본문 바로가기 대메뉴 바로가기
닫기

연구

인공지능으로 파킨슨병 맞춤형 치료 가능​
조회수 : 12767 등록일 : 2023-08-16 작성자 : 홍보실

사진 1. KAIST 뇌인지과학과 최민이 교수

< 사진 1. KAIST 뇌인지과학과 최민이 교수 >

파킨슨병 같은 만성 퇴행성 뇌 질환의 경우, 생존 환자의 뇌세포에 직접 접근이 제한적이기 때문에, 뇌 질환 환자의 세포 데이터를 토대로 환자 질병의 메커니즘 하위 유형을 인공지능으로 예측하는 것은 시도된 바가 없다. 

우리 대학 뇌인지과학과 최민이 교수 연구팀이 영국 프랜시스 크릭 연구소(Francis Crick Institute)와의 공동 연구로 파킨슨병 환자의 개인별 질병 하위 유형을 예측하는 인공지능 기반의 플랫폼을 개발했다고 15일 밝혔다. 

최민이 교수 연구팀이 개발한 플랫폼은 파킨슨병 환자의 역분화 만능 줄기세포(hiPSC)에서 분화된 신경 세포의 핵, 미토콘드리아, 리보솜 이미지 정보만 학습해 파킨슨 환자의 병리적 하위 유형을 정확하게 예측한다. 

이 기술을 활용하면 환자별로 다르게 나타나는 파킨슨병 양상을 겉으로 보이는 발현형이 아닌 생물학적 메커니즘별로 분류할 수 있다. 이를 통해 원인 미상의 파킨슨병 환자가 속한 분자 세포적 하위 유형별로 진단이 가능해져 환자 맞춤형 치료의 길을 열 수 있다. 또 이 플랫폼은 고속의 대량 스크리닝 시스템을 사용하기 때문에 병리적 하위 유형에 적합한 맞춤형 약물 개발 파이프라인으로도 활용될 수 있다.

그림 1. 건강한 기증자와 파킨슨병 환자로부터 얻은 섬유아세포는 줄기세포로 역분화된 후, 일련의 과정을 거쳐 신경세포로 분화됨

< 그림 1. 건강한 기증자와 파킨슨병 환자로부터 얻은 섬유아세포는 줄기세포로 역분화된 후, 일련의 과정을 거쳐 신경세포로 분화됨 >

지금까지 파킨슨병의 치료는 환자 개별의 병리 상태를 고려하지 않고 확률에 기댄 ‘일률적 접근’ 방식을 사용해 왔다. 이러한 접근 방식은 병리적 원인과 치료 방법 사이의 불일치로 인해 치료 효과를 향상하기 어려웠다. 

최민이 교수 연구팀이 개발한 플랫폼을 사용하면 개별 환자 뇌세포의 분자 및 세포 정보를 정밀하게 프로파일링할 수 있다. 이를 토대로 환자들의 질병 하위 유형을 정확히 진단할 수 있어서 궁극적으로 ‘정밀 의학 (Precise medicine)’이 가능해진다. 이는 각 개인에게 맞춤화된 치료 (Personalized medicine)로 이어져 치료 효과를 크게 향상할 수 있을 것으로 기대된다. 

이 플랫폼은 2012년 노벨의학상 수상 기술인 유도만능줄기세포(iPSC: 성인 피부세포나 혈액에서 얻은 체세포를 태아기의 미분화 상태로 리프로그래밍한 세포. 어떤 장기 세포로도 분화가 가능)를 분화시켜 얻은 뇌세포를 사용하는 ‘접시 속 질병(disease in a dish)’ 패러다임이다. 이는 퇴행성 뇌 질환처럼 병변을 직접 얻을 수 없거나, 인간의 뇌를 정확하게 모사할 수 없는 동물 모델의 한계점을 극복할 수 있는 기술 중 하나로 주목받고 있다. 특히, 접시 속에 배양한 자신의 표적 질병 세포를 순차적으로 이미징하면 일련의 병리적 사건을 추적할 수 있어 질병 진행에 따른 약물 반응 결과를 예측할 수 있다는 이점이 있다.

그림 2 a. 고속-대용량 이미징 시스템을 통해 촬영된 환자 역분화 만능 줄기세포 유도 신경 세포의 예 (핵: 파란색, 미토콘드리아: 빨간색, 리보좀: 초록색). 전체 사진을 8 X 8 로 슬라이스 한 후 각각의 조각 이미지. b. 예측 결과를 보여주는 오차 행렬 (Confusion Matrix)

< 그림 2 a. 고속-대용량 이미징 시스템을 통해 촬영된 환자 역분화 만능 줄기세포 유도 신경 세포의 예 (핵: 파란색, 미토콘드리아: 빨간색, 리보좀: 초록색). 전체 사진을 8 X 8 로 슬라이스 한 후 각각의 조각 이미지. b. 예측 결과를 보여주는 오차 행렬 (Confusion Matrix) >

교신 저자인 최민이 교수는 "이번 연구는 실험실에서 얻은 생물학적 데이터를 인공지능에 효과적으로 학습시켜, 정확도가 높은 질병 하위 유형 분류 모델을 생성하는 방법을 구체적으로 소개했다”며, "이 플랫폼은 자폐 스펙트럼과 같이 환자 개인별 증상이 뚜렷하게 다른 뇌 질환의 하위 유형을 분류하는 데에도 유용할 것이며, 이를 통해 효과적인 치료법 개발도 가능해질 것이다”라고 연구의 의의를 설명했다.

그림 3. 인공지능 기반의 파킨슨 하위 유형 예측 플랫폼: 데이터를 학습한 머신러닝 기반 클래시파이어 (Classifer)는 (1) 모집단을 파킨슨 그룹과 건강한 그룹으로 나누고, 파킨슨 그룹 환자 개개인을 기전적 하위 유형에 따라 추가적으로 분류해 (2) 파킨슨병 환자들의 고유한 질병 하위 유형에 맞는 기전 특이적 효능 약물들을 매칭시킴으로써 파킨슨병 치료 효과를 개선할 수 있음

< 그림 3. 인공지능 기반의 파킨슨 하위 유형 예측 플랫폼: 데이터를 학습한 머신러닝 기반 클래시파이어 (Classifer)는 (1) 모집단을 파킨슨 그룹과 건강한 그룹으로 나누고, 파킨슨 그룹 환자 개개인을 기전적 하위 유형에 따라 추가적으로 분류해 (2) 파킨슨병 환자들의 고유한 질병 하위 유형에 맞는 기전 특이적 효능 약물들을 매칭시킴으로써 파킨슨병 치료 효과를 개선할 수 있음 >

이번 논문은 영국 Medical Research Council (MRC)와 대교-KAIST 인지 향상 연구센터의 지원으로 수행됐으며, 국제 학술지 ‘네이처 머신 인텔리젼스 (Nature Machine Intelligence, IF = 25.8) 8월호에 출판됐다 (논문명: Prediction of mechanistic subtypes of Parkinson’s using patient-derived stem cell model)

파킨슨병인공지능환자 역분화 만능줄기세포hiPSCNature Machine Intelligence 최민이 공과대학 뇌인지과학과
목록
관련뉴스