범암 면역항암제 반응 예측 AI 모델 컴퍼스 개발
범암 파운데이션 모델인 컴퍼스가 기존 바이오마커보다 높은 정확도로 면역항암제 치료 반응을 예측합니다. 생물학적 지식과 기계 학습을 결합한 이 모델은 환자별 맞춤형 치료 전략 수립에 기여할 전망입니다.
주장컴퍼스는 면역항암제 치료 반응을 예측하기 위해 개발된 범암 파운데이션 모델입니다. 이 모델은 종양 변이 부담이나 PD-L1 발현과 같은 기존 바이오마커보다 높은 정확도로 환자의 치료 반응을 예측합니다.
팩트컴퍼스는 33개 암종에 걸친 1만184개의 종양 데이터를 학습했습니다. 이후 7개 암종과 6개 면역항암제 치료를 포함하는 16개 임상 코호트에서 기존 22개 예측 모델과 성능을 비교했습니다.
팩트모델 평가 결과, 컴퍼스는 기존 방법론 대비 정확도를 평균 8.5% 향상했습니다. 정밀도-재현율 곡선 아래 면적 또한 평균 15.7% 개선한 수치를 기록했습니다.
교차검증기존 면역항암제 예측 지표인 종양 변이 부담이나 PD-L1 발현은 암종별로 예측력이 일관되지 않는 한계가 있습니다. 많은 환자가 고위험군임에도 치료에 반응하지 않거나, 저위험군이 반응하는 사례가 빈번하게 발생합니다.
팩트이러한 예측력의 차이를 극복하기 위해 생존 분석을 수행했습니다. 컴퍼스가 반응자로 분류한 환자군은 그렇지 않은 환자군보다 전체 생존 기간이 유의미하게 길었습니다.
팩트생존 분석 결과, 위험비는 4.7로 나타났으며 통계적 유의성은 0.0001 미만으로 확인했습니다.
주장컴퍼스는 개념 병목 변환기 구조를 사용하여 결과를 해석할 수 있습니다. 이 구조는 유전자 발현 데이터를 44개의 생물학적 면역 개념으로 변환하여 의료진이 치료 반응의 기전을 이해하도록 돕습니다.
팩트면역이 활성화되었음에도 치료에 반응하지 않는 환자의 경우, 컴퍼스는 TGFβ 신호 전달이나 내피세포 배제, CD4+ T세포 기능 장애 등을 주요 원인으로 식별합니다. 이러한 분석은 환자별 맞춤형 치료 전략을 세우는 데 중요한 단서를 제공합니다.
교차검증기존 전사체 기반 모델은 특정 암종에 국한되거나 고정된 유전자 서명에 의존하는 경우가 많았습니다. 컴퍼스는 학습 과정에서 보지 못한 새로운 암종이나 치료법에도 일반화가 가능하도록 설계되었습니다.
주장이번 연구는 면역항암제 반응 예측의 복잡성을 해결하기 위해 생물학적 지식과 기계 학습을 결합했습니다. 이는 임상 시험 설계 및 중개 연구에서 가설을 생성하고 환자를 계층화하는 데 유용한 도구가 됩니다.
주장컴퍼스의 범용적인 예측 능력은 향후 다양한 암 치료 현장에서 정밀 의료를 실현하는 핵심 기술로 자리 잡을 것으로 기대합니다.
출처네이처 메디신에 게재된 'Generalizable AI predicts immunotherapy outcomes across cancers and treatments' 논문을 교차 검증했습니다.
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.
