바이오인

 3D 바이오프린팅 기술

인공지능 기반 3D프린팅 기술 및 생체의료분야 적용 기술동향

박석희 / 부산대학교 기계공학부 부교수

◈ 목차

1. 기술의 개요

2. 3D프린팅 기술과 인공지능 융합

  가. 3D프린팅 기술의 개발 현황

  나. 인공지능 기술의 개발현황

  다. AI 융합 3D프린팅 기술 개발

3. 맞춤형 제조기술로서의 생체의료 분야 적용

     가. 맞춤형 3D프린팅 기술의 의료기기 제조 활용

     나. 인공지능 기반 3D프린팅 의료기기 제조

4. 전망 및 시사점

◈본문

 1. 기술의 개요

3D프린팅 또는 적층제조 기술은 1980~90년대 미국의 Charles Hull과 Scott Crump에 의해 각각 광경화성 고분자를 활용한 stereolithography와 열가소성 고분자를 활용한 fused deposition modeling(FDM) 기술로 시작되었다. 이는 제품개발에 있어 시제품을 금형 없이 신속하게 제조하는 쾌속 시생산(Rapid Prototyping, RP) 방식으로 기술개발 초기부터 현재까지 활용되고 있다. 최근에는 실부품 제조분야에 3D프린팅 기술이 직접적으로 활용되고 있으며, ISO와 ASTM 등에서는 이 기술을 7가지 주요 방식으로 분류하여 표준화하고 있다.

미국 오바마 대통령이 2013년 제조업 혁신의 잠재력을 언급하면서, 전 세계적으로 3D프린팅 기술에 대한 관심이 급증했으며, 이코노미스트지를 비롯해 여러 주요 언론 및 정책기관은 3D프린팅을 4차 산업혁명의 핵심 기술로 평가·언급하고 있다. 3D프린팅은 자동차부터 항공우주, 의료 분야에 이르기까지 다양한 고부가가치 산업에서 맞춤형 제조 방식의 장점을 통해 활용되고 있으며, 특히 의료분야에서는 환자 맞춤형 헬스케어 제품의 개발로 주목받고 있다.

한편, 인공지능(Artificial Intelligence, AI) 기술의 발전은 최근 이미지 인식과 자연어 처리 분야에서 주목할 만한 진보를 이루었으며, 제조업, 의료산업을 비롯한 기존 모든 산업체계의 혁신적 전환을 촉진하는 큰 영향을 미치고 있다. 의료분야에서 AI의 활용은 진단, 치료 계획 수립, 환자 모니터링 등에서 중요한 역할을 하고 있다. 예를 들어, AI를 통해 의료영상을 분석하여 암과 같은 질병을 조기에 진단하고, 이를 바탕으로 맞춤형 치료 계획을 수립할 수 있다[1].

3D프린팅과 AI 기술은 각각의 특장점을 살려 융합함으로써 개인 맞춤형 정밀의료 산업에서 혁신적 잠재력을 가지고 있다. AI를 통해 환자의 의료 데이터를 분석하여 최적의 의료기기 및 임플란트를 설계하며, 3D프린팅은 이러한 설계를 실제 제품으로 신속하게 구현할 수 있다. 또한 3D프린팅을 포함한 제조분야에 있어 공정 최적화 및 결함 모니터링을 통한 실시간 품질관리 등에 AI 기술 적용 연구가 활발히 이루어지고 있다. 이러한 관점에서 해당 기술들의 융합을 통해 의료기기 제조의 생산성 향상뿐만 아니라, 맞춤형 임플란트, 보철 등의 기능을 개선하거나 인공 장기의 구조를 최적화하는 데 사용될 수 있다. AI와 3D프린팅의 융합은 환자에게 더 안전하고 효과적인 치료 옵션을 제공하며, 의료분야에 있어 새로운 고부가가치 시장을 창출하는데 기여할 것으로 전망된다.

2. 3D프린팅 기술과 인공지능 융합

3D프린팅 기술과 AI의 융합은 제조 분야, 특히 맞춤형 생산에서 큰 변화를 가져오고 있다. 예를 들어, AI를 통해 설계 최적화, 제조 공정 자동화, 품질 관리의 효율성을 높이는 데 기여하며, 복잡한 데이터를 분석하여 3D 프린팅 과정을 개선할 수 있다. 또한, AI를 활용한 시뮬레이션을 통해 프린팅 전에 제품 설계의 가능성을 검증하고, 소재 사용을 최적화하여 비용을 절감하고 환경적 영향을 최소화할 수 있다. 이러한 기술 융합은 의료분야를 포함한 다양한 산업에 혁신적인 맞춤형 솔루션을 제공하며, 스마트 제조와 디지털 전환을 가속화하는 중추적 역할을 할 것으로 기대된다.

[그림 1] 3D프린팅 기술과 인공지능 기술의 분류

가. 3D프린팅 기술의 개발 현황

ISO/ASTM 52900에 의해 3D프린팅 또는 적층제조 기술은 <그림 1>과 같이 일곱 가지 주요 유형으로 분류되며[2], 각 기술은 특정 재료와 응용 분야에 따라 구분되어 활용된다. 공정의 특징에 따라 플라스틱과 금속, 복합재료를 포함한 다양한 재료를 사용할 수 있으며, 생체의료 분야에서는 기술적 수요에 따라 다양하게 활용된다(그림2).

• 1.(Binder Jetting) 분말 재료 위에 액체 바인더를 분사하여 층을 형성한다. 이 방식은 금속, 세라믹 등 다양한 분말 재료에 적용 가능하며, 제작된 임시적층물을 소결(sintering)함으로써 바인더 성분을 배제한 금속, 세라믹 구조물을 제조할 수 있다. 이를 통해 맞춤형 임플란트 또는 보철물 제작에 사용된다.
  

• 2.(Directed Energy Deposition) 레이저 또는 전자빔 등의 집속된 열에너지를 가하여 금속 분말이나 와이어를 직접적으로 녹여서 증착하며, 주로 임플란트나 금속 기반의 의료용 임플란트를 직접 제조하거나 다른 공정으로 제조된 구조물 표면을 기능적으로 향상시키는 데에 활용된다.
  

• 3.(Material Extrusion) 재료를 유동성이 있는 상태에서 노즐 또는 오리피스를 통해 압출하여 적층하는 방식으로, 전통적으로 FDM 공정이 이 분류에 포함된다. 재료의 활용 범위가 열가소성 플라스틱에서 다양한 생체적합성 천연·합성 고분자에 이르기까지 매우 넓어 생체 의료분야에서 가장 많이 쓰이는 공정 방식이다. 생분해성 고분자를 활용하는 조직공학용 지지체(tissueengineering scaffold) 제작에 해당 기술이 사용되고 있으며, 특히 하이드로젤을 활용할 경우 세포를 살아있는 환경에서 프린팅하는 3D 바이오프린팅 기술로 활용되고 있다.
  

• 4.(Material Jetting) 잉크젯 프린팅 기술을 응용하여 액상 물질을 미세 노즐을 통해 액적으로 분사한다. 저점도의 광경화성 플라스틱, 왁스 등이 주로 사용되며, 정밀한 형상 구현에 장점을 가지고 있어 정교한 의료 모형, 수술용 가이드, 재활 보조기구 제작에 많이 활용된다.
  

• 5.(Powder Bed Fusion) 레이저나 전자빔을 사용하여 분말 재료를 선택적으로 용융시켜 적층체를 형성하는 기술이다. 금속과 플라스틱 모두 사용되며, 특히 금속 재료의 적층 구조물 제작에 가장 많이 활용되는 방식이다. 타이타늄, 코발트 합금 등의 생체적합성 금속 재료를 통해 맞춤형 의료 임플란트 제작에 널리 활용되며 현재까지 많은 이식 임상 사례를 보여주고 있다.
  

• 6.(Sheet Lamination) 종이, 금속 또는 플라스틱 시트를 층층이 쌓아 올린 후, 접착제나 초음파 용접으로 층을 결합하여 적층체를 제조한다.
  

• 7.(Vat Photopolymerization) 광경화성 플라스틱을 UV 광에너지를 주사(scanning)하여 경화시키고 이를 적층하는 방식으로, 전통적으로 Stereolithography가 대표적으로 이 방식에 해당된다. 광중합을 유도하는 광개시제 등의 생체적합성 한계점으로 인해 체내 이식용 구조물의 제작에는 제한적일 수 있으나, 형상 정밀도가 높은 특성을 활용하여 치과용 교정기, 의료 시각화 모델 등에 널리 활용된다. 또한 광경화 소재에 세라믹 분말을 분산시켜 임시 구조물을 제작하고 이를 소결하는 방식으로 세라믹 임플란트 제작에 응용된다.

[그림 2] 3D프린팅 기술 분류별 활용 사례

출처 : Stratasys, Formlabs, GE Additive, T&R biofab, Osteopore, Desktop Metal, Insstek

전술한 바와 같이 3D프린팅 또는 적층 제조 공정들은 플라스틱과 금속, 세라믹 재료를 활용하여 생체의료 분야에서 광범위하게 활용된다. 플라스틱은 주로 맞춤형 보조기구, 의료 트레이닝 모델 및 일시적 사용 의료기기의 제작에 사용되며, 금속은 주로 내구성 및 생체 안정성이 요구되는 이식용 의료 임플란트 제작에 사용된다. 생체 기능성 향상을 위해 세포를 포함한 바이오잉크(bio-ink)를 적층하는 바이오프린팅, 세라믹 분말 재료를 통해 임시 3차원 적층체를 제조하고 소결 2차 공정을 통해 제작하는 등의 응용 기술들이 활발히 연구되고 있다.

나. 인공지능 기술의 개발현황

최근 다양한 인공신경망 알고리즘을 통해 급속도로 발전하고 있는 AI 기술은 포괄적인 개념의 기계학습(machine learning) 영역에서 지도학습, 비지도학습, 강화학습, 이렇게 세 가지의 범주로 나누어 볼 수 있다(그림1).

• 1.(지도학습(Supervised learning)) 레이블(label)이 지정된 훈련 데이터를 사용하여 모델을 학습시키는 방법이며, 모델은 입력 데이터와 그에 해당하는 출력 데이터(레이블) 사이의 관계를 학습하여, 새로운 입력 데이터에 대해 정확한 출력을 예측한다. 이 방법은 분류(classification)와 회귀(regression) 문제에 널리 사용된다.
  

• 2.(비지도학습(Unsupervised learning)) 레이블이 없는 데이터를 사용하여 데이터의 숨겨진 패턴이나 구조를 발견하는 데 초점을 맞춘다. 비슷한 특성을 가진 데이터를 그룹화하는 군집화(clustering)와 데이터의 복잡성을 줄이는 차원 축소(dimension reduction)가 대표적인 비지도 학습 방법이다.
  

• 3.(강화학습(Reinforcementlearning)) 에이전트(Agent)가 환경(environment)과 상호작용하면서 최적의 행동(action)을 학습한다. 에이전트는 주어진 상태(state)에 대해 어떤 행동을 취할 때마다 보상(reward)을 받으며, 이 보상을 최대화하는 방향으로 학습을 진행한다. 강화학습의 기본적 수학적 원리를 인공신경망과 연계하여 발전시킴에 따라 최근 혁신적인 발전을 이루고 있다.

AI 기술의 혁신적인 발전을 이룬 인공신경망은 1950년대의 Frank Rosenblatt가 고안한 퍼셉트론(perceptron)에서 시작되었으며[3], 이는 심층신경망(deep neural network) 및 심층학습 또는 딥러닝(deep learning) 기술의 초기 형태이다. 단순한 구조의 퍼셉트론에서 출발하여 XOR 문제를 포함한 복잡한 문제를 해결할 수 있도록 역전파(backpropagation) 알고리즘으로 작동하는 다층 퍼셉트론(multilayer perceptron)이 고안되었고[4], 2000년대에 들어 다양한 활성화 함수(activation fuction), 초기 입력값, 사전학습 등의 다양한 알고리즘을 통해 성능이 크게 개선되었다. 2010년대에 들어서며, 딥러닝 모델을 통한 이미지 인식 기술은 특히 큰 진보를 이루었다. 2012년 Alex Krizhevsky 등이 설계한 알렉스넷이 이미지넷 챌린지에서 우승하면서 딥러닝 기반의 컨볼루션 신경망(ConvolutionalNeuralNetwork,CNN)이 주목받기 시작했고[5], 이후, 딥러닝은 이미지 및 비디오 분석, 자연어 처리, 음성 인식 등 다양한 분야에서 활용되고 있다. 최근에는 강화학습과 딥러닝이 결합되어 더욱 혁신적인 기술 개발이 이루어지고 있다. 2015년 Google DeepMind는 딥러닝과 강화학습을 결합한 Deep-Q-Networks를 선보여 게임 학습에 탁월한 성능을 보였다[6]. 이어 개발된 알파고는 이러한 심층 강화학습을 통해 바둑 게임 전략을 스스로 학습하고, 세계 최고 수준의 프로 바둑 기사를 상대로 압도적 승률을 보이며 AI 기술 발전의 새로운 전환점이 되었다.

이러한 AI 기술들은 스마트 공정 또는 지능형 제조 기술의 핵심요소로 적용되고 있다. 뛰어난 성능의 CNN 기반 이미지 처리 알고리즘의 다양한 개발과 함께 머신 비전 기술의 혁신적인 발전을 통해 제조 공정에서 불량품 감지, 제품 검사, 로봇의 정밀 조작 등을 가능하게 한다. 제조 모니터링 측면에서는 센서 데이터와 이미지 데이터를 결합하여 실시간으로 공정을 감시하고 최적화하며, 획득된 데이터를 분석하여 고장을 예측하고, 생산 라인의 자동 조정을 가능하게 하여 생산 효율성을 크게 향상시킬 수 있다.

다. AI 융합 3D프린팅 기술 개발

전술한 바와 같이 AI 기술과 더불어 3D프린팅 또는 적층제조 기술은 제조업의 다양한 측면에서 큰 잠재력을 가지고 있으며, 최근 AI 기술과 3D프린팅 기술의 융합 연구가 활발히 이루어지고 있다. 특히 이상치 탐지, 제조 모니터링, 설계 및 제어 최적화 분야에서 의미 있는 결과가 보고되고 있다. 이러한 기술은 제조 공정의 효율성을 높이고, 제품 품질을 개선하며, 제조 비용을 절감하는 등 제조업 혁신에의 중요한 역할을 할 것으로 기대된다.

• 1.(이상치 탐지(Anomaly detection)): 3D 프린팅 공정에서의 이상치 탐지는 주로 공정 중 발생할 수 있는 결함이나 오류를 실시간으로 감지하고 수정하는데 초점을 맞추고 있다. 예를 들어, CNN을 사용한 이미지 분석 방법은 프린트 중 발생하는 불량층을 식별하는데 사용될 수 있다. 이는 프린팅 과정에서 생성된 각 층의 이미지를 분석하여 비정상적인 패턴을 감지하고, 이를 통해 잠재적인 제품 결함을 조기에 식별할 수 있다(그림3). 3D프린팅 방식의 제조에 있어 이상치 탐지 기술은 특히 고가의 소재를 활용하여 복잡한 부품이나 정밀 부품을 제작할 때 경제성과 생산성 측면에서 특히 중요하다.
  

• 2.(공정 모니터링(Process monitoring)): 제조 공정 모니터링 관점에서 AI, 머신러닝 모델은 온도, 압력, 속도와 같은 다양한 센서 데이터를 분석하여, 공정의 비효율적인 부분을 식별하고 개선할 수 있는 방안을 제시할 수 있다. 이는 공정 중 발생할 수 있는 잠재적 문제를 예측하는 형태로 사용되어 실시간 모니터링을 통해 생산성을 향상시키고, 시스템 유효 가동시간을 최대화하는데 도움을 줄 수 있다.
  

• 3.(설계및공정최적화(Optimizationofdesignandprocess)): 3D프린팅의 자유형상 구현의 이점을 살려 AI를 통해 목적에 맞는 최적의 설계 형상을 도출할 수 있다. 강화학습과 같은 알고리즘은 주어진 설계 목표를 최적화하기 위해 다양한 설계 변수를 조정하여 특정 부품의 강도와 경량화 사이의 최적 균형을 찾아낼 수 있다. 또한 공정 최적화 측면에서도 3D프린팅의 결과물과 공정 변수 사이의 관계를 머신러닝 모델을 통하여 학습하여 최적의 프린팅을 위한 공정 변수를 제안하는 용도로 활용될 수 있다 (그림3).

[그림 3] VAE 비지도학습 기법을 활용한 3D프린팅 공정의 이상치 탐지 및 공정 모니터링(상), PPO 강화학습 기법을 활용한 3D프린팅 공정(속도) 최적화(하) [7]

3D프린팅 또는 적층제조 공정은 디지털 데이터에 기반한 기술적 특징으로 인해 AI 기반 융합 연구가 활발히 이루어지고 있다. Industry 4.0 단계에서는 제조 기술의 자동화와 효율을 극대화하는 측면에서 AI기반 3D프린팅 융합기술이 큰 의미를 가진다고 볼 수 있다. 또한 최근 언급되고 있는 차세대 Industry 5.0 단계에서도 수요자 만족도를 최대화하기 위한 맞춤형 유연생산 측면에서의 핵심 기술로서 지속적 혁신을 이뤄갈 것으로 전망된다.

3. 맞춤형 제조기술로서의 생체의료 분야 적용

생체의료 분야에서 3D프린팅과 같은 맞춤형 제조기술은 환자 개개인의 특이적이고 복잡한 생리학적 특성과 임상적 요구를 정확하게 충족시킬 수 있는 치료물을 제작하기 위해 그 필요성이 높아지고 있다. 예를 들어, 맞춤형 임플란트와 보철물은 환자의 몸에 완벽하게 맞도록 설계되어, 보다 나은 치료성능, 착용감, 회복 및 활동 기능성 등을 제공한다[8]. 또한, 맞춤형 약물전달 시스템 제조 측면에서도 3D프린팅 기술을 유용하게 활용할 수 있으며, 이는 개인의 유전적, 환경적, 생활 습관적 요인을 고려하여 효과적인 치료 결과를 도출할 수 있도록 적절한 약물의 종류와 함유량을 맞춤형 방식으로 제조한다[9]. 이러한 의료분야 맞춤형 제조기술은 AI기술과 더불어 융합 활용됨에 따라 환자 개인의 선천적·후천적 특성이 반영된 의료·헬스 데이터 기반 개인 맞춤형 정밀의료 분야에서의 혁신적인 발전을 가능하게 할 것으로 기대된다.

가. 맞춤형 3D프린팅 기술의 의료기기 제조 활용

3D프린팅 기술은 컴퓨터기반디자인(CAD) 소프트웨어와 결합되어 환자의 CT나 MRI 스캔 데이터를 기반으로 정확한 맞춤형 제품을 설계하고 제조할 수 있다. 또한 다양한 생체의료용 재료의 조합과 함께 복잡한 형상과 구조를 정밀하게 제작할 수 있는 장점을 바탕으로 환자 맞춤형 정밀의료 분야 혁신에 핵심적 요소기술로 자리잡고 있다. 3D프린팅 기술의 의료분야 응용에 있어 생체적합성 필요 정도 및 재료 종류에 따라 다음과 같이 나누어 볼 수 있다(그림4).

• 1.(수술 시뮬레이션 시각화 모델) 이는 이식의 목적으로 사용되지 않기 때문에 생체적합성을 크게 요하지 않는 플라스틱 재료를 활용하여 구조물을 제작한다. 환자 개인의 의료영상 데이터를 기반으로 해부학적 모형을 제작하여 외과 수술의 사전 시뮬레이션 도구로서 활용될 수 있으며, 이는 수술 시간을 단축하고 수술 정확도를 높이는데 매우 효과적이다. 최초의 사례 격인 2002년 미국 UCLA 샴쌍둥이 분리 수술 이래로 최근에는 모형의 색채, 질감 등을 실제 장기와 유사하게 구현함에 따라 활용도가 더욱 높아지고 있다[10].
  

• 2.(수술가이드(Surgicalguide)) 3D프린팅으로 제작된 맞춤형 외과 수술 가이드는 수술 시 정밀한 절개와 이식물의 배치를 용이하게 하여 정형외과, 성형외과, 치과 분야에 널리 활용된다[11]. 환자의 특정 해부학적 구조에 맞춤화되어 복잡한 수술의 정확성을 높이고, 수술 시간을 단축하는데 크게 기여한다. 체내 접촉이 수술 시간에 한정하여 단기간에 이루어지므로 생체적합성을 크게 요하지는 않는다.
  

• 3.(세포기반조직공학(Cell-based tissue engineering)) 1990년대에 살아있는 세포를 생체적합성 또는 생분해성 다공성 지지체(scaffold)에 파종(seeding)하여 인공조직을 제작하는 기술로 제안되었으며, 현재까지 3D프린팅을 비롯한 다양한 제조기술을 통해 지지체 제조 연구가 이루어졌다[12]. 세포의 체내 성장환경(세포외기질, extracellular matrix)과 유사한 내부 미세구조를 구현하거나, 임상적으로 체내 이식 형상 정합성을 고려할 때 3D프린팅 제작 방법이 큰 장점을 가지고 있다. 지지체 제조 이후 세포를 파종하는 접근방법 이외에 세포가 포함되어 있는 재료(bioink)를 직접 프린팅하여 인공조직을 제조하는 3D바이오프린팅 연구도 활발히 이루어지고 있다. 이는 세포의 생존상태가 유지될 수 있도록 고분자 결합 사슬이 느슨하여 수분을 포함한 세포의 대사물질 이동이 원활할 수 있도록 하이드로젤을 활용한다. 고분자 사슬의 가교 메커니즘에 따라 젤라틴(gelatin), 아가로즈(agarose)와 같은 온도 감응형 하이드로젤, polyethylene gylcol diacrylate(PEG-DA)와 같은 광 가교성 하이드로젤, 알지네이트(alginate)와 같은 이온가교성 하이드로젤, 피브린(fibrin)과 같은 효소 가교성 하이드로젤 등이 활용될 수 있다[13]. 바이오프린팅 기술은 조직 및 장기 재생 연구에 혁신적 잠재력을 지니고 있으나 직접적 이식형 장기를 제조하기에는 기계적 물성 및 생체 적합성의 한계점으로 인해 단기적 연구로는 부족하다. 하지만 유사장기(organoid)를 통해 맞춤형 약물 스크린용 조직 및 동물실험 대체재로서 큰 의미를 지닌다.
  

• 4.(금속 임플란트) 금속 3D프린팅은 고강도와 생체 호환성이 요구되는 이식용 의료기기를 제작하는 데 널리 활용되고 있다. 환자 맞춤형 임플란트는 환자의 해부학적 구조에 완벽하게 맞도록 설계되어 수술 후 합병증을 최소화하고 더욱 빠른 회복을 도울 수 있다. Stryker, Johnson & Johnson, Smith & Nephew, Zimmer Biomet 등의 주요 정형용 임플란트 제조회사들은 이미 PBF 타입의 3D프린팅 공정을 통하여 무릎, 골반, 척추, 발목 등의 부위에 적용 가능한 임플란트를 제조하여 제공하고 있으며 많은 임상 사례가 보고되고 있다[14]. 특히 종양 및 외상수술에 환자 맞춤형 제조 임플란트를 적용하여 적층제조 공정의 유효성이 검증되고 있다. 현재 생체재료로서 활용되고 있는 금속 소재로는 대표적으로 스테인레스강(stainless steel, SS), Ti 합금, Co 합금을 들 수 있다.
  

• 5.(의약품) 환자 맞춤형 의약품 제조에 3D프린팅 기술이 적용되고 있으며, 주로 약재 분말을 기반으로 binder jetting 기술을 활용하거나 약물 페이스트()를 material extrusion 방식으로 이루어진다. 3D프린팅 기술을 통해 환자의 특정 요구에 맞춰 약물의 용량, 형태, 방출 속도를 정밀하게 조정할 수 있으며, 다양한 활성 성분을 하나의 제형에 통합할 수 있다. 2015년에는 3D프린팅으로 제조된 Spritram이 FDA에 승인된 바 있으며, 이후에도 국내·외 의약품 제조 분야에 많은 연구가 이루어지고 있다[15].

[그림 4] 맞춤형 3D프린팅 의료활용 사례

출처 : Stratasys, Materialise, LuxCreo, Cellink, Federal Institute of Technology Lausanne (EPFL), Stryker, Aprecia Pharmaceuticals

나. 인공지능 기반 3D프린팅 의료기기 제조

전술한 바와 같이 AI 기술은 3D프린팅 제조 과정에서 생산성과 기능성을 크게 향상시킬 수 있는 역량을 가지고 있다. 정밀의료 분야에 있어서 환자 맞춤형 의료기기 제조, 고기능성 생체 의료 소재 프린팅 공정의 품질 및 생산성을 향상시키기 위해서는 AI 기술의 융합이 필수적이라 할 수 있다.

[그림 5] 인공지능 융합 3D프린팅 의료분야 제조 활용

출처 : 메디컬아이피, [7], [17]

• 1.(의료데이터 전처리) 3D프린팅을 통해 원하는 장기 또는 조직 형상의 제조가 이루어지기 위해서는 CT 또는 MRI 단층 데이터 상에서의 적절한 이미지 처리와 세분화가 이루어져야 한다[16]. 이미 인체 의료영상 데이터에서의 암진단, 뇌 CT 스캔 이미지 상에서의 뇌졸중 진단 등 이미지 기반 딥러닝 알고리즘이 널리 활용되고 있으며, 3D프린팅을 위한 CAD 솔루션으로도 국내·외에서 상용 소프트웨어가 개발되어 보급되고 있다.
  

• 2.(3D프린팅 품질 고도화) AI 기술은 의료기기 맞춤형 제조에서의 생산성 향상을 위한 공정 최적화에 탁월한 효과를 보일 것으로 기대된다. AI 알고리즘을 통해 재료의 흐름율, 온도, 프린팅 속도 등의 3D프린팅 공정 변수를 실시간으로 조절하여 최상의 프린팅 결과를 보장할 수 있다[7]. 이는 특히 복잡한 형상을 가진 환자맞춤형 의료기기 제조에서 중요하며, 제품의 결함률을 줄이고 생산 속도를 증가시키는 결과를 가져올 수 있을 것으로 기대된다.
  

• 3.(실시간 제어 프린팅) AI 기술의 실시간 이미지 처리 능력을 통해 3D프린팅 상태 모니터링을 통해 결함을 미리 감지하여 프린팅 제어변수를 보상으로써 생산성을 향상시킬 수 있다. 이러한 실시간 제어 프린팅 성능을 극대화하여 프린팅 소재를 인체 환부 타겟에 직접적으로 프린팅하는 연구들이 이루어지고 있다[17]. 인체와 같이 동적으로 변형하고 비평면 굴곡이 많은 표면에 bio-ink를 직접 프린팅할 경우 실시간 3차원 표면에 대한 대응이 가능한 프린팅 변수 셋팅이 필요하며 여기에 AI 기술을 접목하여 최적화 한다.
  

• 4.(고기능성 재료 프린팅) 바이오프린팅에 사용되는 하이드로젤 재료의 경우 유변학적 특성이 비선형적으로 프린팅 예측이 복잡하며, 특히 내재되는 세포의 생존률을 높이기 위하여 노즐의 직경, 프린팅 압력, 속도 등의 공정 변수 변화에 제약이 따르게 된다. 또한 하이드로젤의 가교가 과도할 경우 세포 생존률에 치명적일 수 있으며, 너무 낮을 경우 형상 구현 및 기계적 물성이 취약하게 된다. 이러한 복잡한 공정 변수 간의 관계를 최적화하기 위하여 AI 기술이 활용될 수 있다. 또한 의약품 프린팅 공정의 경우에서도 환자의 특정 필요에 맞춰 약물의 방출 속도와 타이밍을 적절히 조절하기 위해서는 일반적인 제형이 아닌 다층의 복잡한 형태가 요구될 수 있으며 이러한 형상 구현 및 약물 방출 특성의 정확한 구현을 위하여 AI 기술의 필요성이 대두된다.

4. 전망 및 시사점

AI와 3D프린팅 기술의 융합은 맞춤형 정밀의료 솔루션을 제공함으로써, 의료 서비스의 질을 향상시키며, 새로운 시장을 창출하는데 혁신적 기여를 할 것으로 기대되고 있다. 글로벌 3D프린팅 의료기기 시장은 2023년에 약 20억 달러의 규모로 추정되며, 2033년까지 연평균 성장률(CAGR) 19.55%로 성장할 것으로 예상된다 [18]. 이러한 성장 예측은 주로 맞춤형 의료 솔루션에 대한 수요 확대에 기인한다. 이미 수술용 가이드나 체외에 적용되는 의족, 의수, 재활 치료용 의료기기 등에는 3D프린팅 기술이 상용화되어 활용되고 있다. 또한 titanium 합금 등과 같은 체내 안정성이 검증된 재료를 통해 제조되는 정형용 임플란트의 경우도 많은 임상 사례가 보고되고 있다. 이외 앞서 소개된 인공 조직·장기의 제조와 환자 맞춤형 약물전달 시스템 및 의약품 등은 아직 임상적 활용에 이르기까지 그 실효성과 안전성에 많은 검증 연구가 이루어져야 한다. 3D프린팅과 AI기술의 융합은 이러한 연구를 가속화할 수 있는 고효율의 도구로서 활용될 수 있으며, GMP 제조 환경으로 구축됨에 따라 높은 생산성의 맞춤형 제조 솔루션을 제공할 것으로 기대된다.