서울대학교 연구진이 이온 빔 방사선 노출 시 세포 생존율을 예측하는 신경망 프레임워크를 개발했다. 2026년 5월 20일 과학 학술지 'Scientific Reports'에 게재된 이번 연구는 기존 머신러닝 모델들이 생물학적 이론을 반영하지 못하거나 실험적 불확실성에 취약했던 한계를 보완했다. 알리 아부 슈케어(Ali Abu Shqair)와 김은희 교수가 이끄는 연구팀은 방사선 노출 후 세포 생존 곡선을 설명하는 표준 수학적 체계인 선형-이차 모델(LQM)을 신경망 아키텍처 내 맞춤형 계층으로 직접 통합했다.

제안된 모델은 세포 생존 분율(SF)과 함께 여러 주요 방사선 생물학적 매개변수를 동시에 예측하는 다중 브랜치 순방향 신경망을 사용한다. 여기에는 선형-이차 모델의 α 및 β 값, 평균 불활성화 선량(MID), 10% 생존 선량(D₁₀), 10% 생존 시 상대 생물학적 효과(RBE₁₀)가 포함된다. 연구진은 생물학적 제약 조건을 준수하기 위해 생리학적으로 타당한 범위를 벗어나는 예측치에 페널티를 부여하는 맞춤형 손실 함수를 구현했다. 모델은 PIDE(Particle Irradiation Data Ensemble) 데이터셋을 사용하여 십겹 교차 검증 방식으로 훈련 및 검증되었다.

실험 결과, 해당 모델은 검증된 지표 전반에서 높은 예측 정확도를 입증했다. 세포 생존 분율(SF) 예측에서 R² 값 약 0.95를 달성해 실험 데이터와 높은 일치도를 보였다. 다른 지표들 또한 견고한 성능을 보였는데, D₁₀와 MID는 R² 약 0.80, RBE₁₀는 R² 약 0.75를 기록했다. 선형-이차 모델의 α 매개변수는 R² 약 0.65를 달성했으나 β 매개변수는 상대적으로 큰 불확실성을 나타냈다. 이 연구는 이론적 제약 조건을 모델에 내재화함으로써 방사선 품질에 따른 선량-반응 모델링의 신뢰성을 높였으며, 입력 데이터와 검증된 세포 결과값 사이를 잇는 가교 역할을 한다. 해당 연구는 한국연구재단의 지원을 받아 과학기술정보통신부 과제(RS-2024-00350752)로 수행되었다.

서울대학교 연구진이 이온 빔 방사선 노출 시 세포 생존율을 예측하는 신경망 프레임워크를 개발했다. 2026년 5월 20일 과학 학술지 'Scientific Reports'에 게재된 이번 연구는 기존 머신러닝 모델들이 생물학적 이론을 반영하지 못하거나 실험적 불확실성에 취약했던 한계를 보완했다. 알리 아부 슈케어(Ali Abu Shqair)와 김은희 교수가 이끄는 연구팀은 방사선 노출 후 세포 생존 곡선을 설명하는 표준 수학적 체계인 선형-이차 모델(LQM)을 신경망 아키텍처 내 맞춤형 계층으로 직접 통합했다.

제안된 모델은 세포 생존 분율(SF)과 함께 여러 주요 방사선 생물학적 매개변수를 동시에 예측하는 다중 브랜치 순방향 신경망을 사용한다. 여기에는 선형-이차 모델의 α 및 β 값, 평균 불활성화 선량(MID), 10% 생존 선량(D₁₀), 10% 생존 시 상대 생물학적 효과(RBE₁₀)가 포함된다. 연구진은 생물학적 제약 조건을 준수하기 위해 생리학적으로 타당한 범위를 벗어나는 예측치에 페널티를 부여하는 맞춤형 손실 함수를 구현했다. 모델은 PIDE(Particle Irradiation Data Ensemble) 데이터셋을 사용하여 십겹 교차 검증 방식으로 훈련 및 검증되었다.

실험 결과, 해당 모델은 검증된 지표 전반에서 높은 예측 정확도를 입증했다. 세포 생존 분율(SF) 예측에서 R² 값 약 0.95를 달성해 실험 데이터와 높은 일치도를 보였다. 다른 지표들 또한 견고한 성능을 보였는데, D₁₀와 MID는 R² 약 0.80, RBE₁₀는 R² 약 0.75를 기록했다. 선형-이차 모델의 α 매개변수는 R² 약 0.65를 달성했으나 β 매개변수는 상대적으로 큰 불확실성을 나타냈다. 이 연구는 이론적 제약 조건을 모델에 내재화함으로써 방사선 품질에 따른 선량-반응 모델링의 신뢰성을 높였으며, 입력 데이터와 검증된 세포 결과값 사이를 잇는 가교 역할을 한다. 해당 연구는 한국연구재단의 지원을 받아 과학기술정보통신부 과제(RS-2024-00350752)로 수행되었다.