미국 메이요 클리닉의 연구원들이 암 치료를 위해 새로운 인공지능(AI) 알고리즘을 개발했다.

메디컬 익스프레스는 지난 12일(현지시간) 메이요 클리닉 연구원들은 메이요 클리닉 연구원들이 기존 AI 모델이 주로 사용하는 데이터 학습 방식을 넘어서는 '가설 기반 AI'라는 독창적인 인공지능 알고리즘을 개발했다고 보도했다.

이번 연구는 학술지 캔서(Cancers)에 게재됐다.

이 혁신적인 AI는 암과 같은 복잡한 질병의 원인을 파악하고 치료 전략을 개선하는 데 사용될 수 있는 새로운 접근 방식을 제공한다.

메이요 클리닉의 시스템 생물학 및 분자 약리학, 실험 치료학 부서에서 AI 연구를 담당하는 수석 저자이자 공동 개발자인 후 리(Hu Li) 박사는 이 AI가 과학적 질문에 답하고, 질병을 더 깊이 이해하며, 개인화된 의학을 지원하기 위해 설계된 표적 정보 기반 알고리즘이라고 밝혔다. 리 박사는 이 기술이 기존 AI에서 간과되었던 중요한 통찰을 발견할 가능성이 있다고 강조했다.

기존 AI는 주로 얼굴 인식, 임상 진단 이미지 분류와 같은 분류 및 인식 작업에 활용되어 왔으며, 사람처럼 텍스트를 생성하는 등의 생성 작업에도 점점 더 많이 쓰이고 있다.

하지만, 연구팀은 기존 학습 알고리즘이 과학적 지식이나 가설을 충분히 통합하지 못한다고 지적했다. 이는 AI가 편향되지 않은 대규모 데이터 세트에 과도하게 의존하게 만들고, 그런 데이터 세트를 구하는 것이 어려울 수도 있기 때문이다.

특히, 리 박사는 이러한 제약이 의학과 같이 새로운 지식을 발견해야 하는 분야에서 AI의 활용도와 유연성을 크게 제한한다고 밝혔다. 이는 AI 기술의 발전 방향에 대해 중요한 고려사항을 제시한다.

AI는 암 연구와 같이 방대하고 복잡한 데이터 세트에서 패턴을 찾아내는 데 매우 유용한 도구다. 이러한 경우에서 기존 AI 사용의 주요 목표는 해당 데이터 세트의 정보를 최대한 활용하는 것이다.

리 박사는 기존 지식과 가설을 통합하지 못하는 것이 문제가 될 수 있다고 지적했다. 그는 "AI 모델이 연구자와 임상의의 신중한 설계 없이 결과를 도출할 수 있으며, 이런 접근 방식을 '쓰레기 속의 쓰레기' 문제라고 부른다"고 밝혔다.

그러므로, 그는 과학적 질문에 대한 안내 없이는 AI가 덜 효과적인 분석을 제공하고, 테스트 가능한 가설을 형성하며, 의학 발전에 기여할 수 있는 중요한 통찰을 놓칠 수 있다고 설명했다. 이러한 관점은 AI의 효율성과 유용성을 극대화하기 위한 설계와 개발 과정에서 고려해야 할 핵심 요소다.

‘가설 기반 AI’를 통해 연구자들은 알려진 병원성 유전자 변종과 암의 특정 유전자 간의 상호작용을 학습 알고리즘 설계에 통합하는 등 질병에 대한 이해를 통합하는 방법을 모색할 수 있다. 이를 통해 연구자와 임상의는 어떤 구성 요소가 모델 성능에 기여하는지 파악하여 해석 가능성을 높일 수 있다. 또한, 이 전략은 데이터 세트 문제를 해결하고 열린 과학적 질문에 대한 집중을 촉진할 수 있다.

메이요 클리닉의 면역학과 교수인 다니엘 빌라도(Daniel Billadeau) 박사는 "이 새로운 종류의 AI는 암과 면역 체계 간의 상호작용을 더 잘 이해할 수 있는 새로운 길을 열었으며, 의학적 가설을 테스트할 뿐만 아니라 환자가 면역 요법에 어떻게 반응할지 예측하고 설명하는 데 큰 가능성을 제시한다"고 말했다. 빌라도 박사는 이 연구의 공동 저자이자 공동 발명가이며 암 면역학에 오랫동안 관심을 가지고 연구해 왔다.

연구팀은 가설 기반 AI가 종양 분류, 환자 계층화, 암 유전자 발견, 약물 반응 예측, 종양 공간 조직 등 모든 종류의 암 연구 애플리케이션에 활용될 수 있다고 말했다.

기계 기반 추론은 과학자들이 가설 및 생물학적, 의학적 지식을 학습 알고리즘 설계에 통합함으로써 가설을 시험하고 검증하는 데 중요한 역할을 한다.

리 박사는 이러한 유형의 알고리즘 개발이 전문성과 깊은 지식을 요구하기 때문에 접근성이 제한될 수 있다는 단점을 지적했다. 그는 또한 편향의 가능성에 대해 경고하며, 연구자들이 다양한 정보를 적용할 때 이를 신중히 고려해야 한다고 조언했다.

이 방법은 일반적으로 범위가 제한적이며 모든 가능한 시나리오를 포괄하지 못할 수 있기 때문에, 예상치 못한 중요한 관계를 간과할 위험이 있다.

리 박사는 "그럼에도 불구하고 가설 기반 AI는 인간 전문가와 AI 간의 활발한 상호 작용을 촉진하여 AI가 일부 전문직 일자리를 대체할 것이라는 우려를 완화해준다"고 말했다.

이러한 상호작용은 AI의 발전과 활용에 있어 인간의 역할이 여전히 중요함을 강조한다.

가설 기반 AI는 아직 초기 단계이기 때문에 편향을 최소화하고 해석을 향상시키기 위해 어떻게 지식과 생물학적 정보를 최적으로 통합할 수 있는지와 같은 중요한 질문들이 남아 있다.

리 박사는 이러한 과제에도 불구하고 가설 기반 AI는 한 걸음 더 나아간 것이라고 평가했다.

리 박사는 이런 도전에도 불구하고, 가설 기반 AI가 의미 있는 진전을 이루었다고 평가했다. 그는 이 기술이 더 깊은 이해와 개선된 치료 방법을 가능하게 하여 의학 연구를 크게 앞당길 수 있으며, 결국 환자들에게 보다 나은 치료 옵션을 제공하는 새로운 방향을 제시할 수 있다고 말했다.