[과학을 읽다]암 정복 나선 AI‥정상 세포가 암으로 변할 가능성도 예측

컬럼비아대 연구진, 암 연구 AI 'GET' 발표
정상 세포가 암으로 변할 가능성도 예측
무조건 적인 AI 의존은 금물

국립암정보센터에 따르면 2024년 국내에서 8만5271명이 암으로 사망했다. 암 사망자는 전체 사망자(35만2511명)의 24.2%에 달했다. 2023년 8월30일 기준으로 총 3만5605명의 사망자가 발생한 코로나19와 비교하면 암 사망자가 얼마나 많은지 알 수 있다. 미국에서도 지난해에만 약 61만명이 암으로 사망했다. 남북전쟁으로 목숨을 잃은 사람 수와 거의 비슷한 규모다. 암 진단을 받은 경우도 200만명에 이르렀다.

표적 항암 치료제와 같은 신약, 로봇 수술 등으로 암 치료에 획기적인 전환점이 이뤄졌다고는 하지만 여전히 암으로 사랑하는 이를 잃는 이가 많다.

신의 힘이라도 빌려서 암을 극복하고 싶다는 이들에게 희망이 등장했다. 인공지능(AI)이다. 지금도 의사들은 AI를 활용해 종양을 발견하고 진단 속도를 높이고 있다. 과학자들과 제약 회사들 역시 AI를 사용해 새로운 항암 치료제를 개발하고 있지만 새로운 접근법으로 AI를 활용해 암 치료의 힌트를 얻은 사례가 등장했다.

최근 미국 컬럼비아 대학교 연구진이 국제 과학 저널 네이처에 발표한 논문인 인간 세포 간의 전사에 대한 파운데이션 모델(A foundation model of transcription across human cell types)은 세포 수준에서 유전자 활동을 정확히 예측할 수 있는 새로운 의료 AI 모델로 주목받고 있다. 인간의 세포 활동을 예측할 수 있게 된 것이다.

단백질 구조를 예측하는 GET(General Expression Transformer)은 지난해 노벨화학상을 받은 구글 딥마인드의 알파폴드(AlphaFold)와도 비교된다. 과학계에서는 두 시스템 모두 생명의 근본적인 메커니즘을 이해하는 데 혁신적인 통찰을 제공하고 있다고 입을 모은다.

GET은 챗GPT와 유사한 방식으로 학습된 AI 모델이다. 연구팀은 인체의 213가지 다른 세포 유형에서 얻은 130만개 이상의 정상 세포 데이터를 활용해 학습시켰다. 기존 연구들이 암세포 등 비정상 세포를 주 연구 대상으로 삼았던 것과는 차별화된 접근이었다.

이 논문의 저자인 라울 라바단 컬럼비아대 교수는 "세포 활동을 정확히 예측할 수 있는 능력은 생물학적 기본 과정을 이해하는 데 혁신을 가져올 것"이라며 "이는 생물학을 무작위적으로 보이는 과정을 설명하는 과학에서 세포 행동을 지배하는 근본 시스템을 예측하는 과학으로 탈바꿈시킬 것"이라고 말했다.

라바단 교수는 "GET이 다양한 세포 상태에서의 상황을 학습한 후 이를 기반으로 암 발생 패턴을 예측하도록 지시한 결과 이전에 본 적 없는 세포 유형에서도 특정 유전자 표현을 예측할 수 있었다"고 밝혔다.

암에는 보통 1000개 이상의 유전자 돌연변이가 관련돼 있고 이들의 조합은 우주에 존재하는 원자 수 보다도 많다. GET는 이 중에서 가장 중요한 조합을 식별해 연구의 효율성을 크게 높일 수 있다는 게 연구진의 설명이다.

워싱턴대 의대 양 리 교수는 "우리는 유전자의 문법을 배우고 다양한 세포 유형에서 핵심 역할을 하는 요소들을 확인하고자 한다. 많은 인간 질병이 이런 문법의 혼란에 의해 발생하기 때문"이라고 GET의 가능성에 대해 부연했다.

라바단 교수도 "특정 세포 유형에서만 발현되는 유전자를 전달하는 유전자 치료를 설계할 수 있다. 다양한 세포에서 어떤 유전자가 켜지거나 꺼지거나 증폭되거나 감소하는지 예측할 수 있다면 질병의 기원을 파악하는 데 도움이 될 것"이라고 말했다.

AI는 암 치료를 위해 예측, 발견, 신약 개발, 치료 실행 등의 영역에서 활약 중이다. GET는 예측의 분야다. 진단 분야에서 방사선과 의사들은 이미 AI 도구를 사용해 종양을 발견하고 있다.

이달 초 네이처 메디슨에 발표된 논문인 ‘인구 기반 유방조영술 선별검사에서 인공지능을 이용한 암 검출의 전국 단위 실제 적용(Nationwide real-world implementation of AI for cancer detection in population-based mammography screening)’에 따르면 독일의 약 50만명 환자를 대상으로 연구한 결과 AI 진단 모델을 사용한 의사들이 그렇지 않은 의사들보다 유방암 진단율이 17.6% 더 높았다. 미국 식품의약국(FDA)은 이미 전립선암 징후를 식별하는 AI 소프트웨어의 홍보를 승인했다.

다만 AI 도구가 암 치료를 위한 만능 해결책이 될 순 없다. AI 스크리닝 및 진단 도구에 지나친 신뢰를 두는 것은 위험할 수 있다. 과학 전문매체 파퓰러 사이언스는 앞서 언급된 AI 모델 중 다수가 여전히 연구 단계에 있으며 의료 현장에서 대규모로 활용되기 전에 추가 테스트가 필요하다고 지적했다.

충분히 검증되지 않은 모델을 AI라는 이름으로 과대 포장하는 경우도 발생할 수 있다. AI가 점점 더 능숙하게 암을 진단할 수도 있지만 훈련된 의사의 역할을 대체할 수도 없다.

메러디스 브루사드 뉴욕대 저널리즘학과 교수는 자신의 저서에서 "가장 발전한 AI라도 본질적으로 고정된 이미지를 인간이 라벨링(데이터를 AI가 판단 가능하도록 식별기준을 부여하여 선정된 데이터에 추가적인 정보를 기입하는 작업)한 다른 이미지들과 비교해 수학적 유사성을 찾는 과정"이라고 말했다. 이는 "인상적인 결과를 가져올 수 있지만 예측일 뿐 진단이라고 할 수 없다"고 주장했다.

백종민 기자 cinqange@asiae.co.kr