Deep representation learning for temporal inference in cancer omics: a systematic review

이 체계적 문헌 고찰은 암 오믹스 데이터에서 시계열적 추론을 위해 딥러닝 표현 학습 (특히 VAE) 을 적용한 기존 연구가 주로 하위 유형 분류 및 예후에 집중하고 있으며, 종단 데이터의 부재로 인해 시간적 역동성을 충분히 반영하지 못하고 있음을 지적하고, VAE 를 생성 모델로 활용하여 암 진행의 시간적 특성을 연구할 것을 제안합니다.

핵심

이 논문은 **"암이라는 복잡한 미로를 시간의 흐름에 따라 어떻게 지도로 그려낼 수 있을까?"**라는 질문에서 시작합니다.

간단히 말해, 이 연구는 **인공지능 (딥러닝)**을 이용해 암 데이터를 분석하는 기존 방법들을 검토하고, 특히 **"시간의 흐름 (암이 어떻게 변해가는지)"**을 제대로 파악하지 못하는 문제를 지적하며, 더 나은 해결책을 제안합니다.

이 내용을 일상적인 비유로 설명해 드리겠습니다.

---

1. 암은 '정지된 사진'이 아니라 '흐르는 강'입니다

지금까지 암 연구는 주로 **스냅샷 (정지된 사진)**을 찍는 방식이었습니다.

• 비유: 암 환자를 찍은 사진을 한 장씩 보는 것과 같습니다. "이 환자는 암 1 기야", "저 환자는 3 기야"라고 분류는 하지만, 어떻게 1 기에서 3 기로 변해갔는지 그 과정은 알 수 없습니다.
• 문제점: 암은 정지된 상태가 아니라, 끊임없이 변하고 진화하는 살아있는 생물입니다. 하지만 우리가 가진 데이터는 대부분 "지금 이 순간"의 상태만 보여줍니다.

2. 인공지능의 역할: '요약하는 천재' (VAE)

논문에서 주로 이야기하는 **VAE(변분 오토인코더)**라는 인공지능은 **'고차원 데이터를 요약하는 천재'**입니다.

• 비유: 수백 페이지에 달하는 복잡한 암 유전자 데이터 (전체 책) 를 한두 줄의 핵심 요약문 (잠재 공간, Latent Space) 으로 줄여주는 역할입니다.
• 기존 활용: 이 천재는 주로 "이 환자는 A 형인가 B 형인가?" (진단), "이 환자는 얼마나 살까?" (예후), "어떤 유형인가?" (하위 분류) 를 구분하는 데는 아주 훌륭했습니다. 하지만 **"시간이 흐르면서 어떻게 변할까?"**를 예측하는 데는 아직 서툴렀습니다.

3. 왜 시간 (시간의 흐름) 을 파악하기 어려울까요?

논문은 두 가지 큰 장벽을 지적합니다.

1. 데이터의 부재 (시간 여행 불가): 암을 연구하려면 환자를 매일, 매달 추적해서 혈액이나 조직을 채취해야 합니다. 하지만 환자를 계속 찌르고 잘라낼 수는 없죠. 그래서 시간이 지남에 따라 같은 사람의 몸에서 변하는 과정을 연속적으로 찍은 데이터 (종단 데이터) 가 매우 부족합니다.
2. 불규칙한 진화: 사람마다 암이 변하는 속도가 다릅니다. 어떤 이는 1 년 만에 4 기가 되고, 어떤 이는 5 년을 버팁니다. 같은 '시간'을 보냈어도, 암의 '상태'는 완전히 다를 수 있습니다.

4. 현재 우리가 쓰는 '임시방편'들

데이터가 부족하니까 과학자들은 몇 가지 지혜를 발휘했습니다.

• 단계를 시간으로 착각하기: "1 기, 2 기, 3 기, 4 기"라는 단계를 시간의 흐름처럼 취급합니다. (예: 1 기 환자들과 4 기 환자들을 비교해서 "시간이 흐르면 이렇게 변하는구나"라고 추측). 하지만 이는 다른 사람끼리 비교하는 것이므로 정확하지 않습니다.
• 가상의 시간 (Pseudo-time): 세포 하나하나를 분석하는 '단일 세포' 데이터를 이용해, 세포들이 어떻게 분화해 나가는지 가상의 시간 순서를 만들어냅니다. 이는 세포 수준의 이야기일 뿐, 환자 전체의 시간을 대체하기엔 부족합니다.

5. 이 논문이 제안하는 새로운 길: "생각하는 인공지능 (생성 모델)"

이 논문은 **"단순히 분류하는 AI 가 아니라, 미래를 상상하고 만들어내는 AI"**를 제안합니다.

• 비유: 과거의 정지된 사진들 (1 기, 2 기, 3 기 데이터) 만 가지고 있으면, 그 사이를 연결하는 '애니메이션'을 만들어낼 수 있는 AI를 써야 합니다.
• VAE 의 잠재력: VAE 는 이미 데이터를 요약할 뿐만 아니라, 새로운 데이터를 만들어내는 (생성하는) 능력도 있습니다.
  • "1 기 데이터와 3 기 데이터를 보고, 그 사이인 '가상의 2 기' 데이터를 AI 가 만들어내게 하세요."
  • "환자 A 와 환자 B 의 데이터를 바탕으로, '시간이 흐르면 암이 어떻게 변할지' 시뮬레이션하세요."
• 기대 효과: 이렇게 하면 실제 환자를 계속 추적하지 않아도, 암이 어떻게 진화하는지에 대한 완전한 지도를 그릴 수 있게 됩니다.

6. 결론: 우리가 가야 할 길

이 논문은 다음과 같이 요약할 수 있습니다.

"지금까지 우리는 암을 사진으로만 분석했습니다. 하지만 암은 영화입니다. 우리는 AI 를 이용해 정지된 사진들을 이어 시간이 흐르는 영화를 만들어야 합니다. 이를 위해 '생성형 AI(VAE)'를 더 적극적으로 활용하고, 환자 데이터를 시간 순서대로 정렬할 수 있는 새로운 방법들을 개발해야 합니다."

한 줄 요약:
암 데이터를 단순히 분류하는 것을 넘어, 인공지능이 시간의 흐름 속에서 암이 어떻게 변해가는지 '상상하고 만들어내는' 시대로 나아가야 한다는 주장입니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 암의 복잡성과 동적 특성: 암은 정적이지 않고 시간에 따라 진화하는 동적인 질병입니다. 그러나 기존의 오믹스 (omics) 기반 연구들은 주로 단일 시점 (cross-sectional) 데이터를 기반으로 하여, 질병의 진행 과정이나 진화적 역동성을 충분히 포착하지 못하고 있습니다.
• 종단 데이터 (Longitudinal Data) 의 부재: 동일한 환자나 생물학적 샘플에서 반복적으로 데이터를 수집하는 종단 연구는 윤리적, 임상적 제약 (샘플의 파괴적 특성, 추적 관찰의 어려움 등) 으로 인해 매우 드뭅니다. 이로 인해 환자 간 이질성으로 인해 시간적으로 정렬되지 않은 데이터가 주를 이루고 있습니다.
• 딥러닝의 한계: 딥러닝 (Deep Learning, DL) 과 딥 표현 학습 (Deep Representation Learning, DRL) 은 암의 고차원 데이터를 처리하는 데 널리 사용되지만, 대부분 진단, 예후, 하위 유형 분류 (subtyping) 에 집중되어 있으며, 시간적 정보 (temporal information) 를 명시적으로 모델링하는 경우는 드뭅니다.
• 핵심 질문: DRL, 특히 변이 오토인코더 (VAE) 를 사용하여 암 오믹스 데이터에서 시간 관련 과정 (종양 진행, 진화 역학) 을 어떻게 모델링할 수 있으며, 현재 어떤 한계가 존재하는가?

2. 방법론 (Methodology)

• 체계적 문헌 고찰 (Systematic Literature Review, SLR):
  • 검색 범위: 2014 년 (VAE 도입 연도) 부터 2024 년까지의 논문.
  • 데이터베이스: Google Scholar, Scopus, Web of Science.
  • 검색어: "Deep Learning/Representation Learning/VAE" AND "Omics" AND "Cancer/Tumor" AND "Progression/Evolution/Trajectory/Longitudinal".
  • 선정 기준: 암의 진화나 진행을 연구하며, 오믹스 데이터를 사용한 딥러닝/표현 학습 논문.
  • 결과: 초기 440 건의 검색 결과 중, 제목/초록 검토 후 44 건, 전체 텍스트 검토 후 최종 21 건의 논문을 선정하여 분석했습니다.
• 분석 프레임워크: 선정된 논문들을 다음 기준으로 분류 및 분석했습니다.
  1. 사용된 데이터 유형 (Bulk, Single-cell, Spatial 등).
  2. 시간적 대리 변수 (Temporal Proxy) 의 사용 (실제 시간, 임상적 단계, 의사시간 등).
  3. 적용된 모델 아키텍처 (VAE, LSTM, Transformer 등).
  4. 주요 응용 분야 (진단, 예후, 하위 유형 분류 등).

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 현재 연구 동향

• 주요 응용 분야: DRL 및 VAE 는 암 연구에서 하위 유형 분류 (Subtyping), 진단 (Diagnosis), 예후 (Prognosis) 에 가장 널리 사용됩니다.
• 데이터 유형: 단일 세포 오믹스 (Single-cell omics) 데이터, 특히 최근 급증한 공간 전사체학 (Spatial Transcriptomics, ST) 데이터가 시간 관련 연구에서 가장 많이 활용됩니다.
• 시간적 접근 방식의 한계:
  • 실제 시간 (Real-time) 데이터를 사용하는 연구는 극히 드뭅니다.
  • 대부분의 연구는 의사시간 (Pseudo-time) 추론 (단일 세포 데이터 기반) 이나 임상적 단계 (Stages, 예: TNM 분류) 를 시간의 대리 변수로 사용합니다.
  • 임상적 단계를 사용할 경우, 환자 간 진행 속도의 차이로 인해 단계 간 구분이 모호하고 불균형한 데이터 분포를 보입니다.

B. 모델별 특징 및 비교 (Table 3 기반)

• VAE (Variational Autoencoder):
  • 장점: 잠재 공간 (Latent Space) 을 통해 데이터의 기하학적 구조를 보존하면서도 생성적 능력 (Generative Capability) 을 제공합니다. 이를 통해 결측치 보정, 데이터 증강, 그리고 시간 축을 따른 궤적 보간 (Trajectory Interpolation) 이 가능합니다.
  • 역할: 암의 역동성을 재구성하는 데 가장 유망한 도구로 평가받았으나, 대부분 비지도 학습으로 훈련되어 시간 정보를 명시적으로 포함하지는 않습니다.
• LSTM/GRU/Transformer:
  • 시계열 데이터의 장기 의존성을 학습하는 데 적합하지만, 오믹스 데이터의 고차원성과 이질성을 처리할 때 해석 가능성 (Interpretability) 이 낮아지는 경향이 있습니다.
• 생성 모델의 잠재력: 조건부 VAE (CVAE) 등을 사용하여 특정 암 단계 (Stage) 에 해당하는 합성 데이터를 생성하고, 이를 통해 데이터 불균형을 해결하거나 진행 과정을 시뮬레이션하는 시도가 이루어지고 있습니다.

C. 주요 발견

1. 종단 데이터의 부재: 실제 환자 기반의 종단 오믹스 데이터는 매우 부족하며, 기존에 존재하는 데이터조차 환자 간 정렬이 되어 있지 않습니다.
2. 단일 세포 데이터의 우세: 시간적 역학을 분석하는 데 있어 단일 세포 데이터가 Bulk 데이터보다 더 많이 사용되며, 이는 세포 수준의 이질성을 포착할 수 있기 때문입니다.
3. 생성적 AI 의 기회: VAE 를 생성 모델로 활용하여 시간적으로 정렬된 합성 인스턴스 (Synthetic instances) 를 생성하거나, 다른 임상 단계를 가진 샘플들을 정렬하여 진행 경로를 추론하는 접근법이 필요합니다.

4. 의의 및 향후 방향 (Significance & Future Directions)

• 임상적 전환의 필요성: 암은 동적인 과정이므로, 정적인 진단을 넘어 시간에 따른 진행 (Progression) 을 예측할 수 있는 모델 개발이 필수적입니다.
• VAE 의 역할 강화: VAE 는 생성적 능력을 통해 실제 관측되지 않은 시간점 (Out-of-sample) 의 데이터를 추론하거나, 임상 단계 간 불균형을 해소하는 합성 데이터를 생성함으로써 시간적 추론의 격차를 메꿀 수 있습니다.
• 필요한 과제:
  • 검증 전략: 생성된 합성 데이터의 생물학적 타당성 (Fidelity), 유용성 (Utility), 그리고 환자 프라이버시 보호를 위한 검증 프레임워크가 필요합니다.
  • 데이터 구축: TCGA, TRACERx, PDX 모델 등 시간 정보가 포함된 대규모 데이터셋의 구축과 표준화가 필요합니다.
  • 해석 가능성: 생성 모델의 "할루시네이션 (Hallucination)" 문제를 방지하고 임상적 신뢰도를 높이기 위해 설명 가능한 AI (Explainable AI) 기법과의 결합이 필요합니다.

결론

본 논문은 암 오믹스 연구에서 딥 표현 학습 (특히 VAE) 이 진단과 예후에는 성공적으로 적용되었으나, 시간적 역동성을 모델링하는 데는 여전히 초기 단계임을 지적합니다. 종단 데이터의 부족이라는 구조적 한계를 극복하기 위해, VAE 를 활용한 생성적 모델링과 합성 데이터 증강이 암 진행 과정 이해 및 개인화된 치료 개발에 중요한 열쇠가 될 것이라고 결론지었습니다.