질을 신속하고 정밀하게 예측할 수 있는 AI 모델을 개발했다. KIST가 구축한 한국인 400명의 얼굴 이미지 데이터베이스를 활용해 기계학습 모델을 학습시켜 인간의 자연스러운 얼굴 인식 능력을 모사할 수 있도록 설계했다. 특히, 인공 시각 장치가 제공하는 저해상도 흑백 이미지에 최적화된 AI 모델을 개발해 실제 인공 시각 환경에서 적용할 수 있도록 설계됐다. 개발된 AI 모델의 성능 평가를 위해 저해상도로 변환된 3,600개의 얼굴 이미지에 대해 인식 정확도를 측정했다. 이를 정상 시력을 가진 36명을 대상으로 720개의 얼굴 이미지에 대한 인지 실험 결과와 비교했을 때, 연구진이 개발한 AI 모델은 인간과 유사한 인식 정확도를 보였다. 이러한 성능 검증을 통해 기존의 반복적인 임상시험 없이도 설계 단계에서 인공 시각 장치의 품질을 예측할 수 있다. 이번 연구는 인공 시각 기술 개발에 AI 기반 접근법을 도입하여 연구개발 비용과 시간을 절감할 수 있음을 의미한다. 기존에는 인공 시각 장치를 설계한 후 실제 제작과 임상시험을 거쳐야만 성능을 평가할 수 있었으나, AI 모델을 활용하면 설계 단계에서 성능을 예측하고 최적화할 수 있어 개발 시간을 단축할 수 있다. 또한, 최적의 시각 자극 조건을 탐색해 인공 시각 장치의 성능을 극대화하는데 기여할 수 있다. KIST 임매순 박사는 “이번에 개발된 AI 모델이 얼굴 인식뿐만 아니라 실생활 이미지 분석에도 적용될 경우, 보다 실용적인 인공 시각 시스템 개발이 가능할 것”이라며, “향후 AI 기반 인공 시각 품질 예측 모델의 적용 범위를 확대하고 현재 개발 중인 새로운 인공 시각 기술에도 적용해 임상시험 및 상용화를 앞당길 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업과 우수신진연구자지원사업(2020R1C1C1006065) 및 뇌기능규명조절기술개발사업(2022M3E5E8017395)으로 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced Science」 (IF 14.3, JCR 분야 6.5%) 최신호에 게재됐다. * 논문명 : Machine Learning Techniques for Simulating Human Psychophysical Testing of Low-Resolution Phosphene Face Images in Artificial Vision [그림 1] 얼굴 인식 정확도 측정을 위한 사람 대상 인지 실험과 이를 대체할 수 있는 인공지능 (머신러닝) 방법 개념도 인공 시각을 위한 기존 연구에서는 인공 시각으로 예상되는 저해상도 이미지를 활용하여 인지 실험을 수행함. 일반적으로, 인지 실험의 사전 테스트 단계에서는 메인 테스트 단계에서 활용하는 얼굴 이미지가 아닌 이미지로 실험 문제를 구성하여 사람들이 실험 절차를 익히도록 하고, 메인 테스트 단계에서는 인공 시각으로 표현된 사람 얼굴 이미지로 실험 문제를 구성하여 얼굴 인식 정확도를 측정함. 본 연구에서는 인간의 얼굴 인식 능력을 모방한 인공지능 (머신러닝) 모델을 학습하고, 사람 대상 인지 실험과 동일한 형태의 테스트를 수행하여 인공 시각 품질을 얼마나 정교하게 예측할 수 있는지 알아보았음. 사람 얼굴 이미지는 KIST 고유 데이터베이스 AIHub에서 제공받음. [그림 2] 여러 인공 시각 조건으로 표현된 얼굴에 대한 인지 실험 참가자와 AI 모델의 얼굴 인식 정확도 비교 본 연구진이 테스트한 AI 모델들 중 가장 얼굴 인식 성능이 높은 AI 모델과 인지 실험 참가자의 얼굴 인식 정확도를 비교한 결과 그래프임. 여러 인공 시각 조건으로 사람 얼굴을 표현했을 때, 가장 낮은 품질의 인공 시각 이미지에 대해서만 사람의 얼굴 인식 성능이 유의미하게 높고, 나머지 조건에 대해서는 AI 모델이 인지 실험 참여자들과 매우 유사한 수준의 얼굴 인식 성능을 보임. 해당 결과는 사람 대상 얼굴 인식 인지 실험을 AI 모델로 대체할 수 있음을 보여줌. [그림 3] 얼굴 인식 과정에서 인지 실험 참가자와 AI 모델의 관심 영역 비교 인공 시각으로 표현된 얼굴 이미지를 인식 과정에서 인지 실험 참여자와 AI 모델의 차이를 비교하기 위해 관심 영역 분석을 시행함, AI 모델은 Grad-CAM 기법으로, 사람은 시선 추적 장치를 통해 관심 영역을 Heatmap으로 표현함. 그 결과, 가장 높은 얼굴 인식 성능을 보이는 AI 모델은 다른 모델들보다 얼굴 특징을 보다 더 정확하게 포착했으며, 다양한 인공 시각 조건에서도 일관되게 얼굴 특징을 잘 포착하는 경향을 보임.

인공 시각 장치 개발, AI로 더 빠르고 정밀하게 - 인공지능을 활용한 인공 시각 장치의 성능 예측 기술 개발 - 인공 시각 장치 개발 기간 획기적 단축 및 실생활 적용 가능성 증대 시각 장애인을 위한 인공 시각 장치 개발은 여전히 과학적·공학적·의학적 난제로 남아있다. 현재까지 개발된 인공 시각 기술은 사람의 얼굴을 인식하거나 책을 읽을 수 있는 수준은 구현된 바가 없으며, 사물의 인지 효율도 낮은 문제가 있다. 시각 장애인들이 인공 시각 장치를 이식받더라도 지팡이나 보호자 도움 없이 독립적인 보행이 어렵고 촉각이나 청각에 의존해야 한다. 한국과학기술연구원(KIST, 원장 오상록) 뇌융합연구단 임매순 박사 연구팀은 인공지능(AI)을 활용해 인공 시각 장치의 인지 효율을 사전에 정밀하게 예측할 수 있는 기술을 개발했다고 밝혔다. 이번 연구는 인공 시각 장치의 효율적인 설계 및 성능 최적화를 가능하게 해 실생활에서 사용가능한 수준의 시각 구현을 앞당길 수 있을 것으로 기대된다. 연구팀은 인공 시각 장치의 다양한 설계 조건에 따른 최종 시각 품질을 신속하고 정밀하게 예측할 수 있는 AI 모델을 개발했다. KIST가 구축한 한국인 400명의 얼굴 이미지 데이터베이스를 활용해 기계학습 모델을 학습시켜 인간의 자연스러운 얼굴 인식 능력을 모사할 수 있도록 설계했다. 특히, 인공 시각 장치가 제공하는 저해상도 흑백 이미지에 최적화된 AI 모델을 개발해 실제 인공 시각 환경에서 적용할 수 있도록 설계됐다. 개발된 AI 모델의 성능 평가를 위해 저해상도로 변환된 3,600개의 얼굴 이미지에 대해 인식 정확도를 측정했다. 이를 정상 시력을 가진 36명을 대상으로 720개의 얼굴 이미지에 대한 인지 실험 결과와 비교했을 때, 연구진이 개발한 AI 모델은 인간과 유사한 인식 정확도를 보였다. 이러한 성능 검증을 통해 기존의 반복적인 임상시험 없이도 설계 단계에서 인공 시각 장치의 품질을 예측할 수 있다. 이번 연구는 인공 시각 기술 개발에 AI 기반 접근법을 도입하여 연구개발 비용과 시간을 절감할 수 있음을 의미한다. 기존에는 인공 시각 장치를 설계한 후 실제 제작과 임상시험을 거쳐야만 성능을 평가할 수 있었으나, AI 모델을 활용하면 설계 단계에서 성능을 예측하고 최적화할 수 있어 개발 시간을 단축할 수 있다. 또한, 최적의 시각 자극 조건을 탐색해 인공 시각 장치의 성능을 극대화하는데 기여할 수 있다. KIST 임매순 박사는 “이번에 개발된 AI 모델이 얼굴 인식뿐만 아니라 실생활 이미지 분석에도 적용될 경우, 보다 실용적인 인공 시각 시스템 개발이 가능할 것”이라며, “향후 AI 기반 인공 시각 품질 예측 모델의 적용 범위를 확대하고 현재 개발 중인 새로운 인공 시각 기술에도 적용해 임상시험 및 상용화를 앞당길 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업과 우수신진연구자지원사업(2020R1C1C1006065) 및 뇌기능규명조절기술개발사업(2022M3E5E8017395)으로 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced Science」 (IF 14.3, JCR 분야 6.5%) 최신호에 게재됐다. * 논문명 : Machine Learning Techniques for Simulating Human Psychophysical Testing of Low-Resolution Phosphene Face Images in Artificial Vision [그림 1] 얼굴 인식 정확도 측정을 위한 사람 대상 인지 실험과 이를 대체할 수 있는 인공지능 (머신러닝) 방법 개념도 인공 시각을 위한 기존 연구에서는 인공 시각으로 예상되는 저해상도 이미지를 활용하여 인지 실험을 수행함. 일반적으로, 인지 실험의 사전 테스트 단계에서는 메인 테스트 단계에서 활용하는 얼굴 이미지가 아닌 이미지로 실험 문제를 구성하여 사람들이 실험 절차를 익히도록 하고, 메인 테스트 단계에서는 인공 시각으로 표현된 사람 얼굴 이미지로 실험 문제를 구성하여 얼굴 인식 정확도를 측정함. 본 연구에서는 인간의 얼굴 인식 능력을 모방한 인공지능 (머신러닝) 모델을 학습하고, 사람 대상 인지 실험과 동일한 형태의 테스트를 수행하여 인공 시각 품질을 얼마나 정교하게 예측할 수 있는지 알아보았음. 사람 얼굴 이미지는 KIST 고유 데이터베이스 AIHub에서 제공받음. [그림 2] 여러 인공 시각 조건으로 표현된 얼굴에 대한 인지 실험 참가자와 AI 모델의 얼굴 인식 정확도 비교 본 연구진이 테스트한 AI 모델들 중 가장 얼굴 인식 성능이 높은 AI 모델과 인지 실험 참가자의 얼굴 인식 정확도를 비교한 결과 그래프임. 여러 인공 시각 조건으로 사람 얼굴을 표현했을 때, 가장 낮은 품질의 인공 시각 이미지에 대해서만 사람의 얼굴 인식 성능이 유의미하게 높고, 나머지 조건에 대해서는 AI 모델이 인지 실험 참여자들과 매우 유사한 수준의 얼굴 인식 성능을 보임. 해당 결과는 사람 대상 얼굴 인식 인지 실험을 AI 모델로 대체할 수 있음을 보여줌. [그림 3] 얼굴 인식 과정에서 인지 실험 참가자와 AI 모델의 관심 영역 비교 인공 시각으로 표현된 얼굴 이미지를 인식 과정에서 인지 실험 참여자와 AI 모델의 차이를 비교하기 위해 관심 영역 분석을 시행함, AI 모델은 Grad-CAM 기법으로, 사람은 시선 추적 장치를 통해 관심 영역을 Heatmap으로 표현함. 그 결과, 가장 높은 얼굴 인식 성능을 보이는 AI 모델은 다른 모델들보다 얼굴 특징을 보다 더 정확하게 포착했으며, 다양한 인공 시각 조건에서도 일관되게 얼굴 특징을 잘 포착하는 경향을 보임.