미지의 바이오마커 후보를 빠르고 정밀하게 검출하는 인공지능으로 보다 효율적인 의약품 개발과 개발 기간 단축에 기여...

고령화 사회의 진전에 따른 의료비 증가와 새로운 질병의 확산으로 의료 기술의 고도화가 요구되고 있다. 이에 따라 의약품의 연구개발 비용이 상승하고, 제약 회사가 얼마나 신속하고 효율적으로 의약품을 개발해 출시하느냐가 기업 성패의 요인으로 대두되고 있다. 

그러나 기존의 인적 자원에 의존하는 데이터 분석 방식으로는 방대한 인체 정보를 가지고 의약품의 효과를 예측하는 바이오마커의 탐색은 갈수록 어려워지고 있다.  

바이오마커(Biomarker)는 혈액·체액 내에 일반적으로 단백질이나 DNA, RNA(리보핵산), 대사물질 등을 이용해 몸 안의 특정 질환 여부나 상태를 나타내는 변화를 알아낼 수 있는 지표를 의미한다. 예를 들어, 표적항암제 바이오마커로는 폐암(ALK, EGFR, ROS1), 유방암·난소암(BRCA), 혈액암(CD20) 등 다양하다.

이런 가운데 일본 히타치가 최근 인공지능(AI) 기반의 '바이오마커 탐색 서비스'에 착수해 주목을 끈다.

이 서비스는 인체의 유전자 정보와 전자 의무 기록 등의 다양한 의료 데이터에서 의약품의 효과와 관련된 인자를 추출하고 그 인자를 이용하여 간편한 수식을 정립하고 의약품의 효과를 나타내는 지표를 자동 생성하는 AI를 활용해 의약품의 효과에 영향을 미치는 중요한 인자를 도출해 준다.  

'바이오 마커 탐색 서비스'에서 사용된 신개발 AI모델의 개요(사진:본지편집)
'바이오 마커 탐색 서비스'에서 사용된 신개발 AI모델의 개요(사진:본지편집)

이 서비스는 히타치가 새롭게 개발한 AI로 뇌의 신경 세포 메커니즘을 도입한 신경망 머신러닝 기법을 사용하고 새로운 바이오마커 후보를 정밀하게 검출할 수 있기 때문에 효율적인 의약품 개발과 개발 기간 단축에 기여할 것으로 기대된다. 향후 본 서비스를 디지털 혁신을 가속하기 위해 자사의 IoT 플랫폼 '루마다(Lumada)'의 의약품 제조 솔루션의 하나로 전개해 나가고 있으며, 현재 이 솔루션은 스미토모 제약를 비롯한 제약 회사의 고객에게 적용 평가를 받고 있다.

서비스는 먼저 제약 회사의 고객이 임상 시험 등으로 취득한 의료 데이터를 제공 받아 이를 히타치가 개발한 AI를 통해 분석한다. 그리고 수백억 이상의 인자와 수식의 조합 패턴 중에서 의약품의 효과를 예측 가능한 공식화를 이루고 이 지표를 바이오 마커 후보로 정밀하게 감지하고 고객에게 제공하는 것이다.

이 서비스를 활용함으로써 고객은 바이오 마커 후보의 탐색에 있어서의 통계 처리에 시간을 할애하지 않아도 생체 의학·약학적인 검증과 연구에 전념 할 수 있다. 또 서비스에서는 의약품의 효과 및 비 효과성을 예측할 수 있는 높은 정확도로 예측 가능한 지표와 질병의 예후를 예측하는 지표를 바이오마커 후보로 제공할 수 있기 때문에 다양한 환자층별화(질환에 속하는 환자를 바이오마커를 이용해 몇 가지 그룹으로 분류하고 각각의 그룹에 적합한 치료법을 선택하는 것)을 시행하기 위해 사용할 수 있다.

서비스에서 사용 AI는 의약품과 인체의 관계를 나타내는 바이오 마커 후보를 정밀하게 탐색하고 생성하기 위해 딥러닝 기술을 도입하고 있다. 딥러닝은 수만 수억에 달하는 인간의 뇌신경을 본뜬 신경망을 구성하는 인공 뉴런으로 구성된 네트워크에 여러 인자를 입력하여 다른 요소를 새롭게 생성시켜 예측 정확도를 비약적으로 높였다.

그러나 딥러닝이 생성 인자와 그 생성 과정은 사람이 이해하기에 너무 복잡하기 때문에 분석 결과의 근거를 제시하는 것이 요구되기 때문에 의약품의 개발에 적용하는 것은 어려웠다.

따라서 히타치는 인체의 유전자와 전자 의무 기록 등의 정보에서 의약품의 효과와 관련된 인자를 추출하고 그 인자를 이용하여 간편한 수식을 조립함으로써 의약품의 효과를 나타내는 지표를 생성할 수 있는 사람에 필적하는 수준으로 생각하는 딥러닝 기술을 개발하고 2018년 4월부터 고객과 협력을 통해 검증한 결과, 신개발 AI의 유효성을 확인했다고 한다.

그 결과 사람들이 의학·약학적으로 바이오 마커 후보의 유효성을 판단할 수 있는 분석 결과를 표시하는 것이 가능하게 됨과 동시에 유전자 분석과 같은 데이터의 샘플 수가 적고 인자 수가 방대한 경우에도 바이오마커 후보를 빠르고 정밀하게 감지할 수 있다.

또한 여러 요소를 조합하여 계산함으로써 얻을 수 있는 의학적인 지표를 산출할 수 있게 됐다. 예를 들어, 비만을 나타내는 지표인 BMI(Body Mass Index)과 신장 기능을 나타내는 검사 지표인 크레아티닌 클리어런스(creatinine clearance) 등을 인력에 의존하지 않고 AI 스스로 발견해가는 것이다.

 

저작권자 © 인공지능신문 무단전재 및 재배포 금지