면역원성 세포사멸(Immunogenic cell death, ICD)은 냉성 종양의 면역원성을 향상시키고, 이를 면역 반응성 ‘열성(hot) 종양’으로 전환하며, 암 면역치료의 효능을 개선할 수 있다. ICD 유도제는 세포 부종, 막 파열, 손상연관분자패턴(damage-associated molecular patterns, DAMPs)의 방출을 유발하므로, ICD 유도제를 효과적으로 선별하기 위해서는 대규모 환경에서 형태학적 변화와 DAMP 동역학을 신속하고 정확하게 평가할 수 있는 시스템이 필요하며, 이에 따라 고도화된 영상처리 역량의 필요성이 강조된다. 본 연구에서 우리는 ICD를 겪는 사멸 세포의 전형적인 형태를 규명함으로써, ICD 유도제를 선별하기 위한 인공지능(AI) 기반 검출기를 개발하였다. 성능을 향상시키기 위해 형광 표지자에서의 전이학습(transfer learning)을 적용하고, 차등간섭대비(differential interference contrast, DIC) 이미지를 사용하여 모델을 미세조정(fine-tuning)하였다. 또한 모델 보조 라벨링(model-assisted labeling, MAL)은 ICD 선별에서 수작업 라벨링의 필요성을 줄여 주어 주석(annotation) 효율을 향상시켰다. 맹검(blind) 테스트에서 AI는 8개의 후보군 중 3개의 ICD 유도제를 성공적으로 식별하였고, 이는 세포사멸 유형, DAMP 방출, 면역 활성화에 대한 분석을 통해 검증되었다. 본 AI 기반 고처리량 스크리닝(high-throughput screening, HTS) 시스템은 실시간 광학 이미지에만 의존하여 ICD 후보를 효율적으로 식별함으로써 선별에 필요한 시간과 자원을 유의하게 절감하였다. 아울러 해당 시스템은 수작업 분석으로는 구별하기 어려운 미세한 형태학적 차이를 검출할 수 있는 능력을 보여주었으며, 이는 ICD 예측뿐 아니라 기초 연구 및 더 광범위한 스크리닝 응용 분야로의 잠재력을 시사한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.