광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[암치료 환자반응 예측AI] 인공 지능은 잠재적으로 암 치료에 대한 환자의 반응을 예측할 수 있다.

박영숙세계미래보고서저자 | 기사입력 2022/11/20 [15:11]

[암치료 환자반응 예측AI] 인공 지능은 잠재적으로 암 치료에 대한 환자의 반응을 예측할 수 있다.

박영숙세계미래보고서저자 | 입력 : 2022/11/20 [15:11]

 

연구자들은 어떤 암 환자가 치료에 반응할지 예측하기 위해 기계 학습 알고리즘을 성공적으로 훈련했다. 종종 어떤 흑색종 환자가 치료 옵션에 잘 반응하는지 의사가 알기 어려울 수 있다.

이 연구는 Science Advances 저널에 게재되었다.

오픈 소스 딥 러닝(DL) 프로그램을 DeepTCR이라고 한다 . 소프트웨어 도구는 알고리즘을 활용하여 TCR(T 세포 수용체) 시퀀싱 데이터를 분석한다. 이 프로그램은 또한 연구원들에게 면역 요법에 대한 환자 반응의 기본이 되는 생물학적 방법에 대해 가르쳤다.

면역 체계와 면역 요법에 대한 반응

이 연구는 딥 러닝의 예측 가능성뿐만 아니라 연구자들이 모델이 면역체계에 대해 학습한 내용을 볼 수 있도록 했기 때문에 획기적이었다. 이 연구의 제1 저자인 Dr. John-William Sidhom은 "DeepTCR의 예측력은 흥미롭다. 하지만 더 흥미로운 점은 모델이 면역 요법에 대한 면역 체계의 반응에 대해 학습한 내용을 볼 수 있었다는 것이다."라고 말했다.

그는 또한 이 정보로 미래 의약품을 만들 수 있는 큰 잠재력을 언급했다. "우리는 이제 그 정보를 활용하여 종양학 이외의 많은 질병에 대해 더 강력한 모델과 더 나은 치료 접근법을 개발할 수 있다."

DeepTCR 개발

DeepTCR은 Dr. Sidhom이 Johns Hopkins University School of Medicine에서 MD/Ph.D 학생으로 있을 때 개발했다. 이 프로그램은 인공지능을 사용하여 상당한 양의 데이터에서 패턴을 파악한다. 특히 이 프로그래밍의 경우 데이터는 TCR이라고도 하는 T 세포 수용체라고 하는 단백질의 아미노산 서열입니다. 이 수용체는 면역 체계의 T 세포 외부 표면에 있다. 그곳에 있는 동안 TCR은 박테리아, 바이러스 또는 암과 같은 적의 단백질과 교전하기를 기다린다.

T 세포의 표면은 수많은 TCR로 덮여 있지만 모두 동일하며 모두 같은 적에게 공격받을 수 있습니다. 서로 다른 T 세포가 몸을 돌아다니며 적을 기다린다. TCR이 활성화되면 T-세포가 분자를 방출하여 적을 파괴하고 죽인 다음 자체 복제하여 향후 공격을 위한 구조를 강화하고 대응을 강화한다.

일부 종양 세포는 TCR이 활성화된 경우에도 T 세포의 반응을 차단하는 방법을 만든다. 체크포인트 억제제라고 불리는 현재의 면역 요법 약물에는 종양을 방해하는 단백질이 포함되어 있어 T 세포가 암에 반응하도록 한다.  

연구의 세부 사항

이 연구에서 Dr. Sidhom은 니볼루맙으로 알려진 면역 요법 약물의 효과를 테스트한 이전 임상 시험에서 수집한 자료를 사용했다. 그는 결과를 니볼루맙과 이필리무맙으로 구성된 두 가지 약물 치료의 조합과 비교했다. 이 연구에서 검사를 받은 환자는 43명이었다. 각 개인은 수술 불가능한 흑색종을 가지고 있었다.

가장 인기있는

T세포를 포함하는 종양의 생검을 치료 전과 치료 중에 채취했다. 예비 연구에서 한두 가지 약물 치료를 받은 환자들 간에는 유의미한 차이가 없었다.

Sidhom 박사는 유전자 시퀀싱을 사용하여 생검에서 TCR의 유형과 수를 결정함으로써 각 종양을 둘러싼 집합적인 TCR 레퍼토리를 발견했다.

 

인공 지능은 잠재적으로 암 치료에 대한 환자의 반응을 예측할 수 있습니다.
TCR 레퍼토리.

 

그런 다음 그는 DeepTCR 프로그램에 정보를 제공하고 응답하지 않은 데이터 세트와 비교하여 치료 응답자에 속한 데이터 세트를 알려준다. 입력이 완료되면 알고리즘은 패턴을 찾기 시작하여 예측 가능성을 시작했다.

연구자들이 묻는 질문

연구자들은 반응자 대 비반응자에서 면역 요법의 TCR 사이에 치료 전 차이가 있는지 AI에게 질문했다. 알고리즘에 의해 식별된 차이점은 알려진 바이오마커 또는 치료를 안내하는 데 사용되는 종양의 분자 특성과 같은 환자 반응을 예측했다. 연구자들은 결과를 확신하고 알고리즘이 정확성을 보장하고 치료를 안내하기 위해 더 많은 환자 집단에서 테스트되어야 한다고 믿고 싶었다.

“이러한 DeepTCR 연구 결과는 종양 세포를 직접적으로 죽이는 주요 면역 구성 요소인 종양 침윤 T 세포가 발현하는 광범위한 수용체를 분리하는 새로운 인공 지능 전략을 적용하여 면역 체크포인트 차단에 대한 종양의 반응을 예측하는 새로운 차원을 정의합니다. ”라고 종양학교수이자 Bloomberg-Kimmel Institute for Cancer Immunotherapy의 책임자인 Dr. Drew Pardoll이 말했다.

연구에서 반응자와 비반응자

Dr. Sidhom은 응답자와 비응답자의 차이를 알아보고 싶었다. 그는 TCR을 활성화하는 적 단백질과 연결한 과거 연구의 데이터를 사용했다. 데이터 세트에는 종양, 황열병 바이러스 및 독감 바이러스를 포함하는 다양한 침입자의 다른 단백질에 각각 반응하는 수천 개의 TCR이 포함되어 있다.

결과는 Sidhom이 일어날 것이라고 생각한 것과 반대였습니다. 면역요법에 반응한 환자는 종양 내 바이러스 특이 T세포 수가 더 많은 환자였다. 무반응자는 더 많은 종양 특이적 T세포를 가지고 있었다. 반응자와 비반응자 모두 치료 전과 치료 중에 거의 같은 수의 종양 특이적 T세포를 가지고 있었다고 그는 언급했니다. "그 T세포의 정체성은 반응자에서 동일하게 유지되었지만, 무반응자에서는 치료 전과 치료 중에 다른 종류의 T세포가 있었습니다."

이것은 비반응자가 처음부터 더 많은 수의 비효율적인 종양 특이적 T세포를 가졌다는 가설로 이어졌다. 무반응자였던 환자들이 면역 요법을 받았을 때 그들의 면역체계는 효과적인 T세포를 찾기 위해 새로운 T세포 무리를 내보냈다. 반면 반응자는 처음부터 효과적인 T세포를 가지고 있었지만 항종양 활동은 종양에 의해 차단되었다. 면역요법이 시작되면 봉쇄를 풀고 그에 따라 T세포가 기능하도록 했다.

미래 결과 및 예측 가능성

"T세포의 TCR 레퍼토리를 특성화하기 위해 DeepTCR의 딥 러닝 프레임워크를 적용하면 예측 특징을 식별하는 측면에서 모델 설명 가능성과 함께 환자 결과의 계층화를 개선할 수 있습니다."라고 병리학 부교수인 Alexander Baras 박사는 말했다. Johns Hopkins University School of Medicine 및 Johns Hopkins Kimmel Cancer Center의 정밀 의학 정보학 책임자.

이 연구는 인공지능이 다른 많은 의학 분야와 함께 암 생물학에 제공할 수 있는 중요한 데이터를 보여준다.

 
 
 
 
[세계미래보고서]시리즈, 판매제품
1/6
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
AI바이오제약 수명연장 많이 본 기사
최신기사