적절한 환자, 적절한 복용량, 적절한 시간

인공지능(AI)은 유망한 잠재력을 보여주었지만, 그 활용은 대부분 이론적이고 회고적인 수준에 머물러 있었습니다. 싱가포르 국립대학교 용루린 의과대학(NUS Medicine) 연구진은 AI 플랫폼을 활용하여 싱가포르 국립대학교 암연구소(NCIS) 환자 10명을 대상으로 정확한 용량 조절 권고를 제시하는 데 성공했습니다.

NUS 의대 디지털 의학 연구소(WisDM) 소장인 딘 호 교수가 이끄는 연구팀은 싱가포르에서 진행성 고형 종양 진단을 받은 10명의 환자의 암 바이오마커인 CEA와 CA125를 추적하여 각 환자마다 맞춤형 '디지털 쌍둥이'를 만들었습니다.

다양한 약물 용량에 따른 바이오마커 변화를 분석하여 각 환자의 치료 계획을 조정하기 위한 정확한 권고안을 도출했습니다. 2020년 8월 첫 투여부터 2022년 9월 마지막 투여까지 임상의들은 권장 용량의 97.2%를 수용했으며, 일부 환자는 평균 약 20% 낮은 최적 용량을 투여받았습니다.

이 연구는 개인 맞춤형 종양학으로의 전환 가능성을 시사합니다. 개인 맞춤형 종양학은 치료 중 각 환자에 맞게 약물 용량을 동적으로 조절하여 모든 환자에게 동일하게 적용되는 표준 치료 요법을 고수하는 대신, 비용을 절감할 수 있는 잠재력을 제공합니다.

환자 치료에 대한 이러한 접근 방식은 Ho 교수와 그의 팀이 개발한 CURATE.AI 플랫폼을 통해 가능해졌습니다. 이 플랫폼은 약물 유형, 약물 복용량, 암 바이오마커와 같은 환자의 임상 데이터를 활용하여 개인화된 디지털 프로필을 생성하고, 화학 요법 치료 중에 맞춤형 최적 복용량을 결정하는 최적화 플랫폼입니다.

호 교수는 "저희 팀은 AI 기반 치료를 실제 임상 환경에 적용한 몇 안 되는 정밀 의학 분야 연구팀 중 하나입니다. 저희 연구 결과는 의료 분야에서 의미 있는 이정표로, 개인 데이터를 기반으로 한 전향적 실시간 치료 최적화를 보여줍니다. 현재 데이터 수집은 여전히 ​​주로 인구 기반입니다.

특히 많은 환자 데이터가 수집되지만, 대부분은 스냅샷입니다. 환자는 시간이 지남에 따라 변화하지만, 치료는 인구 데이터를 기반으로 진행되며, 치료 과정에서 각 환자의 상태 변화를 제대로 반영하지 못합니다. AI를 활용하여 바이오마커와 환자 데이터를 기반으로 약물 용량을 조절함으로써 개인 맞춤 의학의 새로운 지평을 열었습니다."라고 말했습니다. 호 교수는 또한 NUS 디자인 및 공학 대학(CDE)의 생체공학과 학과장이며, NUS N.1 건강 연구소 소장이기도 합니다.

연구 당시 NUS 의대 내과와 NUS N.1 건강연구소 소속이었던 이 연구의 임상 책임자인 라가브 순다르(Raghav Sundar) 부교수는 "이것은 암 환자를 위한 개인 맞춤형 항암제 투여를 위한 중요한 첫걸음입니다.

많은 임상의들이 환자를 위해 이러한 목표를 바랐지만, 아이디어를 실제 임상에 적용하는 데 매우 어려움을 겪었습니다. 이 연구 시험에서 얻은 데이터는 종양학 분야에서 정밀 약물 투여 분야의 다음 단계를 위한 기반을 제공합니다."라고 말했습니다. 라가브 부교수는 연구 당시 NCIS 혈액종양학과의 선임 컨설턴트이기도 했습니다. 그는 현재 예일 의대 내과(내과 종양학 및 혈액학) 부교수로 재직 중입니다.

AI 기반 개인 맞춤 의학 분야가 지속적으로 발전함에 따라, 본 연구는 더욱 정확할 뿐만 아니라 각 환자의 치료 요구에 맞춰 조정되는 데이터 기반 접근법을 통합하여 임상 치료를 혁신할 수 있는 토대를 마련합니다.

Nature Partner Journals(NPJ) Precision Oncology 에 게재된 이 연구는 CURATE.AI 플랫폼의 기존 치료법 대비 효과를 검증하기 위해 설계를 더욱 개선하여 대규모 무작위 대조 시험으로 확장될 예정입니다. 이 플랫폼의 잠재적 응용 분야는 종양학을 넘어 면역요법, 고혈압, 장수 분야 내 건강수명 의학 등 다른 치료 분야에도 이미 적용되고 있습니다.

이 연구의 공동 저자이자 WisDM, NUS 의대, NUS N.1 건강연구소에서 Ho 교수 연구팀의 박사 과정생인 나이젤 푸는 "데이터 수집량이 항상 중요한 것은 아닙니다. 치료의 맥락에서는 데이터를 어떻게 수집하느냐가 중요합니다. 약물 용량 변화와 암 표지자 변화를 연결함으로써 다양한 약물이 시간 경과에 따라 어떻게 상호작용하는지 더 잘 이해할 수 있습니다.

디지털 트윈을 활용하여 개별 환자 치료를 안내하는 저희의 방법은 특히 이 분야가 전통적으로 진단이나 예측을 위한 데이터의 소급 활용에 중점을 두어 왔다는 점을 고려할 때 중요한 진전입니다."라고 덧붙였습니다. 그는 또한 NUS CDE 생체의공학과 소속입니다.

출처: https://www.sciencedaily.com/releases/2025/04/250424121645.htm