▲ AI로 생성한 이미지. 광학 수차(aberrations)와 생체의 움직임(sample motion), 장비 오차(microscope errors)를 통합 보정하는 프레임워크를 사용한 이미지 비교(그림 및 설명=KAIST)  © 특허뉴스

고가 장비에 의존해야 했던 뇌 심층 관찰의 한계를 인공지능이 넘어섰다. KAIST 연구진이 물리 기반 AI 계산 기술을 통해 추가적인 광학 장비 없이도 흐릿한 생체 이미지를 선명하게 복원하는 데 성공하며, 정밀 생명과학 연구의 패러다임 전환을 이끌고 있다.

KAIST는 전기및전자공학부 강익성 교수 연구팀이 미국 UC 버클리 나지(Na Ji) 교수 연구팀과 공동연구를 통해, 생체 조직 내부를 관찰하는 현미경 이미지의 왜곡을 소프트웨어만으로 정밀 보정하는 기술을 개발했다고 밝혔다. 이번 연구는 신경장(neural fields) 기반의 AI 알고리즘을 활용해, 이미지와 3차원 구조를 동시에 복원하는 방식으로 구현됐다.

생체 깊숙한 곳을 관찰하는 데 핵심적으로 활용되는 이광자 형광 현미경은, 빛이 조직을 통과하면서 휘고 흩어지는 ‘광학 수차’ 문제로 인해 이미지가 흐려지는 한계가 있었다. 이를 해결하기 위해 기존에는 파면 센서 등 고가의 광학 장비를 추가해야 했으며, 이는 연구 비용과 접근성을 제한하는 요인으로 작용해왔다.

연구팀은 이러한 한계를 정면으로 돌파했다. 촬영된 이미지 데이터만을 활용해 빛의 왜곡 경로를 역으로 계산하고, 이를 보정하는 AI 알고리즘을 개발한 것이다. 마치 흐릿한 사진에서 원래 모습을 되살리듯, 추가 장비 없이도 선명한 이미지를 구현하는 방식이다.

이번 기술의 핵심은 ‘물리 기반 AI 계산’이다. 단순한 이미지 보정이 아닌, 빛이 이동하며 발생하는 물리적 왜곡 과정을 모델링해 분석한다. 이를 통해 생체 조직에 의한 광학 수차뿐 아니라, 생체의 미세한 움직임과 현미경의 기계적 오차까지 동시에 보정하는 통합 솔루션을 구현했다.

실험 결과, 별도의 광학 보정 장비 없이도 생체 깊은 영역에서 고해상도·고대비 이미지를 안정적으로 획득하는 데 성공했다. 이는 기존의 “더 선명한 이미지는 더 비싼 장비가 필요하다”는 공식을 근본적으로 뒤집는 성과로 평가된다.

이번 기술은 연구 환경의 접근성을 크게 확장할 것으로 기대된다. 고가 장비에 대한 의존도를 낮추면서, 보다 많은 연구자들이 뇌과학 및 생명과학 분야에서 정밀한 관찰과 분석을 수행할 수 있는 기반을 제공하기 때문이다. 특히 신경회로 분석, 질병 연구, 약물 반응 관찰 등 다양한 분야에서 활용 가능성이 높다.

강익성 교수는 “광학과 인공지능을 결합해 생체 내부를 더 정확하게 볼 수 있는 새로운 길을 제시했다”며 “향후 현미경이 스스로 최적의 이미지를 찾아내는 지능형 이미징 시스템으로 발전시켜 나갈 것”이라고 밝혔다.

이번 연구 결과는 생명과학 분야 최고 권위 학술지 중 하나인 ‘네이처 메소드(Nature Methods)’에 게재되며 학술적 가치도 인정받았다.

AI가 하드웨어의 한계를 넘어서는 도구로 자리 잡으면서, 과학 연구의 방식 자체가 빠르게 변화하고 있다. 이번 성과는 ‘장비 중심’에서 ‘계산 중심’으로 이동하는 연구 패러다임의 전환을 상징하는 사례로, 향후 다양한 첨단 과학 분야에 파급 효과를 미칠 것으로 전망된다.

논문명은 Adaptive optical correction for in vivo two-photon fluorescence microscopy with neural fields이다.