마이크로소프트, AI로 암세포 '상태' 읽어 환자별 약효 차이 규명 나선다

비슷한 암을 가진 두 사람이 같은 약에 전혀 다르게 반응하는 이유는 무엇일까. 마이크로소프트 연구자 로린 크로퍼드와 그의 팀은 그 답이 종양을 어떻게 분류하느냐가 아니라 종양이 실제로 어떻게 행동하느냐에 있다고 본다. 이들의 연구는 학술지 네이처 메서드에 게재됐다.

암 치료는 처음에는 암이 몸의 어디서 시작됐는지로, 최근에는 암세포 안에서 발견된 변이로 분류하며 점점 정밀해져 왔다. 이번 연구는 AI가 개별 세포가 어떻게 행동하고 주변 환경과 상호작용하는지를 이해하도록 돕는 중요한 진전으로, 마이크로소프트와 브로드 연구소가 협력하고 다나파버 암연구소가 지원하는 프로젝트 엑스비보의 일부다.

암 연구의 난제 중 하나는 몸 밖에서 약을 시험할 때 핵심 신호를 잃을 수 있다는 점이다. 실험실에서 키운 암세포와 오가노이드라 불리는 미니 종양 같은 엑스비보 모델은 사람 몸 안에서 벌어지는 일과 늘 일치하지는 않는다. 그래서 배양접시에서 유망해 보이던 약이 정작 환자에게서는 효과가 부족할 수 있다.

연구팀은 암세포가 주변 환경에 어떻게 행동하고 반응하는지를 가리키는 '세포 상태'에 주목한다. 세포 상태는 종양이 어떤 치료에 민감한지, 약물 내성이 얼마나 빨리 생기는지, 질병이 얼마나 공격적으로 진행되는지에 영향을 미칠 수 있다.

예컨대 췌장암에서는 서로 다른 예후 및 치료 반응과 연관된 두 가지 큰 세포 상태가 관찰됐다. 하지만 종양 세포를 실험실에서 키우면 그중 한 가지 상태만 반영되는 경우가 많아 실험 결과가 환자에게서 일어나는 일과 잘 맞지 않는다고 크로퍼드는 설명한다. 그는 같은 변이를 가져도 세포 상태가 완전히 다를 수 있고, 정작 중요한 것은 그 차이라고 말한다.

크로퍼드는 세포 상태를 안정적으로 측정할 수 있다면 암 치료가 두 방향에서 바뀔 수 있다고 본다. 첫째, 환자를 기존 치료법과 임상시험에 더 정교하게 매칭해 약이 실제로 효과를 낼 가능성이 있는 곳에서 시험될 확률을 높일 수 있다. 둘째, 변이를 표적으로 삼는 대신 종양의 근본 상태 자체를 겨냥하거나 치료가 더 쉬운 형태로 바꾸는 새로운 신약 개발 경로를 열 수 있다.

수학자이자 통계학자로 훈련받은 크로퍼드는 데이터가 어떻게 만들어지는지 배우라는 지도교수의 권유로 듀크대 대학원 시절 대부분을 살아있는 세포를 직접 다루는 암 생물학 '웻 랩'에 몸담았다. 처음엔 낯선 나라에 온 것 같았지만 경력상 최고의 결정이었다며, 자신의 배경이 생물학자들이 환자와 암 아형 간 변이를 이해하는 데 쏟아붓는 방대한 데이터를 다루는 데 도움이 될 수 있음을 깨달았다고 말한다.

2022년 집중 연구로 시작한 프로젝트 엑스비보는 AI 발전에 힘입어 빠르게 확장됐고, 계산 모델로 가상 실험을 돌려 유망한 가설을 먼저 추린 뒤 실험실에 시간과 비용을 들인다. 연구진은 AI 모델이 단순히 더 많은 데이터를 받기보다 폭넓은 세포 행동을 볼 때 더 많이 학습한다는 점을 보였는데, 이는 데이터셋만 키우면 문제가 풀린다는 분야의 통념에 도전한다. 다음 단계는 세포 상태를 명확히 정의하고 여러 암종에서 검증하는 것으로, 크로퍼드는 5년 뒤 이 분야가 지금과 크게 달라져 있을 것이라고 내다봤다.