AI가 정자 2개를 찾아 임신까지 연결한 불임 치료 사례

• 컬럼비아대의 AI 기반 STAR 시스템이 무정자증 환자에게서 정자를 찾아 실제 임신 성공까지 이어짐

  • STAR는 ‘정자 추적 및 회수’ 시스템으로, 5년 개발 끝에 2024년 공개됐고 현재 컬럼비아대 불임 센터에서 정식 임상에 쓰이고 있음
  • 그냥 논문 속 데모가 아니라 실제 부부의 임신 사례가 나왔다는 점 때문에 주목받는 중

• 가장 강한 사례는 20년 가까이 임신을 시도한 부부임

  • 이 부부는 15차례 체외수정(IVF)에 실패했고, 남편의 무정자증이 원인이었음
  • STAR가 정액 샘플에서 정자 딱 2개를 찾아냈고, 이 정자를 아내의 난자에 주입해 만든 배아 2개 중 1개가 착상에 성공함
  • 이 과정을 통해 태어난 첫 아기는 건강한 여자아이로 보고됐고, 연구팀은 관련 내용을 랜싯(The Lancet)에 발표함

• 클라인펠터 증후군 환자 사례도 꽤 큼

  • 클라인펠터 증후군은 X 염색체가 하나 더 있는 유전 질환이고, 사정액에 정자가 아예 없는 경우가 많음
  • 뉴저지의 한 환자는 9개월 호르몬 치료 뒤 고환 조직 채취 수술을 받았고, 연구팀이 STAR로 조직을 분석해 정자 8개를 분리함
  • 그중 하나가 착상에 성공했고, 예정대로라면 STAR로 태어나는 첫 남자아이 사례가 될 가능성이 있음

• 기존 무정자증 치료는 생각보다 거칠고 느림

  • 한 방법은 고환에서 직접 정자를 찾는 외과적 수술인데, 통증·혈관 손상·염증·일시적 테스토스테론 감소 같은 부작용이 있음
  • 다른 방법은 원심분리한 샘플을 배아 연구사가 현미경으로 몇 시간씩 뒤지는 방식인데, 샘플 한 방울씩 보는 구조라 전체 샘플을 다 보는 게 사실상 불가능함
  • 그러니까 문제는 ‘정자가 없을지도 모른다’가 아니라, ‘있어도 못 찾을 수 있다’는 쪽에 가까움

• STAR는 AI 모델 하나가 아니라 장비·영상·로봇이 묶인 시스템임

  • 샘플을 머리카락보다 가느다란 통로가 새겨진 마이크로유체 칩에 흘려보냄
  • 초당 300장 이미지를 촬영하고, AI가 세포 파편 사이에서 정자를 실시간으로 골라냄
  • 정자가 감지되면 로봇 팔이 수 밀리초 안에 화학 물질이나 레이저 없이 정자를 회수함
  • 회수된 정자는 바로 체외수정에 쓸 만큼 생존력이 유지된다고 설명됨

• 임상 숫자로 보면 ‘기회가 없던 사람에게 새 확률을 만든’ 쪽에 가까움

  • STAR를 사용한 175명 환자 중 약 30%에서 정자가 발견됨
  • 기존 의학으로는 생물학적 자녀를 갖기 어렵다고 여겨졌던 환자 3명 중 1명꼴로 새로운 선택지가 생긴 셈
  • 타임(TIME)이 2025년 최고의 발명품으로 꼽았고, 현재 전 세계에서 수백 명이 대기 중이라고 함

• 이건 의료 AI가 어디까지 들어갈 수 있는지 보여주는 사례이기도 함
  • 불임 치료에서는 이미 난소 자극 호르몬 용량 최적화, 배아 선별 같은 영역에도 AI가 확산되는 중
  • 다만 의료 데이터 기밀 유지, 잘못된 판단의 책임 소재, 시술 비용 같은 이슈가 같이 따라옴
  • 개발자 관점에서는 ‘모델 정확도’만 볼 게 아니라, 샘플 처리·로봇 제어·임상 검증·책임 구조까지 이어지는 전체 파이프라인이 핵심임

---

기술 맥락

• STAR가 흥미로운 이유는 AI가 화면에서 뭔가를 분류하는 데서 끝나지 않기 때문이에요. 이미지를 분석한 뒤 로봇 팔이 실제 정자를 회수하고, 그 결과물이 체외수정에 바로 쓰이거든요.

• 여기서 마이크로유체 칩을 쓰는 이유는 샘플 전체를 일정한 흐름으로 통과시키며 빠르게 촬영해야 하기 때문이에요. 사람이 현미경으로 한 방울씩 보는 방식은 시간도 오래 걸리고, 전체 샘플을 빠짐없이 확인하기 어렵거든요.

• AI 모델의 역할은 세포 파편 사이에서 희귀한 정자를 놓치지 않는 거예요. 기사에서는 1시간에 800만 장 이상 이미지를 처리하고, 수작업보다 40배 많은 정자를 찾았다는 수치가 제시돼요.

• 의료 현장에서는 이런 시스템이 더 까다로워요. 정자를 잘못 다루면 수정 가능성이 바로 떨어지기 때문에, 감지 정확도뿐 아니라 회수 속도, 손상 여부, 생존력까지 같이 맞아야 하거든요.

• 그래서 이 사례는 의료 AI를 볼 때 모델 성능표만 보면 부족하다는 걸 보여줘요. 하드웨어, 로봇 제어, 임상 검증, 환자 동의와 데이터 보호까지 연결돼야 실제 치료 기술이 돼요.