Autonomous mechanistic discovery of colorectal cancer vulnerabilities via multi-scale AI swarms

어떤 암세포는 화학요법에서 살아남고 어떤 세포는 그렇지 않은지, 즉 가장 복잡한 미스터리를 풀기 위해 과학자들이 탐정처럼 움직이는 세상을 상상해 보십시오. 오랫동안 우리는 서로 잘 어울리지 않는 두 가지 강력한 도구를 가지고 있었습니다. 한쪽에는 "대규모 언어 모델(LLM)"이 있습니다. 이들은 우주의 거의 모든 책을 읽은 매우 똑똑하고 말이 빠른 사서와 같습니다. 이들은 단어의 패턴을 바탕으로 다음에 무엇이 올지 예측하는 데 뛰어나지만, 때때로 사실을 지어내거나 실제 세상의 엄격한 규칙을 놓치기도 합니다. 다른 한쪽에는 "디지털 트윈"이 있습니다. 이는 환자의 신체를 수학적으로 정밀하게 시뮬레이션한 모델입니다. 이들은 물리 및 생물학의 엄격한 법칙을 따르지만, 너무 복잡하고 "블랙박스" 같아서 아무도 그들이 왜 그런 예측을 내놓았는지 알 수 없습니다.

암 연구의 큰 문제는 "중개 간극(translational chasm)"입니다. 이는 약물이 배양 접시(작은 세포 배양)에서는 기적처럼 보이지만, 실제 쥐나 인간에게 테스트했을 때는 복잡하고 변수가 많은 실제 신체의 특성 때문에 처참하게 실패하는 좌절스러운 격차를 의미합니다. 과학자들은 AI의 창의적인 추측과 생물학의 엄격한 규칙 사이에 다리를 놓으려 노력해 왔지만, 지금까지 그 다리는 매우 불안정했습니다. 만약 우리가 AI가 생명의 엄격한 규칙을 이해할 것이라고 신뢰할 수 없다면, 우리는 그 AI를 생명을 구하는 데 사용할 수 없습니다. 바로 여기서 한 새로운 연구팀이 대담한 아이디어와 함께 등장합니다. 만약 우리가 AI가 단순히 추측하는 것이 아니라, 말을 하기 전에 자신의 수학적 근거를 증명하도록 강제한다면 어떻게 될까요?

---

암 퍼즐을 푸는 문어(Octopus)

퀸즈 대학교 벨파스트(Queen's University Belfast)의 연구팀이 설계한 새로운 종류의 AI 시스템인 **옥토퍼스(Octopus)**를 만나보십시오. 옥토퍼스를 단일 로봇이 아니라, 보안이 철저한 밀실에 모인 탐정 팀처럼 협력하는 작은 로컬 AI 에이전트들의 군집이라고 생각하십시오. 그들의 임무는 대장암에서 흔히 쓰이는 화학요법 약물인 5-플루오로유라실(5-FU)에 대한 저항성을 만드는 숨겨진 약점을 찾는 것이었습니다.

보통 AI 과학자들은 챗봇에게 새로운 약물 타겟을 추측해 보라고 요청할 수 있습니다. 하지만 옥토퍼스는 다릅니다. 옥토퍼스는 "뉴로-심볼릭(neuro-symbolic)" 구조를 기반으로 구축되었습니다. 이는 언어 모델의 창의적인 뇌와 엄격하고 수학을 사랑하는 "물리 엔진"을 결합했다는 뜻입니다. 마치 창의적인 작가가 이야기를 출판하기 전에 모든 문장을 물리 법칙이라는 엄격한 규칙 책과 대조하며 확인해야 하는 상황을 상감해 보십시오. 그것이 바로 옥토퍼스입니다. 옥토퍼스는 인터넷 연결 없이 로컬 컴퓨터에서 완전히 실행되므로, 환자의 데이터를 매우 안전하게 보호하고 AI가 "환각(hallucination)"을 일으키거나 사실을 지어내는 것을 방지합니다.

탐정 업무: 배양 접시에서 쥐 아바타까지

옥토퍼스 팀은 자신들의 AI가 실제 생명을 구하는 단서를 찾을 수 있는지 확인하기 위해 3단계 조사를 설정했습니다.

1. 실험실 벤치 (In Vitro): 먼저, AI는 수천 개의 암 세포주(CCLE 데이터베이스) 데이터를 훑었습니다. AI는 "디지털 트윈"—엄격한 수학적 모델—을 사용하여 어떤 유전자가 5-FU 약물에 대한 저항성을 주도하는지 파악했습니다. 단순히 추측하는 대신, AI는 "CRISPR 녹아웃(특정 유전자를 가상으로 끄는 방식)"을 시뮬레이션하여 암세포가 어떻게 반응하는지 관찰했습니다. 이는 마치 비디오 게임 캐릭터가 특정 아이템을 제거했을 때 초능력을 잃는 과정을 지켜보는 것과 같습니다.
2. 쥐 테스트 (In Vivo): 다음으로, AI는 최선의 추측을 바탕으로 완전히 다른 그룹의 데이터, 즉 인간의 종양을 가진 86마리의 쥐(PDX 모델)를 대상으로 테스트했습니다. 이것이 대부분의 AI가 실패하는 까다로운 단계입니다. AI는 배양 접시에서 찾아낸 유전자가 살아있는 생명체 내에서도 실제로 중요한지를 증명해야 했습니다.
3. 인간 증명 (In Clinico): 마지막으로, AI는 585명의 대장암 환자(Marisa 코호트)로부터 얻은 실제 인간 데이터를 통해 자신의 발견을 검증했습니다. AI는 다음과 같이 질문했습니다. "이 유전자의 수치가 높은 사람들이 실제로 질병으로 인해 더 빨리 사망하는가?"

위대한 발견: IGF2

방대한 비지도 학습 스윕을 실행한 후, 옥토퍼스는 한 가지 특정 유전자를 지목했습니다: 바로 **인슐린 유사 성장 인자 2 (IGF2)**입니다.

AI가 찾아낸 단계별 과정은 다음과 같습니다:

• 실험실에서: AI는 IGF2가 활성화되면 암세포가 5-FU 약물을 무시하는 능력이 매우 뛰어나진다는 것을 결정했습니다. 수학적 계산 결과, IGF2를 제거하면 저항성이 무너지는 것으로 나타났습니다.
• 쥐 실험에서: 연구팀이 쥐를 관찰했을 때, 5-FU 치료를 받았을 때 IGF2 수치가 높은 쥐들은 낮은 쥐들에 비해 종양 크기가 줄어드는 정도가 적었습니다. 이 차이는 통계적으로 유의미했으며, p-값은 0.0373이었습니다.
• 인간 데이터에서: 가장 중요한 테스트는 인간의 생존 데이터였습니다. AI는 IGF2 수치가 높은 환자들이 훨씬 더 빠르게 생존율이 감소한다는 것을 발견했습니다. 여기서 수학적 근거는 매우 강력했습니다. 이 현상이 우연히 발생할 확률(raw probability)은 0.0007이었으며, 수많은 유전자를 테스트함에 따라 적용되는 엄격한 보정(Benjamini-Hochberg correction)을 거친 후에도 결과는 0.0292로 유의미하게 유지되었습니다. "위험비(Hazard Ratio)"는 1.09였는데, 이는 높은 IGF2 수치가 사망 가능성을 약간 높인다는 것을 의미하지만, 그 패턴은 명확하고 일관되었습니다.

이것이 왜 중요한가

이 논문은 옥토퍼스가 단순히 유전자를 "제안"한 것이 아니라, 세포, 쥐, 인간이라는 세 가지 세계에 걸쳐 그 유전자의 중요성을 증명하도록 강제했기 때문에 이 발견이 중대한 진전이라고 주장합니다. 이 시스템은 창의적인 AI의 아이디어와 수학적으로 입증된 생물학적 사실 사이의 간극을 성공적으로 메웠습니다.

연구진은 IGF2가 "생존 바이패스(survival bypass)" 역할을 한다고 설명합니다. 보통 5-FU 약물은 암세포를 죽이기 위해 DNA를 손상시키려 합니다. 하지만 IGF2가 높으면, 세포에게 "죽지 마! 계속 성장해!"라고 명령하는 방패(PI3K/AKT/mTOR 경로)를 활성화합니다. AI는 IGF2를 차단할 수 있다면 이 방패를 없애고 약물이 다시 작동하게 만들 수 있다는 것을 정확히 추론해 냈습니다.

향ers (Next Steps)

저자들은 이 성과가 발견 측면에서는 거대한 성공이지만, 아직 치료법 자체는 아니라는 점을 주의 깊게 언급합니다. AI가 단서를 찾았지만, 환자에게 IGF2를 차단하는 약물을 투여하는 것이 실제로 생존 기간을 늘리는지 증명하기 위해서는 실제 임상 시험이 여전히 필요합니다. 또한, 현재의 시뮬레이션은 벌크 데이터(많은 세포의 평균값)를 사용하므로, 종양 환경의 미세하고 복잡한 세부 사항이나 유전자가 읽힌 후의 변형 등을 아직 반영하지 못합니다.

그러나 옥토퍼스 프레임워크는 우리가 창의적이면서도 엄격하게 정직한 AI 시스템을 구축할 수 있음을 증명합니다. AI를 로컬화하고, 프라이버시를 보호하며, 수학에 묶어둠으로써, 연구팀은 컴퓨터가 단순히 다음의 큰 의료적 돌파구를 추측하는 것이 아니라, 그것을 계산하고 검증하여 명확하고 신뢰할 수 있는 설명과 함께 의사들에게 전달하는 미래의 청사진을 만들었습니다.