▲공정호 연구원·김상욱 교수 (사진= 한국연구재단 제공)

같은 암을 앓는 환자라도 항암제에 대한 반응이 다르기에 효과를 볼 수 있는 환자를 선별하는 맞춤형 치료가 중요하다.

하지만 그간 머신러닝 예측기법은 암세포의 유전체 정보를 토대로 하고 있어 불필요한 바이오마커 정보로 인해 거짓신호를 학습할 수 있다는 문제점 등으로 인해 정확도를 높이는 데 한계가 있었다.

이러한 가운데 국내 연구진이 약물의 직접적 표적이 되는 개별 단백질에 대한 전사체 정보뿐 아니라, 표적 단백질과 상호작용할 수 있는 생체 단백질 상호작용 네트워크 데이터를 이용해 예측 정확도를 높인 머신러닝 알고리즘을 개발해냈다.

한국연구재단은 지난 30일 김상욱 포항공과대학교 교수팀이 암환자 유래 인공 미니장기의 전사체 정보를 토대로 환자의 항암제 반응성을 예측하는 인공지능 기술을 개발했다고 밝혔다.

전사체(transcriptome)는 사람마다 유전정보를 토대로 만들어지는 단백질의 종류로, 만들어지는 시기나 양도 다름은 물론이고, 만들어진 단백질의 활성도 다른 유전적 특성을 가지고 있다.

연구진은 해당 머신러닝 알고리즘이 표적 단백질로부터 기능적으로 가까운 단백질의 전사체 생성량에 대해 우선 학습하도록 하여 기존 머신러닝이 학습해야 했던 방대한 바이오마커 대신 선별된 바이오마커만 학습할 수 있도록 하여 정확도를 높였다.

또한 동물모델이 아닌 환자 유래 미니장기의 데이터를 이용해 실제 환자에서 반응과의 차이를 좁히는데 성공했다. 실제로 이러한 방법으로 대장암에 쓰이는 5-플루오로 우라실과 방광암에 사용되는 시스플라틴 등에 대한 환자의 약물반응을 실제 임상결과와 비슷한 수준으로 예측해내는 성과를 거두었다.

이를 통해 연구진은 항암제에 반응할 환자를 선별하는 개인 맞춤형 정밀의료 실현은 물론 새로운 항암제의 기전 규명에도 도움이 될 것으로 기대하고 있다.

한편 이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 중견연구사업, 중점 연구소사업 및 포스텍 인공지능대학원 지원으로 수행됐으며, 연구의 성과는 국제학술지‘네이처 커뮤니케이션스(Nature Communications)’에 10월 30일 게재됐다.

[ⓒ 메디컬투데이. 무단전재-재배포 금지]