전기전자컴퓨터공학부 송영민 교수와 서울대학교 김대형 교수 공동 연구팀이 색 변화를 통해 바이러스 감염 여부를 빠르게 감지하고 색도 분석을 통해 감염 단계 예측이 가능한 바이오센서 플랫폼을 개발했다. PCR 검사의 복잡성과 신속 진단 키트의 낮은 정확도를 보완할 수 있는 차세대 바이러스 감지 및 분석 플랫폼으로 기대된다.
연구팀이 개발한 바이러스 감지를 위한 Gires-Tournois 공진 구조는 낮은 굴절률 층과 금속 반사 층 사이에 다공성 복소 굴절률 층을 삽입하여 자유롭게 광학 특성을 변조했고, 결과적으로 낮은 굴절률 층에서 느린 빛 효과(Slow light effect)를 갖는 단일 흡수를 구현했다.
송영민 교수는 “본 연구는 바이러스를 색상변화로 관찰할 수 있도록 한 첫 사례로, 의료진은 현미경 관찰 및 색도 분석을 통해 바이러스의 정확한 농도를 매우 빠르게 알아낼 수 있어 다양한 바이러스 및 유해인자를 동시에 검출하는 것도 가능하다”고 전하며 "머지않아 일반인이 육안으로 바이러스를 식별할 수 있도록 할 것”이라고 밝혔다.

의생명공학과 김재관 교수와 조선대학교 이건호 교수 연구팀이 복잡한 알츠하이머 치매 진단 과정을 간단한 후각 자극만으로 5분 이내에 구분하는 새로운 치매 진단 기술을 개발했다. 길게는 몇 시간씩 걸리는 인지기능 검사, 혹은 뇌 MRI 또는 아밀로이드 PET-CT 결과를 종합해야 정확한 판단이 가능한 치매 단계를 간단한 후각 자극을 통해 5분 이내에 구분하는 방법을 발견한 것이다.
연구팀에서 제시한 fNIRS를 이용한 알츠하이머 치매 진단 기술은 후각 자극 시 전전두엽에서 측정한 근적외선 신호를 기반으로 정상·인지기능 장애·알츠하이머 치매를 구분할 수 있다. 연구팀은 개발된 진단기법의 우수성을 확인하기 위해 임상시험을 진행, 새로운 진단기법이 뇌 MRI 또는 아밀로이드 PET-CT보다 우수한 진단 능력을 갖추고 있으며 여러 치매 설문지(MMSE, SNSB)와 같은 기존 치매 검사와도 유사한 진단 정확도를 지니고 있음을 확인했다.
효과적인 치매 치료제가 없는 상황에서 조기에 알츠하이머 치매 환자를 발견함으로써 치매 관리 및 임상 활용에 큰 도움이 될 것으로 기대된다.

AI대학원 전해곤 교수 연구팀이 인공지능 기법 기반의 도시 시각 영상 정보 활용을 통한 일탈 행위 발생 가능성을 탐지하는 모델을 제안했다. 이번 연구는 일탈행위 이론(Deviance theory)을 인공지능 모델로 구현했다는 점에서 의미가 남다르며, 경찰대학 치안정책연구소 스마트치안지능센터도 경찰 범죄 데이터를 가공하여 연구팀이 분석할 수 있도록 제공하는 등 지원에 나섰다.
선행 연구들이 협소한 장소의 단일 이미지에 의존하여 위험도를 예측하는 반면, 본 연구는 구글 지도에서 제공하는 거리뷰 영상과 실제 범죄 정보의 GPS값을 정합시켜 대규모 객관적 범죄·민원 신고 기반의 시각인지 데이터셋을 세계 최초로 구축해 포괄적인 범위의 장소를 정밀하게 탐색함으로써 일탈 행위 발생을 탐지 및 예측하였다. 특히 연령별 인구수, 중산층 비율, 자살율과 같은 인구통계학 정보와 범죄와의 관계성을 이용한 기존 범죄 및 수사 관련 연구들과 다르게 범죄 예방 및 치안 정책 수립에 실질적으로 기여할 수 있는 거리 단위의 위험성 예측 방법을 고안해 기존 치안 정책 수립에 한 단계 발전을 가져올 것으로 보인다.

신소재공학부 권인찬 교수 연구팀이 전기‧전자‧촉매‧광학‧초전도체 등 다양한 산업 분야에서 필요로 하지만 생산이 제한적인 희토류를 폐기물인 철강 슬래그에서 선택적으로 회수 할 수 있는 단백질 흡착제를 개발했다. 최근 희토류를 산업폐기물에서 회수하여 생산 부족 문제를 해결하려는 연구들이 진행되어왔으나, 기존의 기술로는 사용한 흡착제나 용매가 환경오염의 원인이 되는 한계가 존재했다. 또한 산업폐기물에는 마그네슘, 구리 등 비희토류가 다량 포함되어 있어 희토류만을 선택적으로 회수하는 것이 어려웠다. 연구팀은 희토류에 선택적 결합 및 탈착이 가능한 단백질과 온도에 따라 졸-젤(Sol-Gel) 상변이가 되는 단백질을 융합하여 희토류만을 선택적으로 회수할 수 있고, 용매 사용 없이 반복 사용이 가능한 단백질 흡착제를 개발했다. 개발된 단백질 흡착제는 자연적으로 분해되므로 환경오염의 문제도 최소화할 것으로 보인다. 나아가 산업폐기물인 철강 슬래그에 존재하는 15종의 희토류에 대해 80% 이상 회수하는 결과를 확인하여 향후 산업에서의 사용 가능성이 점쳐지고 있다.

전기전자컴퓨터공학부 남호정 교수 연구팀이 유전자 발현 데이터 기반 약물 간 상호작용으로 인한 부작용을 예측(DeSIDE-DDI: Interpretable prediction of drug-drug interactions using drug-induced gene expressions)하는 인공지능 기술을 개발했다.
기존의 부작용 예측 모델들은 새로운 약물과 시판 중인 약물 사이의 부작용 예측에는 적용할 수 없으며, 부작용이 발생하는 원인 기작을 해석해주기 어렵다는 한계가 있었다. 연구팀이 개발한 DeSIDE-DDI 인공지능 모델은 기존 관련 연구들 대비 높은 예측 정확도를 보이며, 약물 간 상호작용에 관련된 유전자를 제시해 줄 수 있어 부작용 발생 원리를 해석할 수 있게 만드는 강점이 있다.
이번 연구는 약물 개발 단계 중에 있는 다양한 화합물들에 대한 부작용을 예측하기 위한 약물 처리 유전자 발현데이터를 생성하는 모델과 이를 사용하여 약물-약물 상호작용을 예측하는 모델로 구성되어 있다. 유전자 발현데이터 생성 모델은 세포가 약물에 노출되었을 때 약물의 구조 및 속성 정보로부터 유전자 발현데이터를 예측하는 모델로, 이를 통해 실제 실험정보가 없는 약물도 부작용 예측이 가능하다.

생명과학부 박지환 교수 연구팀이 머신러닝 기술 및 최신 단일세포 분석 기술을 이용해 코로나19 완치자의 상당수에서 보고되고 있는 다양한 후유증의 원인으로 자가면역반응을 제시했다. 연구팀은 바이러스 단백질과 구조적으로 유사한 인체 내 단백질을 예측할 수 있는 기술개발을 통해 자가항체가 폐, 신장 등의 조직에서 자가면역반응을 일으켜 후유증을 야기할 수 있다고 밝혔다.
연구팀은 오미크론 변이를 포함한 모든 코로나19 바이러스 변이의 단백질과 수만 개의 인간 단백질을 머신러닝 기술을 통해 3차원 구조상에서 비교했다. 그 결과 자가면역반응을 일으킬 수 있는 후보 단백질들을 발굴했으며, 실제로 이러한 단백질들이 코로나19 환자의 폐조직에서 크게 증가한 것을 관찰했다.
박지환 교수는 “그동안 임상적인 관찰로만 코로나19의 후유증의 원인으로 자가면역반응이 제시되었지만, 이번 연구로 실제 자가면역반응을 일으킬 수 있는 후보 단백질을 발굴하고 후유증과의 인과관계를 제시했다는 데 의의가 있다”고 밝히며 “코로나19 후유증 치료제의 개발뿐만 아니라 향후 다른 바이러스의 백신 개발에도 활용될 수 있다”고 전했다.