혁신적인 AI 기술, 시계열 비디오 기반 배아 등급 분류의 새로운 가능성을 열다

연세대학교 용선 교수 연구팀 등이 개발한 AI 기반 배아 등급 분류 시스템 CoSTeM은 시간 경과 비디오를 활용하여 배아의 전반적인 질을 평가하는 혁신적인 기술로, 실제 임상 데이터를 기반으로 한 높은 정확도와 공개 예정인 데이터셋 및 소스 코드를 통해 AI 기반 배아 선별 기술의 발전에 기여할 것으로 기대됩니다.

AI, 시험관 아기 시술의 혁명을 이끌다: 시간 경과 비디오 기반 배아 등급 분류

최근 인공지능(AI)은 시험관 아기 시술(IVF)에서 자동화된 배아 선택 분야에서 괄목할 만한 발전을 보여주고 있습니다. 하지만 기존의 접근 방식은 배아의 부분적인 평가에만 집중하거나, 배아 외적 요인으로 인해 임상 결과가 왜곡될 수 있다는 한계를 가지고 있었습니다. 이러한 한계를 극복하기 위해, 연세대학교 용선 교수 연구팀을 비롯한 국제 공동 연구팀은 전장 시간 경과 모니터링(TLM) 비디오를 직접 활용하여 배아학자의 전반적인 배아 질 평가를 예측하는 새로운 과제, '비디오 기반 배아 등급 분류'를 제시했습니다.

연구팀은 2,500개가 넘는 TLM 비디오로 구성된 실제 임상 데이터셋을 구축하고, 각 비디오에 배아의 전반적인 질을 나타내는 등급 레이블을 부여했습니다. 이를 바탕으로, 배아학자의 평가 과정을 개념적으로 재현하는 '상보적 공간-시간 패턴 마이닝(CoSTeM)' 프레임워크를 개발했습니다. CoSTeM은 크게 두 가지 모듈로 구성됩니다. 첫 번째는 형태학적 모듈로, Cross-Attentive Experts 레이어와 Temporal Selection Block을 사용하여 차별적인 국소 구조적 특징을 선택합니다. 두 번째는 형태역동학적 모듈로, Temporal Transformer를 사용하여 전반적인 발달 경로를 모델링합니다. 이를 통해 정적 및 동적 요인을 통합적으로 고려하여 배아를 등급 분류합니다.

실험 결과, CoSTeM 프레임워크는 기존 방식보다 우수한 성능을 보였습니다. 이 연구는 AI 기반 배아 선택에 대한 귀중한 방법론적 틀을 제공하며, 연구팀은 논문이 채택된 후 데이터셋과 소스 코드를 공개할 예정입니다. 이는 AI 기반 배아 선별 기술의 발전에 크게 기여할 것으로 기대됩니다. 이 연구는 시험관 아기 시술의 성공률 향상과 더 나아가 불임 치료의 새로운 가능성을 제시하는 중요한 이정표가 될 것입니다. 앞으로 AI 기술이 더욱 발전하여 더욱 정확하고 효율적인 배아 선택을 가능하게 할 것으로 기대됩니다.

주요 연구진: 용선, Yipeng Wang, Junyu Shi, Zhiyuan Zhang, Yanmei Xiao, Lei Zhu, Manxi Jiang, Qiang Nie

핵심 내용: 시간 경과 비디오 기반 배아 등급 분류를 위한 CoSTeM 프레임워크 개발 및 우수성 검증

기대 효과: AI 기반 배아 선별 기술의 발전과 시험관 아기 시술 성공률 향상