- 흑색종의 억제 표적 항암제(BRAF)에 내성을 가지는 핵심 기전 규명 - 폴리아민 생합성 조절로 내성 억제, 치료 효과 높은 신규 항암제 개발 기대 흑색종은 피부 속 색소를 만들어 주는 멜라닌 세포가 일으키는 암으로, 전이나 재발이 쉽게 발생해 피부암 중 가장 치명적인 암으로 알려져 있다. 전 세계적인 고령화 추세로 인해 흑색종 환자가 빠르게 늘어 2040년에는 매년 세계에서 약 10만 명이 흑색종으로 사망할 것으로 보고된다. 현재 임상에서는 BRAF(비라프)라는 발암 유전자를 억제하는 표적 항암제로 흑색종을 치료하고 있지만, 약물에 대한 내성이 빠르게 발생해 치료 효과가 높지 않다는 한계가 있다. 한국과학기술연구원(KIST, 원장 오상록) 의약소재연구센터 김택훈 박사 연구팀은 흑색종이 BRAF 억제 항암제에 대한 내성을 가지게 되는 핵심 기전을 새롭게 규명하고, 내성 발생을 억제할 수 있는 새로운 항암제 개발 전략을 제시했다고 밝혔다. 연구팀은 BRAF 항암제에 내성을 지닌 세포주 모델을 이용해 AMD1 유전자의 활성이 항암제 내성을 가지는 데 중요한 역할을 하고 있음을 발견했다. AMD1 유전자는 세포의 성장과 증식을 촉진하는 폴리아민(polyamine) 생합성에 필수적인 역할을 하는데, 일반적으로 암세포에서 폴리아민이 더 높은 수준으로 나타난다. 실험을 통해 이 유전자의 활성을 조절한 결과, 폴리아민 생합성을 억제하면 BRAF 항암제에 대한 내성도 낮아져 흑색종이 사멸됨을 확인했다. 이를 바탕으로 항암제 내성 흑색종에서 발암 유전자인 c-Myc이 폴리아민 생합성의 증가를 유발하고 있음을 밝혔다. 이렇게 증가된 폴리아민이 미토콘드리아 단백질의 양을 증가시켜 미토콘드리아 활성을 높이며, 이로 인해 항암제에 내성을 지닌 암세포의 증식으로 이어지는 과정이 흑색종 항암제 내성 발생 핵심 기전임을 규명했다. 이번 연구는 기존에 거의 알려지지 않았던 폴리아민 생합성이 BRAF 항암제 내성 유발의 원인임을 밝힌 세계 최초의 연구이며, 나아가 KIST 연구팀은 BRAF 항암제에 대한 내성을 극복하기 위해 내성 기전의 각 단계를 억제하는 항암제 개발 전략을 제시했다. 본 연구를 통해 항암제 내성이 빈번하게 발생해 완치가 어려웠던 흑색종을 치료할 수 있는 폴리아민 대사 조절 기반의 신규 항암제 개발이 가능해졌다. 이를 통해 2028년 10억 달러 규모로 전망되는 BRAF 억제 항암제 시장에 적용가능한 선도 기술을 확보할 것으로 기대된다. KIST 김택훈 박사는 “가장 치명적인 피부암인 흑색종의 항암제 내성 발생의 핵심 기전을 규명했다”라며, “대사항암제 개발을 위해 BRAF 돌연변이가 자주 나타나는 대장암, 갑상선암 등에서 폴리아민 대사 조절을 통한 항암 효과 검증을 수행할 예정”이라고 말했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업 및 중견연구자지원사업(2021R1A2C1093499), 바이오의료기술개발사업(RS-2024-00400042), 국가과학기술연구회 선행융합연구사업(CPS23011-100) 및 창의형 융합연구사업(CAP23011-000) 등으로 수행됐다. 이번 연구 성과는 국제 학술지 ‘Molecular Cancer’(IF 27.7, JCR 분야 상위 1.1%)에 최신 호에 게재됐다. [그림 1] 폴리아민 생합성 억제를 통한 BRAF 억제 항암제 내성 극복 (위) 흑색종은 BRAF 억제 항암제 투여에도 항암제 내성이 발생하여 암이 재발함. (아래) 폴리아민 생합성 억제와 BRAF 억제 항암제를 조합하면 암의 재발을 막고 완치 가능성이 증가할 수 있음. [그림 2] BRAF 억제 항암제 내성 발생 기전 BRAF 억제 항암제 내성 흑색종은 c-Myc 발암유전자 활성에 의해 AMD1을 비롯한 폴리아민 생합성이 증가하여 결국 미토콘드리아의 활성이 증가하여 항암제 내성을 유도함. 본 연구에서는 폴리아민 생합성 저해를 통해 이 기전을 막음으로써 항암제 내성을 극복하였음.

- 흑색종의 억제 표적 항암제(BRAF)에 내성을 가지는 핵심 기전 규명 - 폴리아민 생합성 조절로 내성 억제, 치료 효과 높은 신규 항암제 개발 기대 흑색종은 피부 속 색소를 만들어 주는 멜라닌 세포가 일으키는 암으로, 전이나 재발이 쉽게 발생해 피부암 중 가장 치명적인 암으로 알려져 있다. 전 세계적인 고령화 추세로 인해 흑색종 환자가 빠르게 늘어 2040년에는 매년 세계에서 약 10만 명이 흑색종으로 사망할 것으로 보고된다. 현재 임상에서는 BRAF(비라프)라는 발암 유전자를 억제하는 표적 항암제로 흑색종을 치료하고 있지만, 약물에 대한 내성이 빠르게 발생해 치료 효과가 높지 않다는 한계가 있다. 한국과학기술연구원(KIST, 원장 오상록) 의약소재연구센터 김택훈 박사 연구팀은 흑색종이 BRAF 억제 항암제에 대한 내성을 가지게 되는 핵심 기전을 새롭게 규명하고, 내성 발생을 억제할 수 있는 새로운 항암제 개발 전략을 제시했다고 밝혔다. 연구팀은 BRAF 항암제에 내성을 지닌 세포주 모델을 이용해 AMD1 유전자의 활성이 항암제 내성을 가지는 데 중요한 역할을 하고 있음을 발견했다. AMD1 유전자는 세포의 성장과 증식을 촉진하는 폴리아민(polyamine) 생합성에 필수적인 역할을 하는데, 일반적으로 암세포에서 폴리아민이 더 높은 수준으로 나타난다. 실험을 통해 이 유전자의 활성을 조절한 결과, 폴리아민 생합성을 억제하면 BRAF 항암제에 대한 내성도 낮아져 흑색종이 사멸됨을 확인했다. 이를 바탕으로 항암제 내성 흑색종에서 발암 유전자인 c-Myc이 폴리아민 생합성의 증가를 유발하고 있음을 밝혔다. 이렇게 증가된 폴리아민이 미토콘드리아 단백질의 양을 증가시켜 미토콘드리아 활성을 높이며, 이로 인해 항암제에 내성을 지닌 암세포의 증식으로 이어지는 과정이 흑색종 항암제 내성 발생 핵심 기전임을 규명했다. 이번 연구는 기존에 거의 알려지지 않았던 폴리아민 생합성이 BRAF 항암제 내성 유발의 원인임을 밝힌 세계 최초의 연구이며, 나아가 KIST 연구팀은 BRAF 항암제에 대한 내성을 극복하기 위해 내성 기전의 각 단계를 억제하는 항암제 개발 전략을 제시했다. 본 연구를 통해 항암제 내성이 빈번하게 발생해 완치가 어려웠던 흑색종을 치료할 수 있는 폴리아민 대사 조절 기반의 신규 항암제 개발이 가능해졌다. 이를 통해 2028년 10억 달러 규모로 전망되는 BRAF 억제 항암제 시장에 적용가능한 선도 기술을 확보할 것으로 기대된다. KIST 김택훈 박사는 “가장 치명적인 피부암인 흑색종의 항암제 내성 발생의 핵심 기전을 규명했다”라며, “대사항암제 개발을 위해 BRAF 돌연변이가 자주 나타나는 대장암, 갑상선암 등에서 폴리아민 대사 조절을 통한 항암 효과 검증을 수행할 예정”이라고 말했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업 및 중견연구자지원사업(2021R1A2C1093499), 바이오의료기술개발사업(RS-2024-00400042), 국가과학기술연구회 선행융합연구사업(CPS23011-100) 및 창의형 융합연구사업(CAP23011-000) 등으로 수행됐다. 이번 연구 성과는 국제 학술지 ‘Molecular Cancer’(IF 27.7, JCR 분야 상위 1.1%)에 최신 호에 게재됐다. [그림 1] 폴리아민 생합성 억제를 통한 BRAF 억제 항암제 내성 극복 (위) 흑색종은 BRAF 억제 항암제 투여에도 항암제 내성이 발생하여 암이 재발함. (아래) 폴리아민 생합성 억제와 BRAF 억제 항암제를 조합하면 암의 재발을 막고 완치 가능성이 증가할 수 있음. [그림 2] BRAF 억제 항암제 내성 발생 기전 BRAF 억제 항암제 내성 흑색종은 c-Myc 발암유전자 활성에 의해 AMD1을 비롯한 폴리아민 생합성이 증가하여 결국 미토콘드리아의 활성이 증가하여 항암제 내성을 유도함. 본 연구에서는 폴리아민 생합성 저해를 통해 이 기전을 막음으로써 항암제 내성을 극복하였음.

- 흑색종의 억제 표적 항암제(BRAF)에 내성을 가지는 핵심 기전 규명 - 폴리아민 생합성 조절로 내성 억제, 치료 효과 높은 신규 항암제 개발 기대 흑색종은 피부 속 색소를 만들어 주는 멜라닌 세포가 일으키는 암으로, 전이나 재발이 쉽게 발생해 피부암 중 가장 치명적인 암으로 알려져 있다. 전 세계적인 고령화 추세로 인해 흑색종 환자가 빠르게 늘어 2040년에는 매년 세계에서 약 10만 명이 흑색종으로 사망할 것으로 보고된다. 현재 임상에서는 BRAF(비라프)라는 발암 유전자를 억제하는 표적 항암제로 흑색종을 치료하고 있지만, 약물에 대한 내성이 빠르게 발생해 치료 효과가 높지 않다는 한계가 있다. 한국과학기술연구원(KIST, 원장 오상록) 의약소재연구센터 김택훈 박사 연구팀은 흑색종이 BRAF 억제 항암제에 대한 내성을 가지게 되는 핵심 기전을 새롭게 규명하고, 내성 발생을 억제할 수 있는 새로운 항암제 개발 전략을 제시했다고 밝혔다. 연구팀은 BRAF 항암제에 내성을 지닌 세포주 모델을 이용해 AMD1 유전자의 활성이 항암제 내성을 가지는 데 중요한 역할을 하고 있음을 발견했다. AMD1 유전자는 세포의 성장과 증식을 촉진하는 폴리아민(polyamine) 생합성에 필수적인 역할을 하는데, 일반적으로 암세포에서 폴리아민이 더 높은 수준으로 나타난다. 실험을 통해 이 유전자의 활성을 조절한 결과, 폴리아민 생합성을 억제하면 BRAF 항암제에 대한 내성도 낮아져 흑색종이 사멸됨을 확인했다. 이를 바탕으로 항암제 내성 흑색종에서 발암 유전자인 c-Myc이 폴리아민 생합성의 증가를 유발하고 있음을 밝혔다. 이렇게 증가된 폴리아민이 미토콘드리아 단백질의 양을 증가시켜 미토콘드리아 활성을 높이며, 이로 인해 항암제에 내성을 지닌 암세포의 증식으로 이어지는 과정이 흑색종 항암제 내성 발생 핵심 기전임을 규명했다. 이번 연구는 기존에 거의 알려지지 않았던 폴리아민 생합성이 BRAF 항암제 내성 유발의 원인임을 밝힌 세계 최초의 연구이며, 나아가 KIST 연구팀은 BRAF 항암제에 대한 내성을 극복하기 위해 내성 기전의 각 단계를 억제하는 항암제 개발 전략을 제시했다. 본 연구를 통해 항암제 내성이 빈번하게 발생해 완치가 어려웠던 흑색종을 치료할 수 있는 폴리아민 대사 조절 기반의 신규 항암제 개발이 가능해졌다. 이를 통해 2028년 10억 달러 규모로 전망되는 BRAF 억제 항암제 시장에 적용가능한 선도 기술을 확보할 것으로 기대된다. KIST 김택훈 박사는 “가장 치명적인 피부암인 흑색종의 항암제 내성 발생의 핵심 기전을 규명했다”라며, “대사항암제 개발을 위해 BRAF 돌연변이가 자주 나타나는 대장암, 갑상선암 등에서 폴리아민 대사 조절을 통한 항암 효과 검증을 수행할 예정”이라고 말했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업 및 중견연구자지원사업(2021R1A2C1093499), 바이오의료기술개발사업(RS-2024-00400042), 국가과학기술연구회 선행융합연구사업(CPS23011-100) 및 창의형 융합연구사업(CAP23011-000) 등으로 수행됐다. 이번 연구 성과는 국제 학술지 ‘Molecular Cancer’(IF 27.7, JCR 분야 상위 1.1%)에 최신 호에 게재됐다. [그림 1] 폴리아민 생합성 억제를 통한 BRAF 억제 항암제 내성 극복 (위) 흑색종은 BRAF 억제 항암제 투여에도 항암제 내성이 발생하여 암이 재발함. (아래) 폴리아민 생합성 억제와 BRAF 억제 항암제를 조합하면 암의 재발을 막고 완치 가능성이 증가할 수 있음. [그림 2] BRAF 억제 항암제 내성 발생 기전 BRAF 억제 항암제 내성 흑색종은 c-Myc 발암유전자 활성에 의해 AMD1을 비롯한 폴리아민 생합성이 증가하여 결국 미토콘드리아의 활성이 증가하여 항암제 내성을 유도함. 본 연구에서는 폴리아민 생합성 저해를 통해 이 기전을 막음으로써 항암제 내성을 극복하였음.

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론