항암제 효능 AI로 먼저 파악한다…환자 맞춤형 치료 기대

인공지능(AI)을 이용해 항암제의 반응성을 예측할 수 있는 기술이 개발됐다. 게티이미지뱅크

개인마다 제각각인 항암제의 효능을 예측할 수 있는 인공지능(AI)이 개발됐다. 같은 암을 앓는 환자도 항암제 효능은 각각 다를 수 있는데 환자별 맞춤 치료에 적용될 수 있는 기술이다.

울산과학기술원(UNIST)은 이세민 바이오메디컬공학과 교수팀이 정원기 고려대 교수팀, 서지원 한양대 교수팀과 공동으로 약물 반응성 네트워크 분석 결과를 이용해 약물 반응성을 높은 정확도로 예측하는 기계학습 모델을 개발했다고 19일 밝혔다.

같은 암종을 앓는 환자의 경우에도 서로 유전자 변이 양상이 다를 수 있다는 사실이 알려지며 맞춤형 치료의 중요성이 대두되고 있다. 최근에는 고속 약물 스크리닝 등 기술로 암 세포주에 맞는 항암제를 찾는 일이 가능해졌고 대규모 암 유전체 프로젝트로 공개 데이터베이스가 확보되고 있다.

이에 다중오믹스 데이터를 이용한 약물 반응 예측 모델을 개발하려는 시도가 이어지고 있다. 다중오믹스는 유전체, 전사체, 단백체, 대사체, 후성유전체, 지질체 등 다양한 분자 수준에서 생성된 데이터를 동시 분석해 종합적으로 질병을 진단하고 예측하는 기술이다.

이 교수팀은 항암제 반응성 데이터를 기반으로 한 다중오믹스에 '네트워크 임베딩 기술'을 적용해 약물 반응성을 예측할 수 있는 기계학습 모델을 개발했다. 네트워크 임베딩은 주로 소셜 네트워크 분석에 활용되는 분석 기법으로 사용자를 연결점, 상관관계를 연결선으로 표현해 연관성을 분석하는 방법이다.

연구팀은 암세포에서 파생된 세포주와 항암제, 유전자를 하나의 연결점(노드)으로 삼았다. 각 노드를 연결한 연결선(엣지)에는 세포주-항암제(항암제 반응성), 세포주-유전자(유전자 변이), 유전자-유전자(단백질 상호작용)에 대한 정보를 담았다. 노드와 엣지로 표현된 네트워크 세트의 상관관계를 담은 '임베딩 벡터'를 추출해 환자맞춤형 항암제의 효능을 도출했다.

논문의 제1저자인 이강근 고려대 연구교수는 "저항성 위주로 편향된 반응성 데이터를 보완하기 위해 다양한 인공지능 기법을 적용했다"며 "새 모델의 항암제 반응성 예측 성능은 기존 모델보다 93% 향상된 것으로 나타났다"고 말했다.

장진호 UNIST 박사후연구원은 "이 기술은 암 환자에게 적합한 약물의 후보를 제안함으로써 맞춤 치료를 가속화할 것"이라고 말했다. 연구결과는 국제학술지 '브리핑스 인 바이오인포매틱스' 12월 2일자에 발표됐다.

[이영애 기자 yalee@donga.com]