(성공사례) 생명 과학 연구를 위한 AI 접근성 확대 프로젝트

현미경 슬라이드와 같은 생물학적 이미지를 분석하는 것은 노동 집약적일 수 있으며, 특히 모든 연구자들이 AI로 이 작업을 자동화할 수 있는 가장 좋은 방법을 알고 있는 것은 아님
AI4LIFE 프로젝트는 연구자들이 데이터를 해석하는 데 더 집중할 수 있게 하여 과학적 발견을 가속화할 수 있게 함
신약 발견 및 개발에서 맞춤형 의학에 이르기까지 인공 지능(AI)은 생명 과학 분야에서 엄청난 잠재력을 가지고 있으나 이 잠재력의 대부분은 아직 개발되지 않은 상태임
AI 통합은 기술적 복잡성과 표준화된 데이터의 부족으로 인해 방해를 받는 경우가 많음
핀란드의 Euro-BioImaging에서 과학 프로젝트 관리자로 일하는 Dorothea Dörr가 관리하는 AI4LIFE 프로젝트는 이러한 과제를 정면으로 맞서고 있음
"AI 모델을 배포하고 사용하려면 프로그래밍, 머신 러닝 방법, 심지어 많은 생명 과학자가 갖고 있지 않은 계산 인프라에 대한 고급 전문 지식이 필요하다. 이러한 전문성 격차로 인해 많은 연구자들이 AI의 기능을 충분히 활용하지 못하고 있다.“ (Dörr)

이러한 플랫폼은 조직 샘플의 현미경 스캔과 같은 생물학적 이미지의 분석을 용이하게 하며, 이 시스템을 통해 연구자들은 세분화, 객체 감지 및 특징 추출과 같은 복잡한 작업에 AI를 활용할 수 있음

※ FAIR: Findable, Accessible, Interoperable and Reusable

"AI가 생명 과학에서 효과적으로 되려면 AI 모델을 학습하는 데 사용되는 데이터 세트가 크고 고품질일 뿐만 아니라 FAIR 원칙을 준수하면서 AI에 적합해야 한다." (Dörr)
즉, 새로운 AI 모델을 학습하거나 기존 모델을 학습시키는 데 쉽게 사용할 수 있을 정도로 데이터는 포맷, 정리 및 레이블이 지정되어 있어야 함
이를 통해 개별 연구자가 데이터를 다시 처리할 필요성을 줄이는 동시에 협업을 촉진하여 컴퓨팅 비용을 절감할 수 있을 것으로 기대

"AI4LIFE의 AI 모델은 생명 과학자와 AI 전문가가 공동으로 개발한다. 이를 통해 생명 과학 연구의 실제 요구 사항을 충족하도록 최첨단으로 맞춤화되었다." (Dörr)
이 저장소는 과학자들이 사전 훈련된 모델에 액세스할 수 있도록 할 뿐만 아니라 자체 모델을 기여하도록 장려하여 다양한 연구 영역에서 재사용하고 조정할 수 있는 역동적인 도구 생태계를 만들 수 있음

한 가지 예는 AI4LIFE가 특정 연구 요구 사항을 해결하도록 설계한 딥 러닝 기반 이미지 분석 지원을 제공하는 '오픈 콜(Open Calls)' 프로그램임
이 프로그램은 이미 노동 집약적인 복잡한 작업을 자동화하는 데 도움이 되었으며, 연구자들이 기술적 세부 사항을 처리하는 것보다 생물학적 데이터를 해석하는 데 더 집중할 수 있도록 돕고 있음
"연구원들은 딥 러닝을 활용함으로써 더 높은 정확도와 효율성으로 방대하고 복잡한 데이터 세트를 분석할 수 있다"라며 Dörr는 AI4LIFE가 가능하게 한 효율성 향상을 강조

유럽오픈사이언스클라우드(European Open Science Cloud)에 AI 모델을 통합하면 쉽게 접근하고 확장할 수 있으며, 산업계와의 파트너십을 통해 AI4LIFE 솔루션이 학술 연구뿐만 아니라 다양한 분야의 실용적인 응용 프로그램에도 도움이 될 것
AI에 대한 접근성을 높이고, 협업을 촉진하고, 개방형 과학 원칙을 준수함으로써 AI4LIFE는 유럽 전역의 생명 과학 연구에서 혁신적인 발전을 위한 토대를 마련
"FAIR 원칙을 준수하면 다른 연구자가 AI 모델을 쉽게 재사용하고 자신의 데이터에 적용할 수 있어 프로젝트의 영향력이 확대된다." (Dörr)
이러한 노력을 통해 AI4LIFE는 AI 도구가 최첨단일 뿐만 아니라 기술 전문 지식에 관계없이 모든 사람이 접근할 수 있는 새로운 시대를 앞당기고 있음