혁신적인 추적 방법, AI의 힘을 해방하여 동물 행동 모니터링

획기적인 발전으로, 과학자들은 글로우트랙(GlowTrack)이라는 최첨단 비침습적 운동 추적 방법을 소개했습니다. 이 혁신적인 기법은 형광 염색 표지자를 활용하여 단일 쥐의 발가락부터 인간의 손이 지닌 복잡한 움직임에 이르기까지 다양한 운동의 미묘한 차이를 포착하기 위해 인공지능(AI) 시스템을 훈련시킵니다. 글로우트랙의 영향력은 생물학, 로봇공학, 의학 등 다양한 분야로 확장됩니다. 운동은 뇌가 어떻게 기능하고 신체를 조절하는지를 이해하는 창구 역할을 하므로, 이 혁신적인 기술은 매우 귀중한 가치를 지닙니다.

운동 추적의 진화

인간과 동물의 운동을 추적하는 여지는 크게 진화해 왔습니다. 수기 클립보드와 펜을 이용한 관찰에서부터 현대의 AI 기반 방법론으로 발전해 왔습니다. 현재 최첨단 기술들은 인공 지능을 활용하여 다양한 신체 부위의 움직임을 자동으로 모니터링합니다. 그러나 이러한 방법들은 여전히 시간 소모적인 과정을 수반하며, 연구자들은 각 신체 부위를 수백 번에서 수천 번에 걸쳐 수동으로 표시해야 합니다.

Eiman Azim 부교수와 그의 팀은 형광 염색 표지자를 활용하여 AI 시스템을 훈련시키는 비침습적 운동 추적 방법인 글로우트랙(GlowTrack)을 개발했습니다. 글로우트랙의 차별점은 강력한 내구성, 효율성, 그리고 고해상도 기능에 있습니다. 이 방법은 쥐의 발가락 한 개를 정밀하게 추적하거나 인간의 손에 있는 수백 개의 랜드마크를 모니터링할 수 있습니다. 이 획기적인 기법은 2023년 9월 26일 자 네이처 커뮤니케이션스(Nature Communications)에 게재된 최근 논문에 상세히 기술되어 있으며, 생물학, 로봇공학, 의학 등 다양한 분야를 혁신할 잠재력을 지니고 있습니다.

이 연구의 수석 저자이자 윌리엄 스캔들링 발달 Chair를 역임하고 있는 Eiman Azim은 다음과 같이 언급했습니다. “지난 몇 년간 강력한 인공지능 도구들이 실험실로 도입되면서 행동 추적 분야에서 강력한 혁명이 일어났습니다. 우리의 접근 방식은 이러한 도구들을 더욱 다재다능하게 만들어 실험실에서 다양한 움직임을 포착하는 방식을 개선합니다. 움직임을 더 잘 정량화함으로써 뇌가 행동을 어떻게 조절하는지에 대한 통찰력을 높일 수 있으며, 근위축성 측삭 경화증(ALS)과 파킨슨병과 같은 운동 장애 연구에도 도움이 될 수 있습니다.”

한계 극복: 형광 염색 표지자의 힘

기존의 동물 운동 추적 방법은 컴퓨터 화면에서 신체 부위를 수동적이고 반복적으로 표시하는 과정을 포함하며, 이는 시간이 많이 소요되고 인간 오류가 발생하기 쉬우며 시간 제약에 의해 제한됩니다. 인간의 주석 작업은 이러한 방법들을 좁은 테스트 환경으로 제한합니다. AI 모델은 제공된 제한된 훈련 데이터에 기반하여 전문화되기 때문입니다. 조명, 신체 방향, 카메라 각도 또는 기타 변수와 같은 요소가 변경되면 모델은 추적 대상인 신체 부위를 인식하지 못하게 됩니다.

이러한 한계를 극복하기 위해 연구자들은 동물이나 인간의 신체 부위를 표시하기 위해 형광 염색 표지자를 활용했습니다. 이러한 ‘보이지 않는’ 표지자는 사용 시 시각적으로 다양한 데이터를 빠르게 생성하여 인간 주석의 필요성을 제거합니다. 이렇게 강력한 데이터를 학습시킨 AI 모델은 더 넓은 범위의 환경에서 움직임을 추적하고, 수동 인간 라벨링을 통해 달성하기에는 매우 어려운 수준의 해상도를 달성할 수 있습니다.

협력과 재현성 증진

글로우트랙(GlowTrack)의 도입은 다양한 연구 간 운동 데이터의 단순화된 비교를 가능하게 합니다. 서로 다른 연구실들이 다양한 상황에서 신체 움직임을 추적하기 위해 동일한 모델을 사용할 수 있기 때문입니다. Eiman Azim은 과학적 발견에서 비교와 재현성의 중요성을 강조했습니다. “형광 염색 표지자는 완벽한 해결책이었습니다.”라고 이 연구의 제1저자이자 Salk 바이오인포매틱스 분석가인 Daniel Butler는 말했습니다. 그는 이러한 표지자들을 “원하는 때에만 빛나는 지폐 위의 ‘보이지 않는 잉크’”에 비유하며, “이를 통해 막대한 양의 훈련 데이터를 생성할 수 있습니다.”라고 덧붙였습니다.

미래의 가능성과 협력 

미래에는 연구 팀이 글로우트랙(GlowTrack)의 광범위한 응용 분야를 지원할 것으로 예상됩니다. 그들은 3차원 운동을 재구성할 수 있는 다른 추적 도구들과 글로우트랙의 기능을 결합하는 것을 목표로 하고 있습니다. 또한, 이 혁신적인 방법으로 생성된 방대한 운동 데이터셋 내에서 패턴을 발견하기 위한 분석적 접근 방식을 탐구할 계획입니다.

에이만 아짐은 자신의 접근 방식이 가져올 잠재적 영향력에 대해 열정을 표현하며 다음과 같이 말했습니다. "우리의 접근 방식은 더 민감하고 신뢰할 수 있으며 포괄적인 도구를 필요로 하는 다양한 분야에 혜택을 줄 수 있습니다. 다른 과학자와 비과학자들이 이러한 방법을 어떻게 채택할지, 그리고 어떤 독특하고 예상치 못한 응용 분야가 나타날지 보게 되어 기대됩니다."

감사의 말 및 지원

이 연구는 UC 샌디에고 CMG 훈련 프로그램, 제시 앤 캐럴 필립스 재단 상, 미국 국립보건원(R00NS088193, DP2NS105555, R01NS111479, RF1NS128898, U19NS112959), 시어 스칼라 프로그램, 퓨 재단, 그리고 맥나이트 재단의 지원을 통해 가능해졌습니다. 

글로우트랙(GlowTrack)의 등장으로 과학계 및 기타 분야는 다양한 분야에서 움직임을 이해하고 활용하는 데 이 기술이 지닌 변혁적 잠재력을 간절히 기다리고 있습니다.