AI 기반 폐 기능 예측 디지털 트윈, 신약 개발 판도 바꾼다¶
원제목: AI-Powered Digital Twins Achieve High Accuracy in Human Lung Function Forecasting
핵심 요약
- AI 디지털 트윈 기술이 인간 폐 기능 예측 정확도를 크게 향상시켰음.
- 기존 전임상 모델의 한계를 극복하고 신약 개발의 효율성과 정확성을 높일 잠재력을 보임.
- 개별 환자 맞춤형 치료 효과 및 안전성 평가를 통해 신약 개발 과정을 혁신할 것으로 기대됨.
상세 내용¶
제약 연구개발(R&D) 분야는 높은 비용과 낮은 전임상 모델의 재현성 때문에 어려움을 겪고 있으며, 이를 극복하기 위한 혁신적인 접근 방식이 절실한 상황입니다. 엑스 비보 폐 관류(EVLP)는 실제 인간 폐를 대상으로 치료법을 시험할 수 있는 플랫폼을 제공하지만, 약물 평가의 표준화에 어려움을 겪고 있습니다. 이러한 배경 속에서 토론토 대학교 보건 네트워크의 젠지 저우 박사 과정 학생은 AI 기반 디지털 트윈 기술을 활용하여 엑스 비보 폐 기능 예측의 정확도를 비약적으로 높였다고 발표했습니다. 이 디지털 트윈은 기존의 전임상 약물 시험에서 놓칠 수 있었던 치료 효과를 명확히 밝혀냈습니다. 제약 R&D는 종종 높은 비용과 긴 개발 기간, 그리고 전임상 결과의 낮은 재현성으로 인해 심각한 난관에 부딪힙니다. 엑스 비보 폐 관류(EVLP)는 생리학적 조건 하에서 분리된 인간 폐를 평가하여 줄기세포 치료, 유전자 치료, 면역 조절 등 다양한 치료 응용 분야를 시험할 수 있는 발전된 플랫폼입니다. 하지만 제한된 인간 장기 가용성과 높은 개체 간 변동성으로 인해 기존의 무작위 대조군 연구 설계를 통한 약물 평가 표준화에는 여전히 어려움이 따릅니다. 이러한 한계를 극복하기 위해 연구팀은 의료 분야에서 유망하지만 신약 개발에서는 아직 탐구되지 않은 개념인 '디지털 트윈'을 탐구했습니다. EVLP 절차는 폐 기능에 대한 실시간 다중 모드 데이터를 생성하므로, 이는 기계 학습(ML) 모델을 훈련시키는 독특한 기회를 제공합니다. 연구의 핵심 목표는 300개 이상의 ML 알고리즘을 동시에 사용하여 인간 폐의 미래 기능을 정확하게 시뮬레이션하는 ML 기반 방법론을 개발하는 것이었습니다. 임상적 유용성을 입증하기 위해 연구자들은 EVLP 표적 치료제의 안전성과 효능을 전임상적으로 검증하는 디지털 트윈을 개발하는 것을 목표로 했습니다. 이 모델링 노력은 2008년부터 2024년까지 토론토 일반 병원에서 수행된 EVLP 임상 사례에서 파생된 포괄적인 임상 데이터 세트를 기반으로 했습니다. 데이터에는 생리적 측정, 의료 영상 특징, 전사체, 단백체, 대사체, 생화학적 바이오마커 등 광범위한 인간 폐 특성이 포함되었습니다. 예측 모델을 만들기 위해 연구자들은 이중화된 게이트 순환 유닛(Gated Recurrent Unit)과 트리 기반 XGBoost 모델을 활용한 딥러닝 기반 모델을 사용하여 k-겹 교차 검증을 통해 다중 모드 모델을 훈련시켰습니다. 모델 성능은 평균 절대 오차(MAE)와 평균 절대 백분율 오차(MAPE)를 사용하여 정량적으로 측정되었습니다. 디지털 폐 트윈 개발에는 두 가지 distinct한 모델링 전략이 사용되었습니다. '정적' 디지털 트윈 전략은 폐 기능의 단일한 정적 기준선 데이터를 입력으로 사용하여 미래 기능을 예측했습니다. 반면에 '동적' 디지털 트윈 접근 방식은 추가적인 기능 데이터를 사용하여 재보정되도록 설계되었으며, 가장 최근의 폐 기능 데이터를 기반으로 바로 다음 시점의 기능을 예측했습니다. 이 디지털 폐에 대한 개념 증명 검증을 위해 연구자들은 혈전 용해 치료제인 조직 플라스민 활성화제(tPA)를 투여받았던 16개의 폐 코호트를 연구했습니다. 폐동맥압(PAP)으로 정량화된 치료 효능과 부종 수준으로 평가된 안전성은 각 치료된 폐에 대한 해당 디지털 트윈을 사용하여 개인별, 사례별로 평가되었습니다. 놀랍게도, 이 디지털 트윈은 기존 방법으로는 발견하기 어려웠던 치료 효과를 명확히 밝혀냈습니다.
편집자 노트¶
이번 연구는 AI와 디지털 트윈 기술을 의료, 특히 신약 개발 분야에 접목하는 매우 흥미로운 사례를 보여줍니다. 전통적인 신약 개발 과정은 시간과 비용이 많이 들 뿐만 아니라, 실험실 결과를 실제 임상에서 재현하는 데 어려움이 많았습니다. 특히 인간의 장기처럼 복잡하고 개체별 차이가 큰 경우, 이러한 한계는 더욱 두드러집니다. AI 기반 디지털 트윈은 이러한 문제를 해결할 수 있는 강력한 도구가 될 수 있습니다. 이 기술은 실제 환자의 데이터를 기반으로 개인 맞춤형 장기의 가상 모델을 구축하고, 이를 통해 약물의 효과와 안전성을 훨씬 더 정확하고 효율적으로 예측할 수 있게 합니다. 이는 곧 신약 개발 과정을 단축하고 성공률을 높여, 결국 환자들이 더 빠르고 효과적인 치료를 받을 수 있도록 돕는다는 것을 의미합니다. 앞으로 이러한 기술은 맞춤형 의료 시대를 가속화하며, 환자 개개인의 특성에 맞는 최적의 치료법을 찾는 데 결정적인 역할을 할 것으로 예상됩니다. AI와 디지털 트윈의 융합은 제약 산업의 패러다임을 바꾸고, 질병 치료의 새로운 지평을 열어갈 것입니다.