• Tuberculosis and Respiratory Diseases
• /
• 제50권4호
• /
• pp.450-461
• /
• 2001

서 론 : 폐암의 치료에 사용되는 방사선 조사는 흉곽 및 여러장기에 다양한 합병증을 발생시키며, 특히 방사선 섬유화증과 방사선 폐렴을 일으킨다. 방사선 조사의 초기 효과는 보통 염증 세포들의 침윤, 간질 및 폐포 부종, 상피세포의 탈락에 의한 방사선 폐렴이며 후기 효과는 방사선 섬유화증을 초래한다. 방사선 조사는 폐장의 염증 세포에서 TGF-beta의 단백 합성 및 활성도를 증가시키고, 생체외 실험에서 TGF-beta는 mitogen activated protein kinases(MAPKs)를 활성화시킨다는 것이 알려져 있다. c-Jun N-terminal kinase(JNK)는 MAPKs중의 하나로 핵단백질인 c-Jun을 인산화(phosphorylation) 시켜 전사(transcription)를 증가시키는데 생체외 실험에서 자외선 조사후 대식 세포에서 JNK의 활성이 증가되는 것으로 알려져 있다. 하지만 현재 까지 생체내에서 JNK가 방사선 조사에 의해 활성화되는지 그리고 이들 활성화가 방사선 섬유화증의 병인에 관계하는 지는 알려진 바 없다. 본 연구는 흉부에 방사선을 조사한 백서를 이용하여 방사선 섬유화증의 병인에 JNK가 신호 전달 체계에서 주요한 역할을 담당하는 지를 알아보고자 시행하였다. 대상 및 방법 : C57BL/6 백서의 전 흉부에 14 Gy의 $^{60}CO{\gamma}$-ray를 조사한 후 일정한 간격(1주, 4주, 8주)으로 폐장의 세포 분석을 위한 기관지 폐포 세척술, elastin의 합성 정도를 측정하기 위한 Verhoeff stain, collagen 합성 양을 알기 위한 hydroxyproline의 측정, JNK 활성도를 알기 위한 in vitro JNK assay를 시행하였다. 결 과 : 폐장의 기관지 폐포 세척 소견상 총세포수는 방사선 조사 4주, 8주후에 증가하는 소견을 보였다. 세포의 감별 분석상 림프구는 4주후 증가되는 경향을 보였다. Verhoeff 염색상 폐포 조직의 특이 변화 소견은 없었으며 hydroxyproline의 양은 방사선 조사전에 비해 4주, 8주후에 증가하는 소견을 보였다. 방사선 조사 후 시간이 경과함에 따라 4주 후에 c-Jun N-terminal kinase(JNK)의 활성도가 가장 높았으며 8주 후에는 4주 후와 비슷한 활성도를 보였다. 결 론 : 흉곽에 방사선 조사 후 hydroxyproline양의 증가와 함께 JNK 활성도의 증가 소견을 보여 방사선 폐섬유화증의 병인에 JNK가 관여될 것으로 사료된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.