[포쓰저널] 인공지능(AI)을 활용해 암환자의 약물 반응을 예측하는 기술이 국내 연구진에 의해 개발됐다. 개개인의 특성을 고려한 맞춤형 치료에 도움을 줄 것으로 기대된다.

27일 광주과학기술원(GIST)에 따르면 GIST AI대학원 이현주 교수 연구팀은 사람의 유전자 발현 정보와 약물 그래프 정보를 기반으로 암환자의 약물 반응을 예측하는 AI 모델(PANCDR)을 개발했다고 밝혔다.

같은 암이라도 환자의 유전적 특성이나 암세포의 돌연변이에 따라 약물의 반응이 달라질 수 있어 정확한 약물 반응 예측이 중요하다.

최근 AI 기술이 발달하면서 머신러닝이나 딥러닝 같은 AI 기법을 사용해 약물의 반응을 예측하려는 연구도 활발히 진행되고 있다.

대부분의 약물 반응 예측 연구는 약물 반응 정보가 존재하는 환자 데이터의 수가 부족해 데이터가 충분한 세포주 데이터로 모델을 학습시키는 형태로 이뤄진다.

세포주는 균일한 조직에서 유래된 세포의 집단으로, 동일한 유전적 특징을 가지는 세포의 계통을 의미한다. 

그러나 세포주 데이터는 면역계, 혈관계 등이 존재하지 않다는 점에서 환자 데이터의 유전자 발현량 정보와는 큰 차이가 있다. 세포주 데이터로 학습시킨 모델을 환자 데이터에 적용했을 때 정확성이 낮아지는 한계가 있다.

연구팀은 이를 개선하기 위해 적대적 생성 신경망(GAN)을 활용해 AI 모델에서 세포주 데이터와 환자 데이터 상호 간 표현의 차이를 줄였다. GAN은 기존의 데이터를 모방해 새로운 데이터를 만드는 알고리즘이다.

PANCDR는 이를 통해 세포주 데이터로 학습하더라도 환자 데이터에서도 정확한 약물 반응을 예측할 수 있도록 만들어진 모델이다.

PANCDR 모델은 환자 데이터에서 기존의 약물 반응 예측 모델보다 34% 이상 뛰어난 예측 성능을 보였다.

연구팀은 ‘PANCDR’을 서울대병원 박성혜 교수 연구팀의 소아 뇌종양 환자 데이터에 적용해 반응성이 가장 높게 예측된 상위 5개의 약물을 선정했다. 이후 기존 연구를 조사한 결과, 5개 약물 모두 뇌종양과 관련돼 있음을 확인해 정확도와 신뢰도를 검증했다.

이 교수는 “이번 연구 성과를 통해 세포주 데이터로 약물 반응 모델을 학습하더라도 환자 데이터에서 높은 정확도로 예측하는 것이 가능하다”며 “향후 개인 맞춤 치료를 위한 정확한 약물 반응 예측을 제공할 것으로 기대된다”고 말했다.

이번 연구 결과는 생명정보학 분야 국제학술지 ‘Briefings in Bioinformatics’에 14일 게재됐다.