[메이요클리닉] 암 연구 및 치료를 개선 AI 발명

메이요 클리닉 연구원들은 최근 데이터로만 학습하는 기존 AI 모델에서 크게 벗어난 가설 기반 AI라는 새로운 종류의 인공 지능(AI) 알고리즘을 개발했다.

‘Cancers’에 발표된 리뷰에서 연구원들은 이 새로운 유형의 AI가 대규모 데이터 세트를 사용하여 암과 같은 질병의 복잡한 원인을 발견하고 치료 전략을 개선하는 데 도움이 되는 혁신적인 방법을 제공한다고 지적했다.

이 연구의 수석 저자이자 공동 발명자인 후 리 박사는 "이는 과학적 문제를 해결하고, 질병을 더 잘 이해하고, 개별화된 의학을 안내하기 위해 표적화되고 정보에 입각한 AI 알고리즘을 설계하는 데 있어 새로운 시대를 열어준다. 기존 AI가 놓친 통찰력을 발견할 수 있는 잠재력이 있다."고 말했다. 리 박사는 메이요 클리닉 분자 약리학 및 실험 치료학과의 시스템 생물학 및 AI 연구원이다.

기존 AI는 주로 임상 진단에서 얼굴 인식, 영상 분류 등 분류·인식 작업에 활용됐고, 인간과 유사한 텍스트 생성 등 생성 작업에도 적용되는 사례가 늘고 있다. 연구자들은 기존 학습 알고리즘이 기존의 과학적 지식이나 가설을 통합하지 않는 경우가 많다는 점에 주목한다. 대신, 이는 얻기 어려울 수 있는 크고 편견 없는 데이터 세트에 크게 의존한다.

리 박사에 따르면 이러한 제한으로 인해 AI 방법의 유연성과 의학과 같은 지식 발견이 필요한 분야에서의 사용이 상당히 제한된다.

AI는 암 연구에 사용되는 것과 같은 크고 복잡한 데이터세트에서 패턴을 식별하는 데 유용한 도구이다. 기존 AI를 사용할 때 가장 큰 과제는 해당 데이터세트에 내장된 정보를 극대화하는 것이었다.

기존 지식과 가설 간의 통합 부족이 문제가 될 수 있다. AI 모델은 연구자와 임상의의 신중한 설계 없이는 '쓰레기 속의 쓰레기' 문제라고 부르는 결과를 생성할 수 있다. 과학적인 질문에 따르지 않으면 AI는 덜 효율적인 분석을 제공하고 테스트 가능한 가설을 형성하고 의학을 발전시키는 데 도움이 될 수 있는 중요한 통찰력을 제공하는 데 어려움을 겪을 수 있다.

가설 기반 AI를 통해 연구자들은 알려진 병원성 유전의 변이와 암의 특정 유전자 간의 상호 작용을 학습하고, 알고리즘 설계에 통합하는 등 질병에 대한 이해를 통합하는 방법을 모색한다. 이를 통해 연구자와 임상의는 어떤 구성 요소가 모델 성능에 기여하는지 판단하여 해석 가능성을 향상시킬 수 있다. 또한 이 전략은 데이터세트 문제를 해결하고 개방형 과학적 질문에 대한 집중을 촉진할 수 있다.

이 새로운 종류의 AI는 암과 면역 체계 사이의 상호작용을 더 잘 이해할 수 있는 새로운 길을 열었으며 의학적 가설을 테스트할 뿐만 아니라 환자가 면역요법에 어떻게 반응할지 예측하고 설명하는 데 큰 가능성을 가지고 있다고 다니엘 빌라도 박사는 말했다. 빌라도 박사는 메이요클리닉 면역학과 교수이며 이 연구의 공동 저자이자 공동 발명가이며 암 면역학에 대한 오랜 연구 관심을 갖고 있다.

연구팀은 가설 기반 AI가 종양의 분류와 환자 계층화, 암 유전자 발견, 약물 반응 예측, 종양 공간 구성 등 모든 종류의 암 연구 응용 분야에 사용될 수 있다고 밝혔다.

가설 기반 AI의 이점은

• 표적 : 특정 가설이나 연구 질문에 중점을 둔다.

• 기존 지식의 활용 : 이전에 놓친 연결을 찾기 위해 탐색을 안내한다.

• 더 해석하기 쉬움 : 기존 AI보다 결과를 이해하기가 더 쉽다.

• 리소스 요구 사항 감소 : 데이터와 컴퓨팅 성능이 덜 필요하다.

• 기계 기반 추론 : 가설과 생물학적, 의학 지식을 학습 알고리즘 설계에 통합하여 과학자들이 가설을 테스트하고 검증하는 데 도움이 된다.

리 박사는 이 도구의 단점은 이러한 유형의 알고리즘을 생성하려면 전문 지식과 특수 분야 지식이 필요하므로 잠재적으로 광범위한 접근성이 제한된다는 점을 지적한다. 편견이 구축될 가능성도 있으며 연구자들은 다양한 정보를 적용할 때 이를 주의 깊게 관찰해야 한다고 말한다. 또한 연구원은 일반적으로 범위가 제한되어 있으며 가능한 모든 시나리오를 공식화할 수 없으므로 잠재적으로 예상치 못한 중요한 관계가 누락될 수 있다.

그럼에도 불구하고 가설 기반 AI는 인간 전문가와 AI 간의 활발한 상호 작용을 촉진하여 AI가 결국 일부 전문 직업을 없앨 것이라는 우려를 덜어준다.

가설 기반 AI는 아직 초기 단계이기 때문에 편견을 최소화하고 해석을 개선하기 위해 지식과 생물학적 정보를 가장 잘 통합하는 방법과 같은 질문이 남아 있다. 리 박사는 이러한 어려움에도 불구하고 가설 중심 AI가 한 단계 더 발전했다고 말한다.

리 박사는 이는 더 깊은 이해와 개선된 치료 전략으로 이어져 잠재적으로 환자의 치료 요법을 개선하기 위한 새로운 로드맵을 제시함으로써 의학 연구를 크게 발전시킬 수 있다고 말했다.