머신러닝 도구가 미발생 원발성 암 진단에 희망을 제공하다

대부분의 암은 신체의 특정 부위에서 발생하므로, 의사가 환자를 효과적으로 치료하기 위해 발병 부위를 정확히 특정하는 것이 중요합니다. 그러나 사례의 3~5%에서는 표준 진단 검사로 원발 부위를 식별하지 못해, 미발생 원발성 암(Cancer of Unknown Primary, CUP)이라는 상태의 환자들에게는 불우한 예후가 따릅니다. 종종 의사들은 표적 치료보다 효과가 낮고 부작용이 더 많은 광범위한 치료법에 의존합니다. 그 결과 CUP 환자는 질병이 빠르게 진행되며, 생존율은 평균 6~16개월에 불과합니다.

OncoNPC 소개: 머신러닝 솔루션

매사추세츠공과대학교(MIT)와 다나파버 암 연구소의 박사과정 학생인 문인태는 CUP의 원발 부위 진단을 혁신하고자 했습니다. 차세대 염기서열 분석(NGS)은 종양 돌연변이를 식별하고 암 유형을 결정하는 데 도움을 줄 수 있지만, 생성되는 방대한 돌연변이 데이터는 초기 진단 단계에서 의사들에게 부담이 될 수 있습니다. 일반적으로 NGS는 암 유형 확인 후 표적 치료를 위해 특정 돌연변이를 특정하는 데에만 사용됩니다. 그러나 NGS는 CUP의 임상 진단 및 예후를 위해 광범위하게 탐구되지 않았습니다. 문과 동료들은 이러한 격차를 메우기 위해 OncoNPC(OncoNPC: Oncology NGS-based Primary Cancer-type Classifier)라는 머신러닝 모델을 개발했습니다. 이 혁신적인 접근 방식은 복잡한 돌연변이 데이터를 효율적으로 분석하는 것을 목표로 합니다.

머신러닝의 힘 발휘

《네이처 메디신》에 게재된 이 연구는 XGBoost 알고리즘의 능력을 활용하여 DNA 영역을 조사하고 다양한 암 유형과 가장 강하게 연관된 유전적 돌연변이 패턴을 분석합니다. 원발 암이 확인된 36,445개의 종양 샘플에서 얻은 NGS 데이터를 활용하여 연구진은 OncoNPC을 사용하여 유전적 돌연변이, 카피 수 변이, 돌연변이 서명을 식별했습니다. 이 모델은 전자 건강 기록에서 환자의 연령과 생물학적 성별도 포함했습니다. 미국 내 세 가지 다른 암 센터의 데이터로 OncoNPC을 훈련함으로써 연구진은 특정 유전적 서명과 22가지 서로 다른 암 유형을 연결했습니다. 훈련 후, 연구진은 이전에 제외된 데이터로 OncoNPC의 성능을 평가하여 인상적인 정확도율을 달성했습니다.

CUP 환자를 위한 희망의 등대

다나파버 암 연구소에서 치료받은 CUP 환자 971명의 종양에 OncoNPC을 적용한 결과, 연구진은 CUP 종양의 41.2%를 높은 신뢰도로 분류하는 데 성공했습니다. 또한, 각 암 유형을 식별하는 데 가장 관련성이 높은 유전적 특징을 식별하여, 신비로운 CUP 종양의 본질에 대해 귀중한 임상 및 생물학적 통찰력을 제공했습니다.

이러한 사례에서 원발 종양 부위가 알려지지 않았기 때문에, 모델의 정확도는 환자의 NGS 데이터와 결과를 비교하여 특정 암 유형에 대한 유전적 소인이 있는지 확인함으로써 검증되었습니다. 고무적으로도, 모델의 예측은 이러한 유전적 돌연변이에 의해 가장 강하게 나타나는 암 유형과 밀접하게 일치했습니다.

정밀 치료를 통한 환자 생존율 향상

OncoNPC 예측에 따라 환자를 치료하는 것이 생존에 미치는 영향을 평가하기 위해, 연구진은 다나파버에서 초기 치료를 받은 CUP 환자 158명을 대상으로 후향적 분석을 수행했습니다. 인증된 종양학자들은 환자 기록을 검토하여 치료가 OncoNPC의 암 유형 예측과 일치하는지 확인했습니다. 결과는 유망했으며, 첫 번째 완화 치료가 OncoNPC 예측과 일치한 CUP 환자가 치료가 일치하지 않은 환자보다 현저히 향상된 생존율을 보였기 때문입니다.

전망과 확장되는 지평

연구진은 OncoNPC의 미래에 대해 야심찬 계획을 가지고 있습니다. 모델은 다양한 인종 배경의 환자들에게 적절한 성능을 보였지만, 다양한 환자군에 걸쳐 그 효과를 확인하기 위해서는 추가 연구가 필요합니다. 또한, OncoNPC은 가장 흔한 22가지 암 유형에 초점을 맞추고 있으며, CUP이 덜 흔한 부위에서 기원한 경우 원발 부위를 식별하지 못할 수도 있습니다.

그러나 OncoNPC이 의료 분야에 미칠 잠재적 영향은 부인할 수 없습니다. NGS 종양 시퀀싱을 활용하는 병원은 종양학자들에게 추가 정보원으로 이를 통합할 수 있으며, 이는 더 정밀하고 효과적인 암 치료 결정으로 이어질 수 있습니다. 일상적인 임상 검사 데이터를 기반으로 한 이 돌파구는 오랫동안 예후가 좋지 않았던 많은 CUP 환자들에게 희망을 제공합니다.

암과의 치열한 전투 속에서 OncoNPC의 등장은 미발생 원발성 암 환자의 희망의 빛을 나타냅니다. 암 유형을 식별하는 데 있어 인상적인 정확도와 정밀 치료를 통해 환자 생존율을 향상시킬 잠재력을 갖춘 이 머신러닝 도구는 의사가 이 어려운 상태를 진단하고 관리하는 방식을 혁신할 수 있습니다. 극복해야 할 과제와 수행해야 할 추가 연구가 있지만, OncoNPC이 CUP 환자의 삶에 변화를 가져올 잠재력은 유망하고 획기적입니다.