• 페이스북
  • 트위터
  • 유튜브

"고령 급성골수성 백혈병, 'AI 맞춤치료'로 생존율 높여"

등록 2023.11.28 10:18:08

  • 이메일 보내기
  • 프린터
  • PDF

60세 이상 혈액암 환자 279명

유전학적 특성별 치료효과 분석

[서울=뉴시스]신체능력 저하로 획일화된 표준 치료법을 적용하기 어려운 고령 급성백혈병 환자에게 인공지능 학습 모델을 적용해 유전학적 특성별로 세분화해 치료법을 달리한 결과 치료제 선택에 따라 생존 예후(경과)에 큰 영향을 미친다는 연구 결과가 나왔다. 왼쪽부터 가톨릭대학교 서울성모병원 혈액내과 조병식·박실비아, 여의도성모병원 혈액내과 김동윤 교수. (사진= 서울성모병원 제공) 2023.11.28. photo@newsis.com.

[서울=뉴시스]신체능력 저하로 획일화된 표준 치료법을 적용하기 어려운 고령 급성백혈병 환자에게 인공지능 학습 모델을 적용해 유전학적 특성별로 세분화해 치료법을 달리한 결과 치료제 선택에 따라 생존 예후(경과)에 큰 영향을 미친다는 연구 결과가 나왔다. 왼쪽부터 가톨릭대학교 서울성모병원 혈액내과 조병식·박실비아, 여의도성모병원 혈액내과 김동윤 교수. (사진= 서울성모병원 제공) 2023.11.28. photo@newsis.com.

[서울=뉴시스] 백영미 기자 = 신체능력 저하로 획일화된 표준 치료법을 적용하기 어려운 고령 급성백혈병 환자에게 인공지능 학습 모델을 적용해 유전학적 특성별로 세분화해 치료법을 달리한 결과 치료제 선택에 따라 생존 예후(경과)에 큰 영향을 미친다는 연구 결과가 나왔다.

혈액암인 급성골수성백혈병은 백혈병 세포의 다양한 세포학적·유전학적 변이로 환자마다 변이의 조합과 양상이 매우 다양하다. 최근 백혈병 신약 개발로 저강도 항암 치료제 선택지도 다양해진 상태다.

가톨릭대학교 서울성모병원 혈액내과 조병식·박실비아, 여의도성모병원 혈액내과 김동윤 교수팀은 신체능력 저하로 항암 치료제 선택에 각별히 주의해야 하는 노인성 급성백혈병 환자를 인공지능 학습 모델을 바탕으로 유전학적으로 분류한 결과를 28일 밝혔다.

연구팀은 2017년부터 2021년까지 ▲고강도 항암 ▲메틸화 억제제 단독 저강도 항암 ▲메틸화 억제제와 베네토클락스 병합 저강도 항암 요법을 이용해 치료받은 60세 이상 고령 급성골수성백혈병 환자 279명을 대상으로 유전학적 특성별 치료 효과를 생존율 관점에서 비교 분석했다.

전 세계적으로 가장 많이 사용하는 유럽 백혈병 연구 그룹(ELN, 2022년 개정판)의 분자유전학적 위험도 분류를 참고치로 사용해 치료군별 예후 예측능을 평가했다. 그 결과 고강도 항암과 조혈모세포 이식을 주된 치료로 하는 젊은 환자군은 위험분류(저위험, 중간 위험, 고위험)의 예측도와 일치하는 반면 60세 이상 고령 환자군은 생존 예측 능력이 현저히 떨어져 이를 치료 선택에 활용하기에 어려웠다.

이후 연구팀은 기계 학습 모델을 적용해 환자별 복잡·다양한 백혈병 세포의 세포 유전학적 특성을 패턴화하고 이를 비슷한 유형끼리 묶어 총 9개의 유전체 집단으로 구분했다. 이들 9개 유전체 집단에서 치료군별 생존 예후를 독립적으로 살펴보았을 때, 집단별 유전체의 특성에 따라 고강도 항암 요법이 저강도 항암 치료에 비해 항상 우월하지는 않았다.

또 저강도 치료 중에서도 최근 뛰어난 효과가 입증된 메틸화 억제제와 베네토클락스 병합요법이 메틸화 억제제 단독 요법에 비해 항상 우월한 것이 아님을 확인했다.

고강도 항암 치료제에 효과가 좋은 환자들의 유전체 패턴이 저강도 항암 치료제의 경우에도 좋은 효과를 예측할 수 없었고 반대의 경우도 마찬가지였다.

결론적으로 치료 강도의 선택과 단독 혹은 병합 요법 등의 치료제 선택 등에 있어 환자별 맞춤 치료 전략이 궁극적으로 필요하고, 인공 지능 모델을 활용해 맞춤 치료 전략을 현실화 할 수 있음을 입증했다. 

박 교수는 “이번 연구는 점점 다양해지는 백혈병 치료제와 하루가 머다하고 새롭게 밝혀지고 있는 백혈병의 분자·유전학적 정보를 연계해 실질적 환자 생존에 긍정적 영향을 미칠 수 있을지에 대한 고민이 담긴 연구"라면서 "개별 환자에서 나타나는 세포학적 유전학적 변이가 너무 다양하고 동시 다발적인 변이가 흔하기 때문에 기존의 통계 처리 방식으로는 이를 반영할 수 없었고 기계 학습 모델의 활용이 필요했다"고 말했다.

실제 기계 학습 모델을 적용·구현하기 위해 혈액질환과 의학연구 통계 전문가인 김 교수가 혈액암 환자의 유전자 통계를 구축했고, 항암제 예후예측 모델 개발 스타트업 임프리메드코리아가 분석 기법의 장·단점을 보완했다.   

조 교수는 "연구의 또 다른 중요한 점은 세포·유전학적 특성별로 환자별 맞춤 치료가 환자의 생존율에 영향을 준다는 것을 객관적인 데이터로 입증한 것"이라면서 "아직 첫걸음이지만 연구 결과를 활용해 개인별 질병 특성을 고려한 최적의 치료를 진료 현장에서 적용해 최근 급증하고 있는 급성골수성백혈병 고령 환자에게 최고의 치료를 제공하기 위해 최선을 다할 것"이라고 밝혔다.

인구의 고령화로 늘고 있는 급성골수성백혈병은 평균 발병 연령이 65~67세다. 고령 환자는 고강도 항암 치료를 고려할 수 있을 정도로 양호한 환자부터 전신 수행 능력 감소로 표준 치료가 부적합해 저강도 치료를 선택해야 하는 환자까지 다양하다. 획일화된 치료법을 적용할 수 없어 치료 선택에 각별한 주의가 필요하다.
 
이번 연구 결과는 혈액학 분야 국제학술지 '헤마톨로지카(Haematologica)' 최근호에 실렸다. 논문은 포항공대 생물학 연구정보센터(BRIC)에서 소개하는 '한국을 빛내는 사람들(한빛사)'에도 선정됐다. 한빛사는 생명과학분야 학술지 중 인용지수가 10 이상인 학술지에 논문을 게재한 저자를 선정해 소개하고 있다.


◎공감언론 뉴시스 positive100@newsis.com

많이 본 기사