Multimodal AI fuses proteomic and EHR data for rational prioritization of protein biomarkers in diabetic retinopathy

이 논문은 대규모 전자의무기록 (EHR) 데이터와 소규모 프로테오믹스 데이터를 융합한 멀티모달 AI 모델 (COMET) 을 개발하여 당뇨병성 망막병증의 생물학적 기전에 부합하는 단백질 바이오마커를 합리적으로 우선순위화하고 독립 코호트에서 검증한 연구입니다.

핵심

🍬 1. 문제: "왜 기존 치료로는 안 될까요?"

당뇨병이 있으면 눈의 혈관이 망가져 실명할 수 있습니다. 현재는 혈관 성장 인자 (VEGF) 를 막는 주사 치료 등이 있지만, 모든 환자에게 효과가 있는 것은 아닙니다. 마치 비를 막기 위해 우산 하나만 들고 다닌다면, 폭풍우가 몰아칠 때는 우산이 터질 수 있는 것과 비슷합니다.

의사들은 "이 병을 일으키는 진짜 원인이 무엇인지"를 찾기 위해 눈물 (안구 내 액체) 을 검사해 수백 가지 단백질을 찾아보지만, 너무 많은 데이터가 나오다 보니 "어떤 것이 진짜 범인인지" 가려내기 어렵습니다. 기존 방식은 단순히 "수치가 높은 것"만 골라내다 보니, 중요한 단서를 놓치기 일쑤였습니다.

🕵️‍♂️ 2. 해결책: "두 가지 단서를 합치다" (COMET)

연구팀은 두 가지 다른 종류의 단서를 합쳐 범인을 잡기로 했습니다.

1. **전자 건강 기록 **(EHR) 환자 32 만 명의 병력, 진단명, 처방전 등 거대한 데이터 (마치 수천 페이지에 달하는 방대한 수사 기록).
2. **프로테옴 **(Proteomics) 눈물에서 채취한 실제 단백질 데이터 (마치 범인에서 발견된 지문).

기존에는 이 두 가지를 따로 보거나, 데이터가 적은 소수 환자만 분석했습니다. 하지만 연구팀은 COMET이라는 새로운 AI 를 개발했습니다.

🧠 3. COMET 의 비밀: "먼저 책을 읽고, 그다음 범인을 잡는다"

COMET 의 가장 큰 특징은 **전이 학습 **(Transfer Learning)이라는 기술을 썼다는 점입니다. 이를 비유하자면 다음과 같습니다.

• 기존 방식: 범인 (질병) 을 잡으려고 **지문 **(단백질)만 보고 추리하는 것. (데이터가 너무 적어 추리가 어렵습니다.)
• COMET 방식:
  1. **1 단계 **(사전 학습) 먼저 32 만 명의 **거대한 수사 기록 **(EHR)을 읽으며 "당뇨병 환자들은 보통 어떤 증상을 보이고, 어떤 약을 먹으며, 어떤 생활을 하는지"를 통째로 배웁니다. (이건 마치 수사관이 수만 건의 사건 기록을 읽으며 감을 익히는 과정입니다.)
  2. **2 단계 **(미세 조정) 이제 지문 (단백질) 데이터가 있는 소수의 환자들에게 적용합니다. 이미 수사 기록을 잘 알고 있는 AI 가 지문을 보면, "아, 이 지문은 저 기록들과 연결되네!"라고 순식간에 범인을 찾아냅니다.

🎯 4. 결과: "우리가 놓쳤던 진짜 범인들을 찾았다!"

이 방법으로 AI 는 기존에는 놓쳤을 법한 5 가지 핵심 단백질을 찾아냈습니다.

• SERPINE1, QPCT, AKR1C2, IL2RB, SRSF6
  이 단백질들은 단순히 수치가 높은 것을 넘어, **환자의 병력 **(EHR)과 깊이 연결되어 있어, 질병을 일으키는 진짜 '주범'일 가능성이 매우 높습니다.

특히 흥미로운 점은:

• SERPINE1이라는 단백질은 병이 심해질수록 (증식성 당뇨망막병증) 수치가 확 올라갔습니다. 이는 이 단백질이 병을 더 악화시키는 열쇠일 수 있음을 의미합니다.
• 기존 방식으로는 이 단백질들을 찾기 위해 수천 명의 환자가 필요했을 텐데, AI 를 쓰니 100 명도 안 되는 소수로도 찾아낼 수 있었습니다. (비용과 시간을 획기적으로 줄인 셈입니다.)

🏥 5. 의미: "왜 이 연구가 중요할까요?"

이 연구는 의학의 새로운 시대를 열었습니다.

• 맞춤형 치료의 시작: 모든 환자에게 같은 약을 주는 게 아니라, "이 환자는 이 단백질이 문제니 이 약이 필요하다"는 식으로 정밀 의학을 가능하게 합니다.
• 새로운 치료제 개발: VEGF(기존 치료 표적) 말고도, SERPINE1 같은 새로운 표적을 찾아내어 기존 약이 듣지 않는 환자들을 위한 새로운 치료제를 개발할 수 있는 길을 열었습니다.
• 데이터의 재발견: 병원 기록 (EHR) 이 단순히 '문서'가 아니라, 실제 생체 분자 (단백질) 와 연결된 보물 지도임을 증명했습니다.

📝 한 줄 요약

"32 만 명의 병력 기록을 먼저 공부한 AI 가, 소수의 눈물 샘플을 분석해 당뇨로 실명하는 병의 진짜 원인을 찾아내고, 새로운 치료제를 개발할 수 있는 길을 터뜨렸다!"

이 연구는 인공지능이 의사와 함께 협력하면, 우리가 상상하지 못했던 질병의 비밀을 풀고 더 많은 생명을 구할 수 있음을 보여줍니다.

기술 요약

논문 요약: 다중 모달 AI 를 활용한 당뇨망막병증 (DR) 단백질 바이오마커의 합리적 우선순위 선정

1. 연구 배경 및 문제 제기 (Problem)

• 당뇨망막병증 (DR) 의 치료 한계: 기존 치료법 (VEGF 억제제, 스테로이드 등) 은 일부 환자에서만 효과적이며, 질병의 이질적인 생물학적 경로를 완전히 해결하지 못함.
• 오믹스 (Omics) 연구의 한계:
  • 고비용으로 인해 샘플 크기가 작아 (수십~수백 명) 일반화 및 재현성이 떨어짐.
  • 수백 개의 차등 발현 단백질 목록을 생성하지만, 임의의 Fold-change 및 FDR 임계값에 의존하여 가장 생물학적으로 중요한 바이오마커를 선별하는 데 어려움이 있음.
• 전자의무기록 (EHR) 데이터의 활용 부재: 대규모 환자 데이터를 포함하는 EHR 은 임상적 통찰력을 제공하지만, 분자 수준의 질병 기전을 설명하지는 못함.
• 필요성: EHR 데이터와 오믹스 데이터를 융합하여 편향되지 않은 방식으로 단백질 바이오마커를 합리적으로 우선순위화할 수 있는 새로운 접근법 필요.

2. 방법론 (Methodology)

연구팀은 COMET (Clinical and Omics Multi-Modal Analysis Enhanced with Transfer Learning) 라는 새로운 다중 모달 딥러닝 아키텍처를 개발 및 적용했습니다.

• 데이터 수집:
  • EHR 데이터: STARR-OMOP 데이터베이스에서 당뇨망막병증 유무에 따른 환자 319,997 명 (대규모 코호트) 의 구조화된 EHR 데이터 추출 (2,531 개 특성, 총 8 억 9 천만 개 이상의 데이터 포인트).
  • 프로테오믹스 데이터: 발견 코호트 (Discovery Cohort, N=101) 와 검증 코호트 (Validation Cohort, N=164) 의 방수 (aqueous humor) 액체 생검 샘플을 수집하여 고해상도 프로테오믹스 프로파일링 (aptamer-based SomaScan assay) 수행.
• COMET 모델 아키텍처 및 학습 전략:
  • 2 단계 학습 (Two-stage Learning):
    1. Pretraining (사전 학습): 대규모 EHR 데이터만 있는 환자 (N=319,896) 를 사용하여 EHR 패턴을 학습.
    2. Fine-tuning (미세 조정): EHR 과 프로테오믹스 데이터를 모두 가진 소규모 환자 (N=101) 를 사용하여 모델을 미세 조정. 이를 통해 임상적 특징과 분자적 특징 간의 상관관계를 학습.
  • 기술적 세부사항: 시계열 EHR 데이터 처리를 위해 Word2Vec 임베딩과 RNN(Recurrent Neural Network) 을 사용. EHR 데이터의 잠재 표현 (latent representation) 을 생성하여 오믹스 데이터와 통합.
• 비교 분석: COMET 모델의 성능을 다음 모델들과 비교 평가:
  1. EHR 데이터만 사용.
  2. 프로테오믹스 데이터만 사용.
  3. 사전 학습 없이 EHR 과 프로테오믹스를 결합.
• 검증: 독립적인 검증 코호트 (N=164) 에서 우선순위 선정된 단백질들의 발현을 확인. TEMPO 기법을 사용하여 단백질의 세포 기원 (망막 신경세포, 면역세포, 혈관세포 등) 추적.

3. 주요 결과 (Key Results)

• 모델 성능 향상:

  • COMET 모델은 다른 모든 모델 (EHR 만, 프로테오믹스 만, 사전 학습 없는 결합 모델) 보다 우수한 성능을 보임.
  • AUROC: COMET (0.98) vs. EHR 만 (0.76), 프로테오믹스 만 (0.92), 결합 모델 (0.92).
  • AUPRC: COMET (0.91) vs. EHR 만 (0.47), 프로테오믹스 만 (0.74), 결합 모델 (0.73).
  • 사전 학습 (Transfer Learning) 이 모델의 예측 정확도와 분별력을 크게 향상시킴을 입증.

• 우선순위 선정된 단백질 바이오마커:

  • COMET 모델이 기존 모델보다 중요도가 높게 평가한 5 가지 단백질 (SERPINE1, QPCT, AKR1C2, IL2RB, SRSF6) 을 식별.
  • 특히 IL2RB와 SRSF6는 기존 통계적 방법 (FDR < 0.05, |log2FC| > 2) 으로 발견하기 어려웠을 가능성이 높은 단백질들이었으나, EHR 데이터와의 연관성을 통해 선별됨.
  • 이 단백질들은 당뇨망막병증의 병리생리학적 기전 (혈전증, 신경염증, 스플라이싱 조절 등) 과 밀접한 관련이 있음.

• 질병 특징과의 연관성:

  • SERPINE1의 수치는 비증식성 당뇨망막병증 (NPDR) 보다 증식성 당뇨망막병증 (PDR) 환자에서 유의하게 높았음.
  • STX3와 NOTCH2는 황반부종 (DME) 진단, 시야 검사 기록, 라타노프로스트 처방과 군집화되어, 단백질과 임상적 특징 간의 정렬 (alignment) 을 보여줌.

• 생물학적 의미 있는 EHR 표현:

  • COMET 모델은 EHR 데이터의 잠재 표현 (latent representation) 과 프로테오믹스 데이터 간의 상관관계를 기존 모델 (평균 R=0.08) 보다 훨씬 높게 (평균 R=0.21) 증가시킴.
  • 이는 EHR 데이터가 단백질 수준의 생물학적 기전과 더 잘 연결됨을 의미.

• 세포 기원 추적:

  • TEMPO 분석을 통해 우선순위 선정된 단백질들이 망막 신경세포, 면역세포, 혈관세포 등 다양한 안구 세포에서 유래함을 확인. 이는 DR 이 전신적 부담뿐만 아니라 눈 내부의 세포 자율적 기전 (cell-autonomous mechanisms) 에 의해서도 발생함을 시사.

4. 연구의 의의 및 기여 (Significance & Contributions)

• 새로운 바이오마커 발견 프레임워크: 소규모 오믹스 연구의 재현성 문제를 해결하고, 대규모 EHR 데이터를 활용하여 생물학적으로 타당한 바이오마커를 선별하는 혁신적인 2 단계 프레임워크 (COMET) 를 제시.
• 편향 없는 발견 (Hypothesis-agnostic): 연구자의 가설에 의존하지 않고, 데이터 기반의 무작위 탐색을 통해 새로운 치료 표적 (예: QPCT, AKR1C2 등) 을 발견 가능.
• 임상적 적용 가능성: 식별된 단백질들은 기존 VEGF 경로와 다른 기전을 가질 가능성이 있어, VEGF 억제제에 반응하지 않는 환자들을 위한 새로운 표적 치료제 개발의 기초를 제공.
• 데이터 융합의 가치: 전자의무기록 (EHR) 과 분자 오믹스 데이터를 융합함으로써, 단순한 임상 데이터나 분자 데이터만으로는 얻을 수 없는 시너지 효과와 생물학적 통찰력을 확보할 수 있음을 입증.

5. 결론

이 연구는 전이 학습 (Transfer Learning) 을 기반으로 한 다중 모달 AI 인 COMET 을 사용하여 당뇨망막병증의 핵심 단백질 바이오마커를 성공적으로 식별하고 검증했습니다. 이 접근법은 소규모 오믹스 데이터의 한계를 극복하고, 대규모 임상 데이터를 생물학적 기전과 연결하여 정밀의학 시대에 필요한 새로운 치료 표적을 발견하는 강력한 도구가 될 것입니다.