인공지능은 각 종양 세포의 데이터를 기반으로 암 치료에 대한 반응을 예측합니다.

200종이 넘는 암이 존재하고 각 암의 발병 사례가 매우 다양하기 때문에, 정밀 암 치료법 개발을 위한 지속적인 노력은 여전히 어려운 과제입니다. 암 유발 유전자의 돌연변이를 식별하는 유전자 검사 개발과 이러한 돌연변이를 표적으로 하는 맞춤형 치료법 개발에 중점을 두고 있습니다.

그러나 대다수는 아니더라도 많은 암 환자들은 이러한 초기 표적 치료의 효과를 크게 보지 못하고 있습니다. Nature Cancer 에 게재된 새로운 연구에서, 제1저자인 샌포드 번햄 프레비스(Sanford Burnham Prebys) 분자 암 치료 프로그램 조교수 산주 신하(Sanju Sinha) 박사와 주저자인 미국 국립보건원(NIH) 산하 국립암연구소(National Cancer Institute)의 에이탄 루핀(Eitan Ruppin) 박사, 알레한드로 샤퍼(Alejandro Schaffer) 박사, 그리고 동료들은 단일 세포 수준에서 환자가 항암제에 어떻게 반응할지 체계적으로 예측하는 독특한 계산 시스템을 제시했습니다.

단일 세포 전사 인자 발현(지각)을 기반으로 한 개인 맞춤형 종양학 치료 계획이라고 불리는 이 새로운 AI 기반 접근 방식은 전사체학을 탐구합니다. 전사 인자는 유전자에 의해 발현되고 DNA 정보를 작용으로 변환하는 mRNA 분자입니다.

"종양은 복잡하고 끊임없이 변화하는 유기체입니다. 단일 세포 해상도를 사용하면 이 두 가지 과제를 모두 해결할 수 있습니다."라고 신하는 말합니다. "PERCEPTION을 사용하면 단일 세포 오멕식스에서 얻은 풍부한 정보를 활용하여 종양의 클론 구조를 이해하고 저항성 발현을 모니터링할 수 있습니다." (생물학에서 오멕식스는 세포 내 구성 요소의 총합을 의미합니다.)

신하는 이렇게 말합니다. "내성 발생을 모니터링하는 능력이 저에게 가장 흥미로운 부분입니다. 암세포의 진화에 적응하고 심지어 치료 전략을 바꿀 수 있는 잠재력을 가지고 있습니다."

신하와 동료들은 AI의 한 분야인 전이 학습을 사용하여 인식(PERCEPTION)을 만들어냈습니다.

"클리닉에서 수집한 단일 세포 데이터가 제한적이라는 점이 가장 큰 과제였습니다. AI 모델이 질병을 이해하려면 방대한 양의 데이터가 필요한 것처럼, ChatGPT도 인터넷에서 방대한 양의 텍스트 데이터를 필요로 합니다."라고 Sinha는 설명합니다.

PERCEPTION은 종양에서 공개된 대량 유전자 발현 데이터를 사용하여 모델을 사전 학습합니다. 그런 다음, 제한적이기는 하지만 세포주 및 환자의 단일 세포 수준 데이터를 사용하여 모델을 조정합니다.

PERCEPTION은 최근 발표된 세 건의 독립적인 다발성 골수종, 유방암, 폐암 임상 시험에서 단독 요법 및 병용 요법의 반응 예측에 성공적으로 검증되었습니다. 각 시험에서 PERCEPTION은 환자를 반응군과 비반응군으로 정확하게 분류했습니다. 폐암의 경우, 질병 진행에 따른 약물 내성 발생까지 포착하여 큰 잠재력을 지닌 중요한 발견이었습니다.

신하 박사는 PERCEPTION이 아직 임상에서 사용할 준비가 되지 않았지만, 이 접근법은 개별 세포 수준의 정보를 활용하여 치료를 안내할 수 있음을 보여준다고 말합니다. 그는 임상에서 이 기술이 도입되어 더 많은 데이터를 생성하고, 이를 바탕으로 임상적 활용을 위한 기술을 더욱 발전시키고 개선할 수 있기를 기대합니다.

신하 박사는 "예측의 질은 기반이 되는 데이터의 질과 양에 따라 향상됩니다."라고 말합니다. "저희의 목표는 개별 암 환자의 치료 반응을 체계적이고 데이터 기반으로 예측할 수 있는 임상 도구를 만드는 것입니다. 이러한 연구 결과가 가까운 미래에 더 많은 데이터와 유사한 연구를 촉진하기를 바랍니다."