칼텍, 세포 분할 파운데이션 모델 'CellSAM' 오픈소스 공개

• 칼텍(Caltech) 연구진이 생물 이미지에서 세포를 자동 식별하는 범용 AI 셀SAM(CellSAM, Cell Segment Anything Model) 을 공개, 오픈소스로 풀었음
  • 단일 모델로 다양한 생물학 이미지에 적용 가능한 최초의 범용 세포 분할(segmentation) 파운데이션 모델
  • 연구는 네이처 메서즈에 "CellSAM: A Foundation Model for Cell Segmentation" 제목으로 게재
  • 데이비드 반 발렌 교수와 이송 위 교수 연구팀 협업
• 기존엔 학생들이 현미경 이미지 하나하나 보면서 세포 수작업으로 라벨링하거나 알고리즘 오류를 수정해야 했음
  • 암 조직 분석, 면역세포 관찰처럼 정확도가 중요한 도메인에서는 연구 병목의 주요 원인
  • "이제 하나의 모델로 다양한 응용 분야에서 이 작업을 할 수 있게 됐다" — 반 발렌 교수

뭐가 다른가

• 서로 다른 세포 유형을 식별할 뿐 아니라 위치와 상호작용, 공간적 구조까지 분석 가능
  • 종양세포, 박테리아, 면역세포 등 다양한 형태 커버
  • 고해상도 이미징 발전으로 데이터가 폭발적으로 늘어난 현실과 맞물림
• 방대한 수작업 라벨링 데이터로 학습되어, 이전엔 불가능했던 규모의 질문까지 던질 수 있게 됨
  • 수백만 개 세포를 다양한 조건에서 추적 → 희귀 세포 상태나 미세한 형태 변화와 치료 반응의 관계까지 분석
  • 특정 면역치료가 환자마다 다른 효과를 보이는 이유 같은 정밀의학 연구에도 활용 가능

무료 공개, 연구 생태계 확산 노림수

• 연구자 누구나 쓸 수 있게 무료 공개 — 학계와 산업계 확산 기대
  • 다양한 생물학 데이터를 계속 추가 학습시켜 모델 업데이트 예정
• 이송 위 교수 "기존 워크플로 효율화를 넘어 이전에는 불가능했던 규모의 생물학적 질문을 탐구할 수 있게 한다"

---

기술 맥락

제목의 SAM은 메타(Meta)가 2023년 공개한 Segment Anything Model에서 따온 거예요. SAM은 "아무 이미지에서 아무 객체나 분할"하는 범용 세그멘테이션 모델로 컴퓨터 비전 판도를 바꾼 파운데이션 모델이거든요. CellSAM은 이걸 세포 이미지 도메인에 특화시킨 파생 모델이라고 보면 돼요.

세포 분할(cell segmentation)이 왜 중요하냐 하면, 현미경 이미지 한 장에 세포가 수천~수만 개 들어있는데, 이걸 일일이 경계선 그리고 종류별로 라벨링하는 작업이 생명과학 연구의 가장 큰 병목이에요. 암 연구든 면역 연구든 결국 "어느 세포가 어디서 뭘 하고 있나"를 세는 일에서 출발하거든요.

'파운데이션 모델' 접근이 의미 있는 건, 기존에는 도메인마다(유방암, 뇌세포, 박테리아 등) 전용 모델을 따로 학습시켜야 했어요. CellSAM은 단일 모델로 이 모든 걸 커버하면서 개별 태스크 정확도도 유지하겠다는 거예요. 바이오 AI에서 GPT 같은 파운데이션 모델 전략이 드디어 통한다는 신호로 읽을 수 있어요.