한국어 요약by Claude · 2026. 10. 6.
GIST 이현주 교수 연구팀이 조직 이미지와 유전자 발현 정보를 함께 학습해 분석하는 AI 프레임워크 'ST-ConMa'를 개발했다. 534개 시료에서 얻은 약 98만1000개의 조직 이미지-유전자 정보 쌍을 사전 학습시켜 두 정보 사이의 관계까지 학습하도록 설계했으며, 유방암·피부편평세포암·정상 간 조직에서 기존 AI 모델 6종과 비교해 12개 평가지표 중 10개에서 가장 높은 성능을 보였다. 전전두엽 조직 영역 구분에서는 기존 모델보다 12.9% 높은 정확도로 대뇌피질 4층 경계를 더 명확히 구분했다. 공간전사체 분석의 범용성과 정확도를 동시에 높인 연구로, 향후 다양한 질환 데이터로 확장 적용될 가능성이 있다.
- •534개 시료, 약 98만1000개 조직이미지-유전자 정보쌍으로 사전학습한 ST-ConMa 개발
- •유전자 발현 예측 성능, 12개 지표 중 10개에서 기존 AI 모델 6종 중 최고 성능 기록
- •전전두엽 영역 구분 정확도가 기존 모델 대비 12.9퍼센트 향상, 대뇌피질 4층 경계 명확화
- •국제학술지 브리핑스 인 바이오인포매틱스에 지난달 28일 게재
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
“조직 사진에선 안 보이는 차이, 유전자 정보와 함께 찾는다”...GIST 이현주 교수팀, 유전자 발현 예측하고, 조직 영역 구분하는 AI 개발
출처:인공지능신문
본문 미리보기
광주과학기술원(GIST·지스트, 총장 임기철)은 AI학과 이현주 교수 연구팀이 사람의 장기와 신체 부위를 이루는 조직의 이미지와 유전자 활동 정보를 함께 활용해, 겉으로 보이는 형태만으로는 알기 어려운 조직 내 영역별 차이를 분석하는 인공지능(AI) 프레임워크 ‘에스티 콘마(ST-ConMa)’를 개발했다고 밝혔다.우리 몸의 조직은 같은 장기 안에서도 위치에 따라 세포의 종류와 활발하게 작동하는 유전자가 다르다. ‘조직의 모습을 담은 이미지’와 어떤 유전자가 어느 위치에서 얼마나 활발하게 작동하는지를 나타내는 ‘유전자 발현’ 정보를
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
이 글이 만들어진 과정
- 10:11AI 초안
