의료 및 식품위생의 여러 분야에서 매우 중요한 세균을 식별하는 기술은 전통적으로 생화학적 관점에서 연구되어왔다. 생화학적 방법들은 수일 동안의 시료 배양을 필요로 하기 때문에 패혈증의 치료 등 빠른 식별을 요구하는 상황에서 한계가 있었다. 이를 극복하기 위해 지난 수십 년간 여러 광학적 방법들이 시도되어 왔으나, 생화학적 방법들을 대체하기 위해 필요한 조건들을 모두 만족시키는 기술은 아직 보고되지 않았다.

KAIST 물리학과 박용근 교수 연구팀(제1저자 – 조영주 학생, KAIST 물리학과 학부생)은 홀로그래피 현미경 (holographic microscopy) 이라는 광학 기술과 기계학습 (machine learning) 이라는 전산 알고리즘을 결합, 이 문제를 해결하기 위한 새로운 방법을 제시했다. 기존의 상용 현미경에 간단한 모듈을 부착하는 것만으로 구현 가능한 홀로그래피 현미경은, 눈으로 보기엔 투명한 단일세균 내부의 광학적 정보를 염색 등의 표지 (labeling) 없이 영상화할 수 있다. 연구팀은 이 정보를 기계학습 개념을 이용하여 세균 종별로 분석, 각 종의 특징적인 패턴을 찾아냈다. 이로써 미지의 단일세균을 사진 촬영 한번만으로 식별할 수 있게 되었으며, 미세유체 기술과 결합할 경우 초고속 광식별이 가능할 것으로 예상된다.

이러한 연구결과는 미국광학회 (Optical Society of America) 가 발행하는 광학 저널 Optics Express 에 발표되었으며, 해당 저널에서 2015년 6월 두 번째로 가장 많이 읽힌 논문으로 선정되었다. 또한 <Reuters>, <Optics & Photonics News> 등 여러 해외 언론에 소개되었다. 연구팀은 홀로그래피 모듈을 이용하여 7월 초 탄자니아에서 필드 테스트를 수행했으며, 실용화를 위한 후속연구를 수행하고 있다.

http://www.businesswire.com/news/home/20150608005727/en/#.VbnlSWkbCUk