AI를 활용한 약물 내성 감염 진단의 혁신적 돌파구
오늘날 전 세계적으로 약물 내성 감염, 특히 치명적인 박테리아인 결핵균과 황색포도상구균에서 발생하는 감염은 지속적으로 큰 의료적 도전 과제가 되고 있습니다. 이러한 감염은 치료가 어렵고, 보다 고가이거나 독성이 강한 약물을 사용할 수밖에 없으며, 이는 더 긴 입원 기간과 높은 사망률로 이어질 수 있습니다. 2021년 한 해만 해도 세계보건기구(WHO)에 따르면, 약 45만 명이 다제 내성 결핵 환자가 되었고, 이들의 치료 성공률은 57%에 불과했습니다.
이러한 위기에 맞서, 툴레인 대학교 연구진은 인공지능 기반의 새로운 진단 방법을 발전시켜 약물 내성을 보다 정확하게 검출할 수 있게 되었습니다. 이 혁신적인 접근법은 결핵과 황색포도상구균과 같은 치명적인 박테리아에 대한 치료 효율성을 크게 개선할 수 있는 가능성을 열어주며, 글로벌 보건 위기 해결에 도움이 될 것입니다.
1. AI 기반 치료 접근법의 발전
툴레인 대학교의 연구진은 '그룹 어소시에이션 모델(GAM)'이라는 새로운 머신러닝 모델을 도입하여 Mycobacterium tuberculosis와 Staphylococcus aureus의 항생제 내성을 탐지하는 능력을 개선했습니다. 이 모델은 기존의 도구가 저지르기 쉬운 오류, 즉 관련 없는 변이를 내성과 연결하는 실수를 배제하면서도, 내성 메커니즘에 관한 사전 지식 없이도 유연하게 작동하여 아직 밝혀지지 않은 유전적 변화를 발견할 수 있습니다.
2. WHO와 비교했을 때의 장점
기존의 내성 탐지 방법들은 시간이 많이 걸리거나 일부 DNA 기반 검사에서처럼 희귀한 돌연변이를 놓칠 위험이 있었습니다. 이에 비해, 툴레인의 모델은 전체 유전체 서열을 분석하여 다양한 내성 패턴을 보여주는 박테리아 균주의 그룹을 비교함으로써, 특정 약물에 대한 내성을 신뢰성 있게 나타내는 유전적 변화를 찾아냅니다.
툴레인 연구의 선임 저자인 토니 후 박사는 "마치 박테리아의 유전 지문을 사용하여 특정 항생제에 대해 어떤 면역력을 갖고 있는지를 밝히는 것과 같습니다."라며, "우리의 연구는 컴퓨터를 가르쳐 내성 패턴을 스스로 인식하게 하여, 처음부터 이를 지적할 필요가 없습니다."라 설명했습니다.
3. 정확도를 높인 모델의 적용 사례
연구진은 7,000개 이상의 Mtb 균주와 4,000개에 달하는 S. aureus 균주에 GAM을 적용하여 내성과 관련된 주요 돌연변이를 식별했습니다. 이 과정에서 GAM은 WHO의 내성 데이터베이스와 맞먹는 수준의 정확도를 자랑하며, 잘못된 양성률을 크게 줄였습니다. 잘못된 내성마커를 식별하는 것은 부적절한 치료로 이어질 수 있기 때문에, 툴레인의 모델은 보다 명확한 저항 원인을 파악하게 도와줍니다.
"기존의 유전자 검사는 박테리아를 잘못 내성으로 분류할 수 있으며, 이는 환자 치료에 영향을 미칠 수 있습니다,"라고 툴레인의 대학원생인 줄리안 살리바가 말했습니다. "우리는 잘못된 진단과 불필요한 치료 변경을 줄이면서 실제 내성을 일으키는 돌연변이를 명확히 합니다."
4. 임상응용 및 확장 가능성
이 모델의 가장 큰 장점 중 하나는 전문적인 규칙을 설정할 필요 없이 내성을 탐지할 수 있다는 점이며, 이는 농업과 같이 다른 박테리아에도 응용될 수 있습니다. 제한적이거나 불완전한 데이터로 저항성을 예측하는 능력은 머신러닝과 결합되었을 때 더욱 강화되며, 이는 환자 감염이 확대되거나 악화되기 전에 의사들이 맞춤형 치료법을 제시할 수 있는 바탕이 됩니다.
줄리안 살리바는 "계속 변화하는 약물 내성 감염에 대비하는 것이 중요합니다. 이 도구는 그런 일을 가능하게 할 것입니다."고 강조하였습니다.
이러한 연구는 약물 내성이라는 글로벌 보건 문제의 해결을 위해 AI 기술이 제공할 수 있는 가능성을 여실히 보여줍니다. 의사는 즉각적인 내성 감지로 신속하고 정확한 치료를 제공할 수 있으며, 이는 궁극적으로 감염 확산을 막고 환자의 건강을 보호하는 데 중대한 기여를 할 것입니다. 혁신적인 AI 모델이 그려갈 내일의 의료 환경에 대한 기대가 커집니다.
답글 남기기