AI가 보이지 않는 암 징후를 인식하다

과학자들은 표준 병리 슬라이드만을 사용해 종양 내부의 보이지 않는 면역 활동을 감지하는 AI를 훈련시켰습니다.

Microsoft Research의 연구진은 여러 대학과 협력해 일반 병리 슬라이드를 분석하여 종양 내 면역 세포의 보이지 않는 내부 상태를 추론하는 AI 시스템인 GigaTIME을 최근 개발했습니다. 이는 IBM Research의 연구를 포함해, 생물학을 고립된 데이터 포인트의 집합이 아닌 공간적 시스템으로 모델링하는 AI를 구축하려는 더 광범위한 노력의 일환입니다.

“우리가 하려는 것은 쉽게 구할 수 있는 데이터를 활용해, 그렇지 않으면 얻기 어려운 정보를 추론하는 것입니다.”라고 Microsoft Research의 General Manager인 Hoifung Poon은 IBM Think와의 인터뷰에서 말했습니다. “이는 이전에는 현실적으로 불가능했던 규모에서 면역 반응을 연구할 수 있는 길을 열어줍니다.”

기술적 과제는 상당합니다. 표준 병리 슬라이드는 헤마톡실린과 에오신으로 염색되며, 이는 조직 구조와 세포 형태를 드러내는 기법입니다. 현미경 아래에서 병리학자는 외형을 통해 서로 다른 세포 유형을 식별할 수 있습니다. 하지만 이러한 상태가 면역 체계가 암과 싸우고 있는지, 아니면 그렇지 않은지를 판단하는 데 중요함에도 불구하고, 면역 세포가 활성화되었는지, 탈진 상태인지, 억제되었는지는 알 수 없습니다.

“종양 조직을 현미경으로 보면 형태를 기준으로 서로 다른 세포를 대략적으로 구분할 수는 있습니다.”라고 Poon은 말했습니다. “문제는 세포의 내부 상태를 알 수 없다는 점입니다.”

기존 방식으로 이러한 정보를 얻으려면 다중 면역형광과 같은 특수 기법이 필요하며, 이는 완료까지 수일이 걸리고 샘플당 수천 달러의 비용이 듭니다. 표준 병리 슬라이드는 몇 달러에 불과합니다.

GigaTIME은 표준 슬라이드와 고가의 면역 측정 방식으로 모두 분석된 조직 샘플을 사용해 훈련되었습니다. 이 모델은 어떤 시각적 패턴이 어떤 면역 상태에 대응하는지를 학습했으며, 이제 한쪽 정보를 바탕으로 다른 쪽을 추론할 수 있습니다.

이 시스템의 설계는 의학부터 재료 과학에 이르기까지 AI 연구 전반에서, 공간적 관계가 데이터 평균화 과정에서 사라지는 중요한 정보를 담고 있다는 인식이 확산되고 있음을 반영합니다. 예를 들어, 조직 전체에서 면역 세포 수를 평균내면 면역 체계의 행동을 결정하는 세포 간 국소적 상호작용이 사라진다고 Poon은 말했습니다.

“공간적 배치는 모든 것을 평균내서는 볼 수 없는 정보를 알려줍니다.”라고 Poon은 말했습니다. “면역 세포가 어디에 있는지, 누구와 상호작용하는지, 어떻게 조직되어 있는지가 정말 중요합니다.”

Poon은 이러한 공간적 패턴을 일종의 생물학적 문법에 비유했습니다. “이 패턴들은 암의 상태와 면역 체계가 이를 어떻게 인식하고 있는지를 알려줍니다.”라고 그는 말했습니다.

IBM Research에서는 영상, 분자 데이터, 임상 정보를 통합하는 멀티모달 AI 시스템을 개발하는 유사한 접근 방식을 추진해 왔습니다. 목표는 생물학을 고립된 측정값이 아니라 여러 스케일에 걸쳐 작동하는 상호 연결된 시스템으로 포착하는 것입니다.

“생물학은 단일한 정보 계층이 아닙니다.” IBM 헬스케어 및 생명과학 연구 부문 최고 과학 책임자인 Ajay Royyuru는 IBM Think와의 인터뷰에서 이렇게 말했습니다. “이는 다중 스케일이며, 구조화되어 있고, 맥락을 가집니다. 한 단면만 보면 실제로 행동을 움직이는 요인을 놓치게 됩니다.”

Royyuru는 공간적 맥락이 세포 기능에 있어 근본적이며, AI 시스템이 이제 막 이를 드러내기 시작하고 있다고 강조했습니다. “한 세포가 다른 세포 바로 옆에 있으면 직접 소통할 수 있습니다.”라고 그는 말했습니다. “하지만 열 개 떨어진 세포에는 동일한 신호가 전달되지 않습니다.”

두 연구자 모두 이러한 시스템이 실험을 대체하는 것이 아니라, 실험을 안내하고 가설을 생성하기 위한 연구 도구임을 강조했습니다.

“이는 실험을 대체하는 것이 아닙니다.”라고 Poon은 말했습니다. “AI를 활용해 어디를 살펴보고 어떤 질문을 던질지를 안내하는 것입니다.”

이 구분이 중요한 이유는, 이러한 AI 툴이 분석하는 생물학적 시스템이 여전히 매우 복잡하기 때문입니다. GigaTIME이 다루는 영역인 암은 선택 압력 아래에서 진화하고 치료에 적응하며, 이는 여전히 연구자들을 혼란스럽게 만듭니다.

“대부분의 암 세포를 제거하더라도 내성이 있는 세포 하나가 남아 있으면 다시 급격히 재발할 수 있습니다.”라고 Poon은 말했습니다. “그래서 암은 계속 재발합니다.”

Royyuru는 AI가 생물학 연구에 기여할 수 있는 바를 이제 막 이해하기 시작한 단계이며, 겸손한 접근이 여전히 필요하다고 말했습니다. “우리는 수십억 년에 걸쳐 진화해 온 시스템을 연구하고 있습니다.”라고 그는 말했습니다. “더 많은 것을 측정할 수 있다고 해서, 그 시스템이 우리에게 스스로를 드러낼 의무는 없습니다.”