- 일관성과 높은 해석력 확보할 수 있는 인공지능 암진단 플랫폼 실마리
국내 연구진이 미국 메모리얼 슬로언케터링 암센터 연구진과 함께 새로운 형태의 암진단 인공지능 플랫폼을 소개했다.
한국연구재단(이사장 노정혜)은 김성영 교수(건국대학교) 연구팀이 메타 분석 기반 기계학습 알고리즘을 이용해 높은 신뢰도로 암을 구별할 수 있는 인공지능 플랫폼을 개발했다고 밝혔다.
최근 인공지능 의학의 관심이 크게 증가하고 다중오믹스 데이터와 기계학습을 활용한 예측 기술은 암 진단 및 치료의 혁신적인 미래의료 기술로 기대되고 있으나 예측 인자 및 모델이 연구자별, 센터별 그리고 분석 플랫폼 별로 상이해 보다 객관적이고 신뢰할 수 있는 모델의 발굴 및 검증 요구가 높아지고 있다. 또한 기계학습을 통한 모델링은 대부분 해석이 어려운 경우가 많아 예측의 정확도 뿐 아니라 모델의 해석력 또한 모델의 성능을 평가하는 데 매우 중요한 요소로 인식되고 있다
의학 분야에서는 동일한 주제에 대한 다양한 연구결과를 통합해 결과의 일관성을 평가하고 통계적 정확성과 검정력을 높이는 기법으로 메타분석 연구가 활발하게 이루어지고 있다. 메타분석은 유사한 주제로 실시된 개별연구에 나타난 연구 추정치를 공통된 효과크기로 전환하여 실험결과를 객관적이고 일반화시키는 방법으로 근거중심의학의 핵심이 되는 통계기법이다.
건국대 연구팀은 암조직의 유전자 발현 및 관련 생물경로를 메타분석 기반의 알고리즘을 이용해 통합하고 이를 인공지능을 위한 학습재료로 사용하였다. 연구팀은 자체 개발한 생물경로 기반 기계학습 알고리즘을 메타분석과 결합시켜 보다 강건한 모델(MLMA, machine learning-based meta-analytic methods)을 구축하였다.
유전체 빅데이터는 보통‘차원의 저주'라 불리는 고차원 문제에 직면하는데 연구팀은 우선 다중 코호트를 표준화시킨 후, 비선형 주성분 분석을 이용해 개별 생물경로에 매핑, 벌점 기반의 기계학습과 파라미터 최적화 알고리즘을 이용해 갑상선암의 핵심 생물경로 예측인자를 추출하였다.
이렇게 만들어진 알고리즘을 실제 암맹 갑상선암 샘플에 검증한 결과 거의 완벽한 분류 성능을 나타냈다. 갑상선암의 여러 아형을 테스트한 결과 높은 정확도로 이들 아형까지도 구분해냈다. 노화관련 질환인 점을 고려하여 노화인자를 교정한 고위험군에서도 이 모델의 성능을 확인하였다.
유전체 발현 데이터는 연구자 및 수행기관, 분석플랫폼 별로 예측인자와 모델이 상이해 메타분석 및 생물경로 기반의 알고리즘은 보다 객관적이고 해석력이 뛰어나다는 설명이다. 실제 연구팀은 다중오믹스 및 생존분석을 통한 생물경로의 조절인자 및 예후인자를 찾아내 모델의 해석력을 극대화했다.
김성영 교수는 “인공지능 알고리즘이 새롭게 찾아낸 핵심 갑상선암 관련 생물경로는 갑상선암 신약개발에 중요한 단초를 제공할 것”이며, “개발된 알고리즘은 다른 암에 쉽게 확대 가능하고 딥러닝 등 결과 해석이 어려운 다른 기계학습 알고리즘과는 달리, 회귀 및 경로 분석 기반의 알고리즘으로 원인 분석 및 결과의 일관성을 중시하는 임상에서 선호하는 인공지능 솔루션을 제공할 것으로 기대된다”고 밝혔다.
이번 연구는 수학 및 컴퓨터생물학 분야 국제학술지 브리핑스 인 바이오인포메틱스(Brief. Bioinform)에 최신호에 게재될 예정이다(Online Advance: 12월 19일). 이 연구성과는 과학기술정보통신부와 한국연구재단이 추진하는 기본연구사업 및 바이오·의료기술개발 사업의 지원을 받았다.
