스위스 제네바 대학 연구팀, 인공지능(ai)에 장내 미생물 학습

대변 샘플 분석 결과… ai, '탐지 정확도 90%' 달성

정밀도 높인 ai, 대장내시경 보완할 비침습적 검사 가능성 제시

대변 샘플에 있는 장내 미생물을 정밀하게 분석해 대장암을 예측하는 ai 머신러닝 기술의 정확도를 한 단계 끌어올린 연구 결과가 나왔다. 스위스 제네바 대학 연구팀은 미생물을 기존의 '종(species)'보다 세분화된 '아종(subspecies)' 단위로 분석할 때 예측 성능이 크게 향상된다는 사실을 밝혀냈다. 이번 연구는 대장내시경을 보완할 수 있는 비침습적 검사법 개발에 중요한 단서를 제공했다는 점에서 주목받는다.

연구팀은 기존의 장내 세균 분석법이 가진 한계를 극복하기 위해, 인간 장내 미생물 아종에 대한 포괄적인 카탈로그인 일명 'humsub'를 구축했다. 이후 이 방대한 데이터를 분석하기 위해 머신러닝(ai, 기계 학습) 알고리즘을 적용했다. 연구의 핵심은 장내 미생물을 기존의 '종(species)' 단위가 아닌, 훨씬 더 세분화된 '아종(subspecies)' 단위에서 분석하는 것이었다. 같은 종의 박테리아라도 아종에 따라 일부는 질병을 촉진하고 다른 일부는 아무런 영향이 없는 등 기능이 다를 수 있기 때문이다.

ai 모델은 1,000명 이상의 기존 임상 데이터를 학습하여 대변 샘플에 존재하는 박테리아의 아종 구성만으로 대장암 유무를 예측하도록 훈련받았다. 그 결과, 아종 단위로만 학습한 ai 모델은 종 단위로 학습했을 때보다 예측 정확도(auroc)가 0.785에서 0.838로 크게 향상되어 아종 분석의 우수성을 입증했다. 특히 ai 모델은 기존의 분변 잠혈 검사(fobt) 결과와 통합했을 때 대장암 사례의 약 90%를 탐지(auroc 0.893)하는 최상의 성능을 보였다.

이러한 성능 향상은 ai가 기존 분석법으로는 놓치기 쉬웠던 미세한 차이를 포착했기 때문에 가능했다. 예를 들어, 같은 종에 속하더라도 대장암과 연관된 아종과 그렇지 않은 '자매' 아종을 ai가 구별해낸 것이다. 연구팀은 이 방법이 향후 더 많은 임상 데이터와 통합되면 정확도가 더욱 향상되어 대장내시경 수준에 도달할 수 있을 것으로 보고 있다.

연구의 제1저자인 마티야 트리코비치(matija trickovic) 연구원은 "우리의 방법이 암 사례의 90%를 탐지한 결과는 매우 놀라웠다"며, "대장내시경이 달성한 94%의 발견율에 근접한 결과이며 현재의 모든 비침습적 발견 방법보다 우수하다"고 강조했다.

이번 연구 결과(subspecies of the human gut microbiota carry implicit information for in-depth microbiome research, 인간 장내 미생물 아종, 심층 마이크로바이옴 연구 위한 내재적 정보 보유)는 25년 8월 국제학술지 '셀 호스트 & 마이크로브(cell host & microbe)'에 게재됐다.