Deep learning-based stratification of Schizophrenia Spectrum Disorder from real-world data reveals distinct profiles of common and rare variant genetic signal

본 연구는 덴마크 iPSYCH 코호트의 22,092 명 실세계 데이터를 기반으로 변이 오토인코더 (VAE) 를 활용해 조현병 스펙트럼 장애를 10 개의 임상적·유전적으로 구별되는 하위 그룹으로 세분화하고, 각 그룹별 공통 및 희귀 유전 변이 신호의 특성을 규명했습니다.

Cobuccio, L., Pielies Avelli, M., Webel, H., Hernandez Medina, R., Vaez, M., Georgii Hellberg, K.-L., Hsu, Y.-H. H., Pintacuda, G., iPSYCH Study Consortium,, Rosengren, A., Werge, T., Lage, K., Rasmussen, S.

게시일 2026-04-04
📖 3 분 읽기☕ 가벼운 읽기
⚕️

이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

Each language version is independently generated for its own context, not a direct translation.

1. 문제: "조현병"은 모두 똑같지 않다

우리는 보통 '조현병'이라고 하면 한 가지 질병이라고 생각하기 쉽습니다. 하지만 실제로는 환자마다 증상이, 병의 원인, 그리고 겪는 어려움이 매우 다릅니다. 마치 **'감기'**라고 해도 어떤 사람은 코만 막히고, 어떤 사람은 고열이 나며, 어떤 사람은 폐렴까지 걸리는 것과 비슷합니다.

연구진은 "이렇게 다양한 환자들을 한 덩어리로 묶어서 치료하면 안 되겠지. 환자마다 맞는 치료법을 찾아야 해!"라고 생각했습니다.

2. 방법: AI 가 환자의 '생활 기록'을 읽다

연구진은 덴마크의 거대한 국가 의료 기록 (실제 병원 기록) 을 사용했습니다. 총 22,092 명의 데이터 (환자 11,046 명 + 건강한 사람 11,046 명) 를 분석했습니다.

  • AI 의 역할 (VAE): 연구진은 '변분 오토인코더 (VAE)'라는 AI 모델을 썼습니다. 이 AI 는 마치 수천 개의 파일이 쌓인 도서관에 들어간 초고속 서점 직원 같습니다.
    • 이 직원은 환자의 진단명, 입원 횟수, 부모님의 병력, 어린 시절의 어려움 등 131 가지 정보를 빠르게 훑어봅니다.
    • 그리고 이 복잡한 정보들을 압축해서 **'환자의 핵심 특징 (잠재 공간)'**이라는 지도를 그립니다.
    • 마치 복잡한 지도를 간단한 10 개의 구역으로 나누는 것처럼요.

3. 결과: 10 가지의 다른 '조현병' 유형 발견

AI 는 환자들을 분석한 결과, 단순히 '환자 vs 건강한 사람'으로 나누는 것을 넘어, 환자들끼리도 10 가지로 나뉜다는 것을 발견했습니다.

  • 무거운 짐을 진 그룹: 입원 횟수가 많고, 약물 중독, 자살 시도, 우울증 등 여러 문제가 겹친 환자들.
  • 발달 문제 그룹: 어릴 적부터 발달 지연이 있었고, 부모님 나이가 어렸으며, ADHD(주의력 결핍) 증상이 강한 환자들.
  • 순수한 정신 증상 그룹: 다른 정신 질환은 없는데, 정신병 증상 (환각, 망상) 만 뚜렷한 환자들.
  • 가벼운 그룹: 입원도 적고 다른 병도 없는, 비교적 증상이 가벼운 환자들.

이처럼 환자 10,000 명을 10 개의 서로 다른 '팀'으로 나누어 보니, 각 팀마다 특징이 확연히 달랐습니다.

4. 유전자와의 연결: "왜 이렇게 다를까?"

그렇다면 왜 이렇게 다를까요? 연구진은 유전자를 확인해 보았습니다.

  • 일반 유전자 (Polygenic Score): 우리 모두 가지고 있는 작은 유전자들의 합입니다.

    • 무거운 짐을 진 그룹은 조현병과 양극성 장애 (조울증) 관련 유전자가 특히 많았습니다.
    • 발달 문제 그룹은 ADHD 나 자폐 관련 유전자가 더 많았습니다.
    • 가벼운 그룹은 유전적 부담이 상대적으로 적었습니다.
    • 결론: "아, 증상이 무거운 사람들은 유전적으로도 더 많은 부담을 안고 있구나!"라는 연결고리를 찾았습니다.
  • 희귀 유전자 (Rare Variants): 드물지만 강력한 영향을 미치는 유전자 변이입니다.

    • 흥미롭게도, 가장 증상이 무거운 그룹 (입원 많이 한 그룹) 은 오히려 특정 강력한 유전자 변이가 적었습니다.
    • 반면, 발달 문제가 있는 그룹은 이 드문 유전자 변이가 더 많았습니다.
    • 이는 **"무거운 병을 앓는 사람들도 다 같은 원인으로 걸리는 건 아니다"**라는 중요한 힌트를 줍니다. 어떤 사람은 유전적 '폭탄' (드문 변이) 때문에, 어떤 사람은 유전적 '무게' (일반 변이) 때문에 병이 생길 수 있다는 뜻입니다.

5. 이 연구의 의미: "맞춤형 치료"로 가는 첫걸음

이 연구는 **"조현병은 하나의 병이 아니라, 10 가지 (또는 그 이상) 의 다른 병이 섞여 있는 것"**임을 보여줍니다.

  • 비유: 마치 **'자동차 고장'**을 생각해보세요.
    • 어떤 차는 엔진이 고장 났고 (유전적 원인 A), 어떤 차는 타이어가 펑크 났고 (유전적 원인 B), 어떤 차는 운전자가 잘못 운전해서 고장 났을 수도 있습니다 (환경적 원인).
    • 예전에는 "차 고장 났다"라고만 하고 똑같은 수리법을 썼다면, 이제는 **"엔진이 고장 난 차엔 엔진 수리를, 타이어 펑크 난 차엔 타이어를 교체"**해야 합니다.

요약

이 논문은 AI 를 이용해 실제 환자 기록을 분석함으로써, 조현병 환자들을 10 가지 유형으로 세분화했습니다. 그리고 각 유형마다 유전적 원인이 다르다는 것을 발견했습니다.

이러한 발견은 앞으로 **환자 한 명 한 명에게 딱 맞는 치료법 (정밀 정신의학)**을 개발하는 데 중요한 초석이 될 것입니다. "모든 환자에게 같은 약을 주는 시대"에서 "내 유전자와 증상에 맞는 약을 주는 시대"로 가는 길입니다.

이런 논문을 받은편지함으로 받아보세요

관심사에 맞는 일간 또는 주간 다이제스트. Gist 또는 기술 요약을 당신의 언어로.

Digest 사용해 보기 →