우리 학교 뇌인지과학과 최민이 교수 연구팀이 영국 프랜시스 크릭 연구소(Francis Crick Institute)와의 공동 연구로 파킨슨병 양상을 생물학적 메커니즘별로 분류해 환자의 개인별 질병 하위 유형을 예측하는 인공지능 기반의 플랫폼을 개발했다. 본 연구는 국제 학술지 ‘네이처 머신 인텔리젼스 (Nature Machine Intelligence) 8월호에 출판됐다.
 

기존의 파킨슨병 처방 방법

파킨슨병은 퇴행성 뇌 질환으로, 임상 증상과 기저 병변에서 개인별 차이가 큰 질병이지만 대부분의 환자들은 한가지 처방(one-size-fits-all)으로 치료를 받으며, 현재까지 완치 치료법이 없다. 파킨슨병 환자 개인의 질병 하위 유형을 실험 없이 확정하는 것은 불가능하기 때문에 임상에서는 모든 파킨슨병 환자가 동일한 메커니즘을 통해 발병했다고 간주하고 치료 계획을 세우는 것이 대부분이다. 현재 인공지능 기술은 의료분야에서도 질병 진단, 모니터링 성능 향상 등에 이용되며 활용도가 급속히 늘고 있다. 하지만 파킨슨병과 같은 만성 퇴행성 뇌 질환의 경우, 생존 환자의 뇌세포에 직접 접근하는 것이 제한적이기 때문에 환자의 살아있는 그대로 얻은 라이브 데이터를 학습시킨 인공지능을 치료에 접목시키는 것도 어렵다. 파킨슨병 환자의 임상 데이터에 머신 러닝을 적용하는 시도도 있었지만, 이는 주로 질병 발병이나 질병 진행을 예측하였을 뿐, 뇌 질환 환자의 세포 데이터를 토대로 환자 질병의 메커니즘 하위 유형을 예측하는 것은 시도된 바가 없다.
 

병리적 하위 유형을 예측하는 플랫폼 개발

연구팀이 개발한 플랫폼은 환자 이미지 데이터를 학습한 기계학습 기반 분류기(classifier)로써, 파킨슨 환자의 인간 유도만능줄기세포(hiPSC)에서 분화된 신경 세포의 대표 세 가지 세포 소기관인 핵, 미토콘드리아, 리보솜의 이미지 정보만 학습하여 파킨슨 환자의 병리적 하위 유형을 정확하게 예측한다. 플랫폼에서는 모집단을 파킨슨 그룹과 건강한 그룹으로 나눈 후, 파킨슨 그룹 환자 개개인을 세포 병리적 하위 유형에 따라 추가적으로 분류한다. 이는 파킨슨병 환자들의 고유한 질병 하위 유형에 맞는 기전 특이적 효능 약물들을 매칭시킴으로써 파킨슨병 치료 효과를 개선할 수 있다. 

이 플랫폼은 유동만능 줄기세포를 분화시켜 얻은 뇌세포를 사용하는 ‘접시 속 질병 패러다임(disease in a dish)’이다. 유도만능 줄기세포는 성인의 피부 세포나 혈액에서 얻은 체세포를 태아기의 미분화 상태로 리프로그래밍하여 얻은 줄기세포이다. 이는 원하는 어떤 장기 세포로도 분화가 가능한데, 본 연구에서는 퇴행성 뇌 질환 모델을 위해 뇌세포로 분화시켰다. 접시 속 질병 패러다임은 이런 유도만능 줄기세포에서 분화한 환자 세포를 배양시켜 환자 개별의 분자 세포적 특성을 분석하고 약물 반응 등을 확인할 수 있는 생체 외 질병 모델이다.

플랫폼은 자폐 스펙트럼과 같은 환자 개인별 증상이 뚜렷하게 다른 뇌 질환의 하위 유형을 분류하는 데에도 유용하게 사용될 수 있다. 편향 없는 고속 대량 장비를 통해 수집된 데이터를 기반으로 한다면 어떤 질병에서도 특정 세포 표현형이 약물에 의해 억제되었는지 여부를 평가하는 발현형 스크리닝 시스템으로도 사용할 수 있을 것이다. 동시에 이 플랫폼은 병리적 하위 유형에 적합한 맞춤형 약물 개발 파이프라인*으로도 활용될 수 있다.

최 교수는 “본 연구에서 소개한 파킨슨병 기전적 하위 유형을 확장하여, 여러 퇴행성 뇌 질환에서 공통적으로 나타나는 기전적 세포 하위 유형을 분류할 수 있는 플랫폼을 개발하고 있다”고 말했다. 또한, “환자 개별 양상의 차이가 큰 자폐 스펙트럼 장애의 기전적 하위 유형을 나누기 위해 환자 세포 특성을 프로파일링하는 연구를 진행하고 있다”고 전했다.
 

약물 개발 파이프라인*
제약 및 생명공학 회사가 신약이나 치료 화합물을 발견하고 개발하기 위해 따르는 단계별 프로세스이다.