GIST,세포주 데이터 기반 '약물반응 예측 AI'
기존 알고리즘 보다 34% 정확도..개인맞춤형 치료
기존 알고리즘 보다 34% 정확도..개인맞춤형 치료
광주과학기술원(GIST)은 이현주 AI대학원 교수 연구팀이 사람의 유전자 발현 정보와 약물 그래프 정보를 기반으로 암 환자의 약물 반응을 예측하는 AI 모델을 개발했다고 25일 밝혔다.
AI를 활용한 신약개발은 신약 후보물질의 발굴 시간을 단축하고 임상 성공 확률을 높여준다. 하지만 동일한 유형의 암 환자에 같은 약물을 사용하더라도 개인의 유전적 특성이나 암세포의 돌연변이에 따라 약물의 반응이 달라질 수 있다. 각 개인에 맞는 약물을 찾으려면 정확한 약물 반응 예측이 중요한데, 최근에는 딥러닝이나 머신러닝과 같은 AI 기법을 사용하는 시도가 활발하다.
하지만 약물 반응 정보가 존재하는 환자 데이터 수가 부족해 충분한 학습이 쉽지 않고, 세포주 데이터는 면역계, 혈관계 등이 존재하지 않아환자 데이터의 유전자 발현량 정보와 큰 차이가 있다.
연구팀은 적대적 생성 신경망(GAN)을 활용해 AI 모델에서 세포주 데이터와 환자 데이터 상호 간 표현 차이를 줄임으로써 세포주 데이터로 학습하더라도 환자 데이터에서도 정확한 약물 반응을 예측할 수 있는 'PANCDR 모델'을 개발했다. 이 모델은 판별자와 약물 반응 예측 모델을 번갈아 가며 학습시키는데, 1단계에서 세포주의 유전자 발현 데이터에서 온 것인지, 아니면 환자의 유전자 발현 데이터에서 온 것인지 구분하는 판별자를 학습시킨다. 이어 2단계에서는 반대로 판별자가 어느 데이터에서 온 것인지 구분하지 못하도록 약물 반응 예측 모델을 학습시킨다.
이 모델을 기존 약물 반응 예측 모델보다 34% 이상 뛰어난 예측 성능을 보였다. 특히 서울대병원 연구팀과 공동으로 소아 뇌종양 환자 데이터에 적용해 반응성이 가장 높게 예측된 상위 5개 약물을 선정했는데, 5개 약물 모두 뇌종양과 관련돼 있는 것으로 확인됐다.
이현주 GIST 교수는 "이번 연구는 세포주 데이터로 약물 반응 모델을 학습하더라도 환자 데이터에서 높은 정확도로 예측하는 것이 가능하다는 것을 보여준 결과"라며 "환자에게 적합한 후보 약물 추천을 통해 환자 맞춤형 치료에 기여할 것으로 기대한다"고 말했다.
이 연구결과는 국제 학술지 '생물정보학 브리핑(지난 14일자)'에 실렸다. 이준기기자 bongchu@dt.co.kr
GIST 제공
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
