항암제 치료효과 예측하는 머신러닝 기술 개발

환자유래 인공 미니장기의 항암제 반응성과 항암제 표적 단백질과 연관된 유전자의 전사체 정보 학습

개요

포항공과대학교 김상욱 교수 연구팀이 암환자 유래 인공 미니장기의 전사체 정보를 토대로 환자의 항암제 반응성을 예측하는 인공지능 기술을 개발했다.
과학기술정보통신부가 추진하는 중견연구자지원사업, 중점연구소사업 및 포스텍 인공지능대학원 지원으로 수행된 이번 연구의 성과는 국제학술지 Nature Communications에 10월 30일 게재되었다.

연구 내용

연구팀은 방광암과 대장암 환자들을 대상으로 생체 네트워크에서 약물의 작용점의 거리를 이용하여 환자 유래 인공 미니장기의 전사체와 약물반응을 기계학습 하였다. 이를 통해 환자의 약물 반응을 예측할 수 있는 새로운 바이오마커를 발굴했다.
대장암 치료에 사용되는 5-플루오로 우라실(5-Fluorouracil) 항암제에 대해서는 BH3 단백질이, 그리고 방광암 치료에 사용되는 시스플라틴 (cisplatin) 항암제에 대해 아미노산 합성 단백질들이 새로운 바이오마커로 발굴되었다. 이들 바이오마커는 생체 네트워크에서 약물의 작용점에 가까이 위치하고 있으며, 항암제의 약물 반응성 예측에 효과적임을 확인하였다.
암환자의 예후와 전사체 데이터, 그리고 항암제 치료 이력 등의 데이터베이스를 사용하여, 연구팀은 새롭게 발견한 바이오마커의 효과를 성공적으로 검증하였다. 개발된 의료인공지능은 항암제 치료 혜택을 받을 수 있는 환자를 구분하는데 사용 가능하다.
기존 환자 맞춤형 기계학습 모델에서 사용하지 않았던 생체 네트워크와 인공 미니장기 전사체 데이터를 활용하여 항암제의 효과를 성공적으로 검증 가능했다. 개발된 방법은 기존에 사용하던 환자 전사체 기반 기계 학습 모델과 딥러닝 기반 인공지능 모델과 비교 하여 환자의 약물 반응을 보다 정확하게 예측 가능하다.

기대 효과

이번 연구성과는 환자 유래 인공 미니장기와 기계학습의 접목을 처음 보여준 사례로, 앞으로 환자 맞춤형 의료기술 개발 연구에 적용되어 더 많은 암환자의 치료 약물 선택에 응용될 것으로 기대된다. 한편 생체 네트워크의 약물 작용점과 약물 반응 바이오마커를 응용한 기술은 항암제 개발과 새로운 질병의 약물 작용 메커니즘 규명에 응용될 수 있다.