GIST AI학과 이현주 교수 연구팀은 사람 조직의 이미지와 위치별 유전자 발현 정보를 함께 활용하는 AI 프레임워크 ‘ST-ConMa’를 개발했다. 이 모델은 같은 장기 안에서도 위치마다 다른 세포 구성과 유전자 활동이 나타난다는 점에 주목해, 조직의 모양만으로는 드러나지 않는 영역별 차이를 찾도록 설계됐다. 사람의 여러 조직에서 얻은 534개 시료, 약 98만1천 개의 조직 이미지-유전자 정보 쌍을 학습했고, 각 정보의 특징뿐 아니라 둘 사이의 연결 관계까지 함께 익히도록 구성했다.

연구팀은 ST-ConMa를 유방암, 피부 편평세포암, 정상 간 조직 데이터에 적용해 기존 AI 모델 6종과 비교했다. 유전자 발현 예측 성능 평가 12개 지표 가운데 10개에서 가장 높은 성능을 보였고, 학습에 포함되지 않은 환자 조직에서도 예측 가능성을 확인했다. 또 전전두엽 조직에서는 실제 구조와의 일치도 지표가 비교 모델보다 12.9% 높았고, 경계가 흐리던 대뇌피질 4층을 더 또렷하게 구분했다. 유방암 조직에서는 면역 반응이 활발한 영역 내부의 차이까지 나눠 종양 미세환경을 더 세밀하게 분석할 수 있었다.