[헬쓰in논문] 같은 종류의 암이라도 항암제에 대한 치료효과는 사람마다 다르게 나타나는 것이 현재 항암제 치료의 가장 큰 문제 중 하나이다. 따라서, 약물에 반응할 수 있는 환자를 치료 전에 구분해서 환자 맞춤형 치료를 진행하는 것이 효과적이다.
하지만, 기계학습(머신러닝)을 이용한 환자 맞춤형 항암제의 치료 효과를 예측하는 기존 모델들의 경우 필요 이상으로 많은 바이오마커 등 예측의 낮은 정확도로 인해 많은 암종에서 실패했다.
이런 가운데 한국연구재단(이사장 노정혜)는 최근 포스텍(포항공대) 김상욱 교수 연구팀이 생체 네트워크 및 환자 유래 인공 미니장기의 전사체를 이용해 항암제의 약물 반응을 예측 가능한 기계학습 모델을 개발했으며, 이 모델은 암환자의 약물반응과 관련이 있는 바이오마커를 발굴하고 암환자의 항암제 치료 혜택을 높일 수 있는 의료 인공지능 기술이라고 밝혔다.
이번 연구성과를 담은 논문은 SCI급 저명 국제학술지 ‘네이처 커뮤니케이션스(Nature Communications, IF=12.121)’ 10월 30일자에 게재됐다.
논문명은 'Network-based machine learning in colorectal and bladder organoid models predicts anti-cancer drug efficacy in patients'이며, 김상욱 교수가 교신저자로, 포항공대 박사과정생 공정호 연구원이 제1저자로 각각 참여했다.
같은 암을 앓는 환자라도 항암제에 대한 반응이 다르기 때문에 효과를 볼 수 있는 환자를 선별하는 맞춤형 치료가 중요하다. 하지만 기존 머신러닝 예측기법은 암세포의 유전체 정보를 토대로 하고 있어 정확도를 높이는 데 한계가 있었다. 불필요한 바이오마커 정보로 인해 거짓신호를 학습할 수 있기 때문이다.
이에따라 연구팀은 약물의 직접적 표적이 되는 개별 단백질에 대한 전사체 정보뿐 아니라, 표적 단백질과 상호작용할 수 있는 생체 단백질 상호작용 네트워크 데이터를 이용해, 예측 정확도를 높인 머신러닝 알고리즘을 소개했다.
표적 단백질로부터 기능적으로 가까운 단백질의 전사체 생성량에 대해 우선 학습하도록 한 것이다. 이를 통해 기존 머신러닝이 학습해야 했던 방대한 바이오마커 대신 선별된 바이오마커만 학습할 수 있도록 해 정확도를 높였다.
또, 동물모델이 아닌 환자 유래 미니장기의 데이터를 이용해 실제 환자에서 반응과의 차이를 좁혔다. 실제 이 방법으로 대장암에 쓰이는 5-플루오로 우라실과 방광암에 사용되는 시스플라틴 등에 대한 환자의 약물반응을 실제 임상결과와 비슷한 수준으로 예측해냈다.
이번 연구는 항암제에 반응할 환자를 선별하는 개인 맞춤형 정밀의료 실현은 물론 새로운 항암제의 기전 규명에도 도움이 될 것으로 기대된다.
연구팀의 공정호 연구원은 "연구의 흐름에 맞는 적절한 데이터를 구하는 것이 어려웠다"면서 "다행히 최근 많은 유전체 데이터가 온라인 상에서 공개적으로 사용이 가능해 생물정보학적 분석이 가능해졌다"고 말했다.
이어 "이 연구는 기존 연구 대비 방광암과 대장암에서의 항암제에 대한 효과를 정확하게 예측할 수 있는 생물정보학 기술을 개발했다는 점"이라며 "앞으로 항암제의 작용과 연관이 있는 바이오마커를 제공해, 향후 항암제의 기작을 이해하는데 이용될 수 있다"고 덧붙였다.
이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 중견연구사업, 중점 연구소사업 및 포스텍 인공지능대학원 지원으로 수행됐다.
