의학·과학 >

AI로 환자 맞춤형 항암제 찾아 치료한다

포항공과대 김상욱 교수 연구팀
항암제 치료효과 예측하는 머신러닝 기술 개발
실제 대장암·방광암 치료제 반응과 비슷하게 예측

AI로 환자 맞춤형 항암제 찾아 치료한다
환자 맞춤형 항암제 효과를 예측하는 기계 학습 모델을 개발한 포항공과대 김상욱(오른쪽) 교수와 공정호 연구원. 포항공과대 제공
[파이낸셜뉴스] 가까운 미래에는 인공지능을 이용해 각각의 암환자마다 맞춤형 항암제를 처방해 치료하는 시대가 열릴 전망이다.

국내 연구진이 인공 미니 장기에서 얻은 데이터를 학습하는 알고리즘으로 항암제 반응성 예측의 정확성을 높였다. 실제 사람에서의 반응에 보다 더 근접한 데이터를 학습시키겠다는 것이다.

한국연구재단은 포항공과대 김상욱 교수 연구팀이 암환자 유래 인공 미니장기의 정보를 토대로 환자의 항암제 반응성을 예측하는 인공지능 기술을 개발했다고 밝혔다.

연구진은 이 방법을 이용해 대장암에 쓰이는 5-플루오로 우라실과 방광암에 사용되는 시스플라틴 등에 대한 환자의 약물반응을 실제 임상결과와 비슷한 수준으로 예측해냈다.

김상욱 교수는 "항암제의 효과를 치료 전 예측해 항암제 부작용을 낮추거나 암환자의 치료 시기를 확보해 생존율을 높일 수 있을 것"이라고 전망했다.

같은 암을 앓는 환자라도 항암제에 대한 반응이 다르기에 효과를 볼 수 있는 환자를 선별하는 맞춤형 치료가 중요하다. 하지만 기존 머신러닝 예측기법은 암세포의 유전체 정보를 토대로 하고 있어 정확도를 높이는 데 한계가 있었다. 불필요한 바이오마커 정보로 인해 거짓신호를 학습할 수 있기 때문이다.

AI로 환자 맞춤형 항암제 찾아 치료한다
환자 맞춤형 항암제 효과 예측 기계 학습 모델 항암제의 반응성과 연관이 있는 단백질을 생체 네트워크에서 약물 작용점에서 거리를 통해 탐색한다. 환자 유래 인공 미니장기의 전사체와 항암제에 대한 반응을 기계 학습을 통해 환자의 항암제 효과를 예측할 수 있다. 포항공과대 제공
연구진은 약물의 직접적 표적이 되는 개별 단백질에 대한 전사체 정보를 이용해 예측 정확도를 높인 머신러닝 알고리즘을 소개했다. 여기에는 표적 단백질과 상호작용할 수 있는 생체 단백질 상호작용 네트워크 데이터까지 이용했다.

이를 통해 기존 머신러닝이 학습해야 했던 방대한 바이오마커 대신 선별된 바이오마커만 학습할 수 있도록 해 정확도를 높였다. 또한 동물모델이 아닌 환자 유래 미니장기의 데이터를 이용해 실제 환자에서 반응과의 차이를 좁혔다.

이번 연구 성과는 국제학술지 '네이처 커뮤니케이션스'에 10월 30일 게재됐다.

한편 약물유전체학의 등장으로 기존에 축적된 다양한 약물반응데이터를 토대로 자체적인 알고리즘을 도출, 사람마다 다른 약물 반응성을 예측하는 머신러닝 연구가 활발하다.

사람의 생체반응을 최대한 반영할 수 있는 양질의 학습데이터를 입력하는 것이 예측의 정확도를 높이는 출발점이 되는데, 기존에는 사람의 임상데이터에 비해 상대적으로 확보가 용이한 동물모델 대상의 전임상데이터가 주로 이용됐다.

monarch@fnnews.com 김만기 기자