머신러닝, 암 물리칠 운영 시스템으로 자리 잡다

2018-12-03 09:37:06 손승빈 기자
▲기계 학습은 대규모 데이터세트를 활용해 예측을 할 수 있다(출처=123RF)

머신러닝이라는 인공지능은 대규모 데이터세트를 통해 예측하는 것으로 암 진단 및 치료 시 이 예측 결과를 적용할 수 있다. 최근 새로운 두 가지 머신러닝 알고리즘이 출시됐으며, 이 방법을 사용해 면역요법을 받는 암 환자의 치료 경과를 예측할 수 있게 됐다. 한편, 머신러닝 및 분석법을 사용해 의사의 진단을 뒷받침할 수 있는 운영 시스템을 개발한 기업이 최근 1억1,000만 달러(1,241억 원)의 추가 수익을 올렸다.

이 문제를 알기 전에 먼저 머신러닝이란 무엇이며 머신러닝이 의료에 어떤 작용을 할 수 있는지부터 살펴봐야 할 것이다.

의료 분야의 머신러닝​

머신러닝은 컴퓨터 과학의 한 분야인 인공지능에서 파생된 것으로, 예측 방법을 프로그램하지 않고 컴퓨터 시스템이 제공된 데이터세트를 통해 자체적으로 학습하거나 컴퓨터 시스템에 예측 능력을 부여한 것이다.

머신러닝 알고리즘은 먼저 여러 개의 주석이 달린 데이터세트로 훈련받는다. 이는 즉, 미래에 받게 될 ‘실제’ 데이터를 의미한다. 그리고 정확성 및 민감성 측면에서 모든 예측 알고리즘을 평가한다.

▲기계 학습은 컴퓨터 시스템에 학습 또는 예측 능력을 부여하는 통계 기법을 사용한다(출처=123RF)

알고리즘은 주어진 질문에 가장 가능성 있는 대답을 ‘배우거나’ 예측한다. 예를 들어, 머신러닝 알고리즘은 망막증까지 진행되지 않은 당뇨병 환자의 망막 영상 여러 장을 익힌다. 그 후, 이 알고리즘은 새로 받은 안구 영상을 분석해 안구 질환을 앓게 될 당뇨병 환자를 예측할 수 있게 되는 것이다.

머신러닝은 의료 전반에 광범위하게 적용할 수 있다. 최근 암 진단 및 예측에서도 상당한 진보가 이뤄졌다. 가령, 관문억제제 면역요법을 받고 있는 환장의 암 결과를 예측하는 데 머신러닝을 사용할 수 있게 된 것이다.

암 환자의 면역요법 반응 예측하기

이번 연구는 프랑스 구스타브루시암센터의 찰스 페르테 박사의 주도로 진행됐으며, 연구 결과는 영국 의학 전문지 ‘랜싯 종양학(Lancet Oncology)’에 발표됐다.

연구팀은 대조 강화 CT 영상과 RNA 서열 게놈 데이터를 결합해 환자의 면역요법 반응을 예측하기 위해 네 가지 독립 환자 집단을 활용해 머신러닝 알고리즘을 훈련했다. 이 데이터는 면역요법 반응에서 가장 중요한, 종양에 대한 면역세포 침윤 정보를 제공하고 있다.

라디오믹스(radiomics) 분야는 데이터 특성화 알고리즘을 사용해 의료 영상에서 대량의 양적 특징 또는 변인을 추출하는 것이 목적이다. 이러한 라디오믹스의 특징 또는 변인은 육안으로는 감지할 수 없다. 이를 위해 연구팀은 예측 알고리즘을 충족시키기 위해 8가지 라디오믹스 특징을 사용했다.

한편, 방사분석 점수가 높다는 것은 치료에 대한 반응 및 전체적으로 개선된 생존율과 관련이 있다. 정확성을 측정하는 예측 알고리즘의 곡선하 면적(AUC)는 67%다. 이는 유의미한 개선의 여지가 있다는 것을 의미한다. 즉, 이 알고리즘은 면역 세포가 들어있는 종양 대 ‘면역성이 없는’ 종양을 67%의 정확성으로 확인할 수 있다는 뜻이다.

연구팀은 향후 대규모 피험자들을 대상으로 특수 종양 유형에 맞는 알고리즘을 만들 계획이다. 한편, 흑색종 환자들의 면역요법에 대한 반응의 예측 변수를 개발한 연구팀이 있다.

▲템퍼스는 암과 싸울 수 있는 운영 시스템을 구축했다(출처=123RF)

흑색종 환자의 면역요법에 대한 반응 예측하기

메릴랜드대학 컴퓨터과학과 에이탄 루핀 박사는 환자 반응 예측 시 영상보다는 유전자 발현 프로파일을 사용하는 것을 선호했다.

일부 환자들은 말기 흑색종 치료에 성공했지만, 모든 환자에게 적용된 것은 아니었다. 치료비는 값비쌌으며 상당한 부작용이 동반되기 때문에 어느 환자에게 효과적인지 예측하는 것이 매우 유용하게 작용했다.

일부 종양, 특히 어린이가 주로 걸리는 신경아세포종 종양은 면역체계에 의해 자연스럽게 제거되기도 한다. 연구진은 이 신경아세포종을 자연스럽게 제거하는 환자의 유전자 발현 프로파일 대 그렇지 못한 환자의 유전자 발현 프로파일을 만들 수 있는 접근법을 개발했다. 그리고 자연스러운 퇴행 가능성을 예측할 수 있는 면역예측점수(IMmuno-PREdictive Score, IMPRES)를 만들었다.

연구팀은 IMPRES 알고리즘을 거의 300명의 흑색종 환자 데이터세트에 적용하고 83%의 예측 정확성을 달성했다. 면역요법을 받은 흑색종 환자의 결과를 예측하기 위해 고안했던 이전의 모든 알고리즘을 능가하는 수치다.

연구 결과는 인상적이었으며 접근법은 특별했다. 연구진은 이 알고리즘을 면역 관문 면역요법 치료를 받은 다른 종양 유형 환자에게도 쉽게 적용할 수 있다고 강조했다.

암에 대처할 수 있는 운영 시스템 구축하기

최적의 암 치료에 대한 결과를 예측하는 머신러닝에 대한 관심은 학계에만 국한된 것이 아니다. 수많은 투자자들과 관련 업계도 주의 깊게 지켜보고 있다. 미국의 기술기업 템퍼스(Tempus)는 암에 대처할 수 있는 운영 시스템을 구축했다. 이 회사는 임상 환경에서 게놈 데이터를 제대로 활용하는 것을 취지로 하고 상호적인 분석과 기계 학습 플랫폼을 통해 환자에게 맞춤형 암 치료를 제공할 수 있는 목표를 세웠다.

앞서 언급했던 것처럼, 이 회사는 실시간으로 데이터 주도 결정을 내릴 수 있는 세계 최대의 분자 및 임상 데이터 라이브러리를 구축하기 위해 1억1,000만 달러의 자금을 투자받았다. 템퍼스 플랫폼은 새로운 발견에 박차를 가하고 의사들의 결정을 도울 수 있도록 고급 머신러닝과 차세대 DNA 서열 분석, 기계 학습 보조 영상 인식 기술을 사용하고 있다.

[researchpaper 리서치페이퍼=손승빈 기자]

베스트 뉴스