식물 표현형 분석 AI '페노어시스턴트' 개발, 접근성 높인다

주장식물 표현형 분석 분야의 기존 자동화 워크플로우는 복잡한 구조와 유지보수의 어려움으로 인해 일반 사용자의 접근을 제한합니다. 연구진은 이러한 기술적 장벽을 해소하고자 대화형 인공지능 시스템인 페노어시스턴트(PhenoAssistant)를 개발했습니다.

주장페노어시스턴트는 거대 언어 모델을 활용해 식물 표현형 추출과 데이터 시각화, 자동화된 모델 학습 작업을 통합적으로 수행합니다. 이는 식물 생물학 분야에서 인공지능 기술의 민주화를 촉진하는 핵심 도구로 작용합니다.

팩트연구진은 애기장대(Arabidopsis thaliana) 데이터를 활용한 사례 연구로 시스템의 유효성을 검증했습니다. 해당 데이터는 제노도(Zenodo) 저장소(DOI: 10.5281/zenodo.18940282)에서 확인할 수 있습니다.

팩트컴퓨터 비전 모델의 학습과 평가에는 잎 분할 챌린지 데이터셋인 씨브이피피피(CVPPP) 2017의 에이원(A1) 및 에이포(A4) 하위 집합을 사용했습니다. 이 데이터는 코다랩(CodaLab) 플랫폼을 통해 공개합니다.

팩트감자 데이터는 제노도(DOI: 10.5281/zenodo.7938231)에서 제공하며, 겨울 밀 데이터는 씨브이피피에이(CVPPA)@아이씨씨브이(ICCV) 2023 데이터셋의 더블유더블유(WW) 2020 하위 집합에서 확보했습니다. 연구에 사용한 모든 소스 코드는 깃허브(Github)에 공개했습니다.

교차검증인공지능 기반 자동화 시스템은 사용자의 기술적 진입 장벽을 낮추지만, 모델의 신뢰성과 데이터 해석의 정확성에 대한 지속적인 검증이 필요합니다. 특히 복잡한 생물학적 변이를 다룰 때 인공지능의 판단이 과학적 사실과 일치하는지 확인하는 과정이 중요합니다.

교차검증페노어시스턴트는 거대 언어 모델의 성능에 의존하므로, 모델의 환각 현상이나 특정 도메인 지식의 부족이 분석 결과에 영향을 미칠 위험이 있습니다. 연구진은 시스템의 투명성을 확보하고자 대화 로그와 생성된 출력물을 모두 공개했습니다.

팩트연구진은 페노어시스턴트의 소스 코드와 사례 연구 대화 로그를 깃허브(https://github.com/vios-s/PhenoAssistant/)에 게시했습니다. 이는 연구의 재현성을 높이고 다른 연구자가 시스템을 개선하거나 확장하도록 돕습니다.

주장식물 표현형 분석은 기후 변화로 인한 식량 생산 위기를 극복하는 핵심 기술입니다. 인구 증가와 극한 기상 현상에 대응하기 위해 더욱 정확하고 확장 가능한 분석 도구가 필요합니다.

주장이번 연구는 전문적인 프로그래밍 지식이 없는 식물 생물학자도 인공지능을 활용해 복잡한 데이터 분석을 수행할 수 있는 길을 열었습니다. 앞으로 농업 및 생명공학 분야에서 인공지능 에이전트의 활용도가 높아질 것으로 전망합니다.

출처네이처(Nature) 학술지(https://www.nature.com/articles/s41467-026-71090-y) 및 논문 내 참조된 제노도, 코다랩, 깃허브 저장소를 교차 검증했습니다.