암 환자의 유전자형(Genotype : 다양한 유전자들의 돌연변이 정보와 복제수 변이 정보를 종합한 형태)을 분석해 개인 맞춤형 항암제 후보물질을 제안, 최적의 치료제 설계를 제시하는 생성형 인공지능(AI) 모델이 국내 연구진에 의해 개발됐다.
무려 150만 개 화학 구조와 120만 개 약물 반응 데이터를 학습해 기존 모델 대비 월등히 높은 정확도의 생성 능력(오차율 1%, 적합성 35~44% 개선)을 보이며, 이를 통해 난치성 암 정밀치료의 가능성을 제시할 것으로 기대된다.
광주과학기술원(GIST, 총장 임기철)은 3일 "전기전자컴퓨터공학과 남호정 교수 연구팀이 암 환자의 유전자형을 분석해 개인 맞춤형 항암제 후보물질을 제안하는 생성형 인공지능(AI) 모델 'G2D-Diff'를 세계 최초로 개발했다"고 밝혔다.
이어 GIST는 "연구팀이 개발한 AI(인공지능) 모델은 암세포마다 다르게 나타나는 유전자형 정보와 약물 반응 데이터를 학습하여, 환자 개인에게 최적화된 새로운 항암제 후보물질을 생성할 수 있다"면서 "이로써 환자 맞춤형 정밀의료는 물론, 기존의 치료법이 잘 듣기 않는 난치성 암에 대한 새로운 해법을 제시할 수 있게 됐다"고 강조했다.
GIST 연구팀에 따르면, 암은 동일한 유형의 질환이라도 환자마다 유전자형이 달라 치료 효과에 큰 차이를 보인다고 한다. 특히 '삼중-음성 유방암(Triple-Negative Breast Cancer, TNBC)'과 같은 난치성 암은 표적이 명확하지 않아 기존 치료법으로는 충분한 효과를 기대하기 어렵다는 것.
참고로, 삼중-음성 유방암은 에스트로겐 수용체, 프로게스테론 수용체, 그리고 HER2 단백질이 모두 음성인 유방암을 뜻한다. 이 세 가지 주요 수용체가 발현되지 않아 기존의 호르몬 치료제나 표적 치료제가 효과를 발휘하지 못하는 난치성 암종으로 분류된다. 때문에 TNBC는 치료가 매우 어려워 예후가 좋지 않은 경우가 많으며, 새로운 맞춤형 치료법 개발이 절실히 요구되고 있다고 한다.
따라서 지금까지의 생성형 인공지능(AI) 기반 항암제 개발 연구는 암과 같은 복합 질환에서는 치료 표적이 불분명한 경우가 많아 생성된 약물의 효과가 제한적이란 점과 임상 현장에서 확보하기 어려운 특수한 데이터에 의존하는 경우가 많아 실제 활용 가능성이 낮았다는 등 몇 가지 한계를 안고 있었다.
이에 GIST 연구팀은 이런 한계를 극복하기 위해 약 150만 개의 화학 구조와 120만 건의 약물 반응 데이터를 학습한 생성형 AI 모델 'G2D-Diff'를 개발해 냈다. 이 모델은 실제 임상에서 확보할 수 있는 유전자 정보(돌연변이 및 복제수 변이)와 목표로 하는 약물 반응 수준을 입력하면, 이에 최적화된 항암제 후보물질을 자동으로 설계한다.
