단일 세포 인사이트를 사용하여 암 치료 결과를 예측하는 AI 도구
실험실 환경에서 폐암 세포의 증식을 보여주는 가색 강화 전자 현미경 사진의 놀라운 묘사. 복잡한 세포 데이터를 활용하여 다양한 치료 방식에 대한 환자의 반응을 예측하는 혁신적인 인공 지능 기기 ‘퍼셉션’이 개발되었습니다. 이 매혹적인 이미지는 저명한 프랜시스 크릭 연구소와 웰컴 컬렉션의 저명한 사진작가 앤 웨스턴이 촬영한 것입니다.
인공 지능을 활용한 Perception은 단일 세포 수준의 해상도로 암 치료 반응을 예측할 수 있습니다. 이 접근 방식은 임상시험을 통해 검증되었으며 종양의 행동과 약물 내성을 분석하여 향후 치료 전략을 개선하는 것을 궁극적인 목표로 합니다.
정밀 종양학 치료법의 개발은 각각 고유한 특성을 지닌 200여 가지가 넘는 방대한 종류의 암으로 인해 엄청난 도전 과제를 안고 있습니다. 유전자 염기서열 분석 기술을 활용하여 암 성장을 촉진하는 주요 유전자 내의 돌연변이를 찾아내고, 이후 이러한 특정 돌연변이를 표적으로 하는 맞춤형 치료 옵션을 식별하는 데 중점을 두고 있습니다.
예측 암 치료의 돌파구
최근 저명한 학술지 Nature Cancer에 발표된 논문에서 알 수 있듯이 대다수의 암 환자는 초기 표적 치료 개입을 통해 아무런 혜택을 얻지 못합니다. 샌포드 번햄 프레비스 의학 발견 연구소의 저명한 암 분자 치료 프로그램 소속 연구원인 산주 신하 박사가 저명한 국립보건원(NIH) 산하 국립암연구소의 협력자인 에이탄 루핀 박사와 알레한드로 샤퍼 박사와 함께 작성한 이 논문은 개별 세포 수준에서 작동하는 최첨단 계산 방법을 사용하여 암 치료제에 대한 환자의 반응을 예측하는 획기적인 접근법을 제시합니다.
인식은 DNA에서 파생된 유전자 발현 명령을 전달하고 실행하는 mRNA 분자인 전사 인자를 연구하는 전사체학의 잠재력을 활용하도록 설계된 새로운 AI 기반 방법론입니다. 이 최첨단 개인 맞춤형 치료 계획 접근법은 특히 종양학 사례를 다루며 정밀한 세포 분석과 표적 개입을 통해 환자 결과를 최적화하는 것을 목표로 합니다.
산주 신하 박사는 샌포드 번햄 프레비스 의료 발견 연구소의 암 분자 치료 프로그램에서 존경받는 교수진으로 활동하고 있습니다.자신의 분야에서 폭넓은 전문 지식과 교육을 받은 뛰어난 인재인 신하 박사는 강사로서 풍부한 지식을 바탕으로 학생과 동료들이 과학적 발전을 추구할 수 있도록 멘토 역할을 하고 있습니다.
단일 세포 해상도의 장점
종양의 복잡성과 역동적인 특성 때문에 종양의 구성과 진화를 완전히 이해하기 위해서는 혁신적인 접근 방식이 필요합니다. 다행히도 기술의 발전으로 연구자들은 개별 세포를 고해상도로 분석할 수 있게 되어 암 성장의 복잡한 구조에 대한 귀중한 인사이트를 얻을 수 있게 되었습니다. 이러한 수준의 세부 분석을 통해 과학자들은 ‘단일 세포 오믹스’로 알려진 각 세포의 게놈 구성을 더 깊이 파헤쳐 종양의 유전적 환경과 시간에 따른 약물 내성 발달에 대한 보다 완전한 이해를 얻을 수 있습니다.
신하는 약물 내성 개발을 감독할 수 있는 능력이 가장 매력적인 측면이라고 생각합니다. 이 능력은 암세포의 진화하는 특성에 적응하고 치료 전략을 조정할 수 있는 잠재력을 가지고 있습니다.
퍼셉션의 개발
신하와 그의 팀은 인공지능의 하위 분야인 전이 학습이라는 기술을 사용하여 퍼셉션이라는 시스템을 개발했습니다.
혈액 검사를 기반으로 질병을 진단하는 인공지능 모델을 개발할 때 직면한 주요 장애물 중 하나는 의료 기관에서 개별 환자 데이터를 사용할 수 없다는 점입니다. ChatGPT와 같은 챗봇이 학습하고 적응하기 위해 방대한 양의 온라인 콘텐츠가 필요한 것과 마찬가지로, 복잡한 생물학적 정보를 분석하도록 설계된 AI 시스템이 특정 건강 상태를 나타낼 수 있는 패턴을 효과적으로 이해하고 해석하려면 상당한 양의 포괄적인 임상 데이터가 필요합니다.
Perception은 초기 모델 학습 목적으로 많은 수의 종양 샘플에서 얻은 유전자 발현 데이터를 사용합니다. 이후에는 세포주와 개별 환자에서 추출한 더 희소한 단일 세포 데이터를 활용하여 모델을 더욱 세밀하게 조정합니다.
퍼셉션의 검증 및 가능성
퍼셉션의 검증
모든 사례에서 퍼셉션은 환자를 반응 그룹과 비반응 그룹으로 효과적으로 분류했습니다. 또한 폐암의 경우 질병이 진행되는 동안 약물 내성의 출현까지 확인했으며, 이는 향후 적용 가능성이 상당히 높은 중요한 발견입니다.
지각의 미래 전망
신하 박사의 관점은 지각 기술이 아직 의료 시설에서 실제 적용하기에 적합한 수준에 도달하지 못했다고 가정함으로써 기존의 생각과 다른 견해를 제시합니다. 그러나 그의 방법론은 치료적 개입을 지시하는 수단으로 단일 세포 정보를 활용할 수 있는 잠재력을 보여줍니다. 신하 박사는 이 혁신적인 기술을 의료 환경에 통합하여 임상 구현을 위한 지속적인 개선과 최적화를 촉진할 수 있는 추가적인 경험적 증거를 축적하는 것을 목표로 하고 있습니다.
Sinha는 정확한 예측을 위한 기초로서 데이터의 질과 양 모두의 중요성을 강조합니다. 데이터 기반 원칙에 따라 개별 암 환자의 치료 반응을 체계적으로 예측할 수 있는 신뢰할 수 있는 임상 도구를 개발하는 것이 목표입니다. 연구진은 이 연구가 가까운 미래에 더 많은 데이터 수집과 유사한 연구에 영감을 줄 수 있기를 희망합니다.
참조: “인식: 종양의 단일 세포 전사체학을 통한 환자 치료 반응 및 내성 예측” 2024년 4월 18일, Nature Cancer.
DOI: 10.1038/s43018-024-00756-7
이 연구 논문의 추가 공동 저자로는 국립암연구소(NCI)의 라훌심함 베게스나와 수밋 무커지, 샌프란시스코 캘리포니아 대학의 웨이 우와 루카스 커, 매튜 G. 존스와 니르 요셉 등 여러 기관의 다양한 전문가들이 참여하고 있습니다. Jones와 캘리포니아대학교 버클리 캠퍼스의 Nir Yosef, 랜초 바이오사이언스의 올레그 스트로가노프와 이반 그리샤긴, 국립보건원의 크레이그 J. 토마스, 마지막으로 하버드대학교의 시릴 H. 베네스.
본 연구는 미국 국립보건원(NIH)의 교내 연구 프로그램, 국립암연구소(NCI), 그리고 여러 NIH 보조금, 특히 R01CA231300, R01CA204302, R01CA211052, R01CA169338 및 U54CA224081 등 여러 출처로부터 재정 지원을 받았고, 그 외 여러 연구비 지원으로 수행되었습니다.