실험실에서 혁신적인 AI 솔루션 활용

Holden Galusha는 Lab Manager의 편집장입니다. 그는 풀타임으로 팀에 합류하기 전에 Lab Manager의 프리랜스 기고가였습니다. 이전에 그는 ...

인공 지능(AI)은 최근 몇 달 동안 뉴스 사이클에서 널리 퍼진 주제였습니다. 본질적으로 인간 지능을 모방하는 컴퓨터의 능력인 AI와 데이터 세트에 대한 "훈련"을 통해 자율적으로 출력의 정확성을 향상시킬 수 있는 AI의 하위 집합인 기계 학습(ML)은 산업 전체를 뒤흔들 잠재력을 가지고 있습니다. 일부는 기술이 과대평가됐다고 생각하며 회의적이다. 한편, 일부 사람들은 경외심을 갖고 다른 사람들은 우려하면서 AI가 인터넷보다 더 큰 혁명이 될 것이라고 믿고 있습니다. 한 가지는 확실합니다. 과학자의 선구적인 성격과 마찬가지로 많은 실험실 전문가도 AI 솔루션을 워크플로에 통합하는 방법을 찾고 있습니다.

혁신적인 AI 및 ML 솔루션을 활용하여 데이터 분석, 이미지 처리 및 실험실 모니터링에 새로운 문이 열렸습니다. 그러나 이 판도라의 상자를 열면서 과학계가 해결해야 하는 중요한 과제도 있습니다.

현재 데이터 분석 프로세스는 AI/ML을 통해 실험실의 워크플로를 강화할 수 있는 가장 많은 기회를 제공할 가능성이 높습니다. AI는 분석을 강화하는 데 특히 적합합니다. 불가능하지는 않더라도 인간이 감지하기 어려운 데이터의 패턴을 감지할 수 있습니다. 이로 인해 두 가지 주요 이점이 발생합니다. (1) AI는 분석 프로세스를 가속화하여 실험실 처리량을 늘릴 수 있고, (2) AI는 추가 검사 계층을 제공합니다. 인간과 기계가 협력하여 서로의 작업을 확인하고 격차를 해소합니다.

데이터 처리, 이미지 분석 등 실험 데이터 분석에는 여러 형태의 AI가 적용됐다.

AI와 ML은 크로마토그래피, 질량분석법, 분광학을 포함한 분석 기술에 특히 유용한 것으로 입증되었습니다. METTLER TOLEDO, Agilent Technologies 및 JEOL과 같은 과학 장비 제조업체는 이러한 기술을 사용하는 사람들의 분석 기능을 향상시키는 AI 솔루션을 상업적으로 출시했습니다.

그러한 솔루션 중 하나가 Agilent의 MassHunter 소프트웨어입니다. MassHunter는 효율적인 데이터 수집, 정성 및 정량 분석, 보고, 가스 및 액체 크로마토그래피와 관련된 기타 기능을 촉진하는 프로그램 모음입니다. 2023년 여름, 애질런트는 MassHunter를 위한 새로운 모듈인 AI Peak Integration을 공개했습니다. AI Peak Integration은 ML을 활용하여 데이터 분석 중에 크로마토그래피 피크 통합을 자동화하여 총 처리 시간을 줄입니다. 사용자는 관찰을 위해 수동 통합을 수행하여 모델을 사용자 정의 학습할 수 있으며, 계속해서 자체 학습하고 개선됩니다.

마찬가지로 JMS-T2000GC AccuTOF GC-Alpha 질량 분석기와 함께 사용하도록 설계된 JEOL의 msFineAnalytic AI 소프트웨어는 두 개의 통합 AI 모델을 사용하여 GC/전자 충격 고해상도 데이터, GC/소프트 이온화 고해상도 데이터 및 구조 분석 기능을 합성합니다. 상세한 정성 분석을 자동으로 출력합니다. JEOL에 따르면 msFineAnalytic은 4초 안에 100개의 구성요소를 분석할 수 있는 반면, 숙련된 분석가는 평균 4개의 구성요소만 분석하는 데 30분이 소요됩니다. msFineAnalytics를 사용하면 분석가는 대역폭을 상당히 넓힐 수 있습니다.

...하지만 판도라의 상자를 열면서 과학계가 해결해야 할 중요한 과제도 있습니다.

마지막으로 METTLER TOLEDO의 AIWizard 솔루션은 직접 주사 열량계로 측정한 열 효과를 지능적이고 자동으로 평가하기 위해 생물학적 뇌를 모방하는 ML 유형인 신경망을 사용합니다. 네트워크는 전문가 평가에서 얻은 수천 개의 데이터 포인트에 대해 사전 훈련되었습니다. 실제 두뇌처럼 네트워크는 사용되면서 계속 학습하고 개선됩니다. AIWizard를 사용하면 사용자는 AI 평가 데이터에서 통찰력을 얻는 데 에너지를 집중할 수 있어 시간과 노력을 절약할 수 있습니다.

연구실에서 흔히 사용되는 AI의 한 형태는 이미지 분석 및 인식 기술이다. 이 기술은 현미경 사진, 의료 스캔, 실시간 카메라 피드 등에서 관심 요소를 식별하는 데 종종 사용됩니다. 예로는 마이크로플레이트 웰의 세포를 독립적으로 계산할 수 있는 자동화된 세포 계수기가 있습니다. 마찬가지로, 2022년 연구에서는 연구자들이 ML을 활용하여 분리된 세포를 자동으로 식별함으로써 인간이 생체의학 공학 프로세스에서 세포를 식별해야 하는 부담을 덜어줄 수 있는 것으로 나타났습니다.1