바로가기 및 건너띄기 링크
본문 바로가기
주메뉴 바로가기

발간보고서

자료실 발간보고서

글자크기

머신러닝을 활용한 항암신약개발 현황과 향후 전망

머신러닝을 활용한 항암신약개발 현황과 향후 전망 : 작성자, 작성일, 조회수, 원문,출처, 첨부파일 정보 제공
작성자 관리자
작성일 2019-12-09 조회수 129
원문 https://www.ibric.org/myboard/read.php?Board=report&id=3374&Page=1
출처 생물학연구정보센터(BRIC)
첨부파일

머신러닝을 활용한 항암신약개발 현황과 향후 전망

- 인공지능과 의학의 결합

 


< 목  차 >


1. 서론

 

2. 본론
 2.1 머신러닝(machine learning)과 기능
 2.2 머신러닝의 기본 과정과 머신러닝에 필요한 데이터의 구성
 2.3 머신러닝과 신약개발의 적용
 2.4 글로벌제약회사에서의 머신러닝 활용
 2.5 머신러닝 기반의 기술을 가진 국내외 기업

 

3. 결론

 

4. 맺는말

 

5. 참고문헌
__________________________________________________________________________

 

< 요약문 >


머신러닝 혹은 AI라는 말은 이제 미래에서 볼 수 있는 신기술이 아닌, 이미 우리 일상과 밀접하게 과학기술로 사용되고 있었다. 인간이 의도하는 바를 ‘한정된 시간’ 내에 ‘효율적인 일’을 할 수 있는 것은 컴퓨터를 통한 기계 학습을 통해 얻어질 수 있어, 머신러닝의 활용은기본적으로 ‘효율 증대’라는 측면에서 상당히 유리한 기술이다. 머신러닝은 ‘데이터’에 의존적이기 때문에, 학습의 토대가 되는 기반 데이터에 대한 중요도가 상당히 높다. 최근 데이터의양과 질이 개선되면서, 머신러닝의 효율성이 향상되었으며, 빅데이터의 생산 속도에 맞추어머신러닝을 통해 ‘보석’을 찾아낼 수 있는 딥러닝을 포함한 다양한 알고리즘들이 윤곽을 드러내기 시작했다. 이를 활용하여 신약개발, 진단기술개발 등 다양한 분야에서의 그 쓰임과미래 전략 등이 주목 받고 있다. 2018년 미국암학회인 AACR에서 발표된 구글의 AI 알고리즘으로 조직 병리 사진에 증강현실로 종양 부위를 마킹하는 기술이나, 외과수술 중 수술 부위의 암과 정상 부위에 대한 부분이 실시간으로 확인되는 등, 획기적인 기술의 발전은 실제로곧 나타날 미래 암 치료 기술의 방향을 제시하였다. 최근 개발되는 항암 신약에 대한 반응을 예측할 수 있는 바이오마커 발굴 기술 또한 머신러닝을 통해 구현되고 있다. 본 저자는이번 동향을 통해 머신러닝에 대한 이해와 의학적 적용의 현주소를 설명하고자 한다. 특히최근 항암신약개발에 있어 주목을 받기 시작한 신약개발과 바이오마커 그리고 디지털 병리분석 등에 대한 부분을 소개하겠다. 또한 최근 글로벌제약회사에서 머신러닝 기반의 원천기술을 가진 회사들과 협력 혹은 기술이전 등 머신러닝 기반 인공지능 분석을 토대로 신약개발에 적용한 사례와 국내외 관련 기술에 대한 동향을 제시함으로써, 머신러닝을 처음 적용하고자 하는 제약회사, 바이오텍 그리고 아카데미에 있는 분들께 도움이 되었으면 한다.


1. 서론


무심코 버리는 코 묻은 휴지, 폐암 환자의 흉수, 피검사 후 남은 혈액 그리고 핸드폰 앱에포함되어 있는 검색 기록과 GPS위치, 페이스북과 인스타그램의 ‘좋아요’ 버튼, SNS에 올라와 있는사진 등, 심지어는 장수하는 할아버지의 배변까지도 마이크로바이옴 데이터에 사용될 수 있는 중요한 자산이다. 그 데이터의 양은 퍼스널 컴퓨터의 엑셀 파일에서 읽힐 수 있는 양을 넘어, 기가급-테라급 빅데이터다. 데이터는 진주 목걸이와 같아서 분석하기 전까지는 하드디스크에 저장된 0과 1의디지털 신호가 플래터(Platter)에 기록된 제멋대로 돌아다니는 진주 구슬일 뿐이다. 우리는 과거의 흔적에서 미래를 엿볼 수 있는 시대에 살고 있다. 환자의 치료 기록을 종이 위에 작성하여 장기간 보관하던 시대에서 벗어나, 분석에 용이한 형태의 데이터를 생산하기 위해, 대형병원 컴퓨터 데이터베이스에 환자의 다양한 정보들을 보관하고 있다. 입원 시점, 치료 방법, 치료 예후와 진단과 반응을보기 위하여 기록된 CT와 MRI 이미지와 병리과에서 염색하고 분석한 결과 등이 파일 형태로 보관되어 있으며, 최근에는 임상데이터를 활용한 환자의 치료 효과와 패턴을 통해 새로운 의학적 발견을찾고 있다. 특히 차세대 염기서열 분석에 대한 의학적 가치가 높아지면서, 개별 환자에 대한 오믹스분석 결과가 생산되고, TCGA, CCLE 등과 같은 암 환자 및 암 세포주에 대한 유전체, 전사체, 후성유전체, 단백질체에 대한 정보, 그리고 약물에 대한 반응과 환자의 생존율, MRI의 이미지 파일 치료 전과 후의 병리조직 결과 등이 디지털화되어 데이터베이스 상태로 공개되어 있다. 따라서, 암을 연구하는 과학자들은 암환자와 연관된 정보를 통해 새로운 바이오마커 및 치료전략을 구상할 수 있게되었다. 최근 단일 세포 유전체 분석과 글로벌 유전체 연구 컨소시엄 등에서 교류되고 있는 엄청난양의 정보들은 임상적 활용 가치를 가치를 찾기 위해 많은 데이터학자들을 통해 발표되고 있다. 공개 정보가 넘쳐나는 빅데이터 환경 속에서 머신러닝 기술은 효율적으로 새로운 의학적 발견을 도출해줄 뿐만 아니라, 신약의 개발에 적용되어 비용의 절감, 시간 단축, 부작용 가능성 억제 등에 대한활용 등으로 주목을 받고 있다. 하지만 머신러닝을 처음 접하는 사람들에게는 그저 ‘미지의’, ‘어려운’, ‘누군가의’ 의미로 다른 분야의 것처럼 치부하기 쉽다


본 동향에서는, 머신러닝에 대한 이해와 활용 분야를 소개하고, 특히 신약개발 분야에서 활용되고 있는 머신러닝 기술에 대하여 업데이트하였다. 최근 머신러닝을 활용한 글로벌 제약회사의사례와 국내 머신러닝을 통한 임상 혹은 신약개발에 활용하고 있는 국내 벤처기업들에 대한 소개로 본 동향을 마무리하고자 한다.

 

 

1.PNG

 

그림 1. 머신러닝의 의학적 활용.

임상데이터나 혹은 공개된 오믹스 데이터 및 약물데이터 정보는바이오마커 발굴, 신약의 개발

그리고 진단기술 및 예후예측 등에 활용하기 위하여 다양한 머신러닝기술이 적용되고 있다.


 

 

...................(계속)