AI-driven biological clocks of cardiac aging: Should we integrate ECG, metabolomic, and epigenetic signatures?

당신의 몸을 수십 년 동안 주행한 첨단 자동차라고 상상해 보세요. 당신은 계기판을 통해 이 차가 정확히 몇 마일을 달렸는지 확인할 수 있습니다. 그것이 바로 당신의 **연대기적 연령(chronological age)**입니다. 이는 달력에 기반한 단순한 숫자입니다. 하지만 어떤 정비사든 계기판이 모든 것을 말해주지는 않는다고 말할 것입니다. 어떤 차는 매끄러운 고속도로에서 부드럽게 주행했을 수도 있고, 다른 차는 진흙탕과 구덩이가 가득한 길에서 경주하듯 달렸을 수도 있습니다. 설령 주행 거리가 같더라도, 엔진, 브레이크, 타이어의 상태는 완전히 다를 수 있습니다. 이 자동차의 "실제" 상태가 바로 당신의 **생물학적 연령(biological age)**입니다. 이는 식단, 스트레스, 수면, 유전자에 의해 영향을 받는, 당신의 몸이 실제로 얼마나 빨리 마모되고 있는지를 나타내는 척도입니다.

과학자들은 이 "생물학적 마모"를 측정하기 위한 "대시보드"를 구축하려고 노력해 왔습니다. 그들은 자동차의 각기 다른 부분을 살펴보기 위해 다양한 도구를 사용합니다. 어떤 이들은 엔진 오일(대사체, 즉 혈액 속에 흐르는 미세한 화학 물질들)을 살핍니다. 다른 이들은 엔진 블록의 배선도를 확인합니다(후성유전학, 즉 유전자의 스위치를 켜고 끄는 DNA 위의 화학적 태그). 그리고 어떤 이들은 엔진의 리듬과 소리를 듣습니다(당신의 ECG, 즉 전기적인 심장 박동 신호). 오랫동안 연구자들은 엔진 소리는 무시한 채 오일만 체크하는 것처럼, 이러한 도구들을 개별적으로 사용해 왔습니다. 하지만 이 서로 다른 데이터 스트림을 하나의 초지능형 컴퓨터 프로그램으로 결합할 수 있다면 어떨까요? 그것이 바로 이 논문이 다루는 핵심 질문입니다. 인공지능(AI)을 사용하여 이 다양한 데이터들을 혼합함으로써, 우리의 심장이 실제로 어떻게 노화되고 있는지에 대한 명확한 그림을 얻을 수 있을까요?

---

논문의 핵심 아이디어: 대시보드의 통합

이 논문은 체계적 문헌 고찰(systematic review)입니다. 즉, 저자들이 실험실에서 새로운 실험을 수행한 것이 아니라, 우리가 왜 이러한 서로 다른 "노화 시계"들을 결합하기 시작해야 하는지 알아보기 위해 기존의 최상급 연구들을 수집하고 분석하는 탐정 역할을 수행했다는 의미입니다. 저자들은 우리가 노화를 측정하는 훌륭한 도구들을 개별적으로는 가지고 있지만, 현재로서는 이 도구들이 마치 세 명의 서로 다른 사람이 자동차 사고를 설명하는 것과 같다고 주장합니다. 한 사람은 범퍼의 찌그러짐을 말하고, 다른 한 사람은 깨진 앞 유리를 말하며, 세 번째 사람은 박살 난 엔진을 말하는 식입니다. 전체 이야기를 이해하려면 그들의 보고를 하나로 합쳐야 합니다.

저자들은 ECG 데이터(심장의 전기적 리듬), 대사체 데이터(혈액 속의 화학 물질), 그리고 후성유전학 데이터(DNA의 화학적 스위치)를 통합하는 것이 심장 질환 예방의 혁명을 일으킬 수 있다고 제안합니다.

1. 심장 박동 탐정 (ECG 시계)

먼저 ECG 시계를 살펴보겠습니다. ECG가 단순히 당신의 심장이 뛰는 모습을 보여주는 종이 위의 구불구불한 선이라는 것을 알고 계실 겁니다. 이 논문은 AI가 이제 이 구불구불한 선들을 보고 당신의 "심장 연령"을 추측할 수 있다고 설명합니다.

• 작동 방식: AI는 심장이 나이가 들면서 전기 신호가 미세하게 변한다는 점을 학습합니다. 마치 드럼 비트가 조금 느려지거나 넓어지는 것과 같습니다.
• 연구 결과: 150만 명 이상의 사람들을 대상으로 한 대규모 연구에서, 연구자들은 만약 AI가 당신의 심장 연령이 실제 나이보다 8년 이상 많다고 판단할 경우, 사망 위험이 거의 79% 높아진다(위험비 1.79)는 사실을 발견했습니다. 인간 의사에게는 심장이 "정상"으로 보일지라도, AI는 이러한 미세하고 숨겨진 노화의 징후를 포착할 수 있었습니다.
• 주의점: 논문은 이러한 모델들이 때때로 "블랙박스"라고 지적합니다. 우리는 그것들이 작동한다는 것은 알지만, AI가 왜 그렇게 보는지 그 이유를 완전히 이해하지는 못합니다. 또한, 대부분의 모델이 병원 환자들을 대상으로 훈련되었기 때문에, 지역 사회의 건강한 사람들에게도 똑같이 잘 적용될지는 불ยัง 확실하지 않습니다.

2. 화학적 수프 (대사체 시계)

다음은 대사체 시계입니다. 당신의 혈액을 거대한 화학 수프라고 생각해 보세요. 당신의 식단, 장내 세균, 그리고 라이프스타일은 모두 이 수프의 레시피를 변화시킵니다.

• 작동 방식: 과학자들은 수백 가지의 화학 물질(대사체)을 측정하여 당신의 "화학적 연령"이 달력상의 연령과 일치하는지 확인합니다.
• 연구 결과: TMAO와 같은 특정 화학 물질(장내 세균이 붉은 고기 등을 섭취하며 만들어내는 물질)은 빠른 노화 및 심장 문제와 연결되어 있습니다. 만약 당신의 화학적 수프가 있어야 할 것보다 더 "늙어" 보인다면, 이는 당신의 몸이 더 많은 스트레스를 받고 있음을 시사합니다.
• 주의점: 논문은 이 수프가 매우 복잡하다고 지적합니다. 아침에 무엇을 먹었는지, 몇 시에 혈액을 채취했는지, 심지어 당신의 장내 세균조차 결과에 영향을 줄 수 있습니다. 이 때문에 연구들을 비교하기 어렵고, 우리는 이 화학 물질들이 시간이 지남에 따라 어떻게 변하는지에 대해 '영화(장기 추적)'보다는 '스냅샷(단일 시점)'만을 가지고 있는 경우가 많습니다.

3. 유전적 스위치보드 (후성유전학 시계)

마지막으로 후성유전학 시계입니다. 당신의 DNA가 긴 지침서라고 상상해 보세요. 후성유전학은 특정 지침을 강조하거나 숨기기 위해 페이지에 붙이는 포스트잇과 같습니다. 나이가 들면서 이러한 포스트잇들은 특정한 패턴으로 축적됩니다.

• 작록 방식: 가장 유명한 방식인 GrimAge는 이러한 포스트it들을 살펴보고 당신이 얼마나 오래 살 수 있을지를 예측합니다.
• 연구 결과: 이것은 현재 가장 확립된 방법입니다. 만약 당신의 DNA에 당신의 실제 나이보다 더 늙었다는 것을 암시하는 "포스트잇"이 붙어 있다면, 당신은 관상동맥 질환 및 사망 위험이 높아집니다. 후성유전학적 연령이 5년씩 가속될 때마다, 관상동맥 질환의 위험은 **20%**씩 증가합니다.
• 주의점: 대부분의 시계는 유럽 혈통의 사람들의 혈액 샘플을 사용하여 구축되었습니다. 따라서 이 도구들이 모든 사람에게 완벽하게 작동하는지는 알 수 없습니다. 또한, 이 포스트잇들이 노화를 유발하는 것인지, 아니면 단지 노화가 일어나고 있음을 보여주는 것인지 여전히 100% 확실하지 않습니다.

누락된 조각: 왜 우리는 이것들을 섞어야 하는가

이 논문의 주요 결론은 이 중 어떤 시계도 단독으로는 완벽하지 않다는 것입니다.

• ECG 시계는 심장이 어떻게 기능하는지는 알려주지만, 그 화학적 이유는 설명하지 못합니다.
• 대사체 시계는 화학적 환경에 대해 알려주지만, 그것이 심장 리듬에 미치는 최종 결과는 보여주지 않습니다.
• 후성유전학 시계는 분자적 역사를 알려주지만, 즉각적인 기능적 상태는 보여주지 않습니다.

저자들은 만약 우리가 이들을 통합한다면, 마침내 전체 그림을 볼 수 있을 것이라고 제안합니다. 엔진이 과열되고 있고(대사체 징후), 배선이 해지고 있으며(후성유전학 징후), 엔진에서 이상한 소리가 나는(ECG 징후) 자동차를 상상해 보세요. 만약 소리에만 집중한다면, 엔진이 과열되고 있다는 사실을 놓칠 수 있습니다. AI를 사용하여 이 세 가지를 동시에 본다면, 우리는 다음과 같은 일을 할 수 있습니다:

1. 다양한 유형의 노화 포착: 어떤 사람의 심장은 나쁜 식단 때문에 빠르게 늙고 있는 반면, 다른 사람의 심장은 스트레스 때문에 빠르게 늙고 있을 수 있습니다. 결합된 시계는 그 차이를 말해줄 수 있습니다.
2. "이유" 찾기: 만약 화학적 수프와 DNA 스위치 모두 염증을 가리키고 있지만 심장 리듬은 아직 괜찮다면, 우리는 심장이 실제로 망가지기 전에 무엇을 고쳐야 할지 정확히 알 수 있습니다.
3. 치료법 테스트: 만약 누군가에게 새로운 식단이나 약물을 처방한다면, 세 가지 시계가 모두 젊어졌는지 확인함으로써 그 치료법이 실제로 효과가 있다는 것을 증명할 수 있습니다.

논문이 여전히 모른다고 말하는 것들

저자들은 이것이 해결된 문제라고 말하지 않도록 주의를 기울입니다. 그들은 몇 가지 큰 장애물을 강조합니다:

• 장기적인 데이터가 필요합니다: 대부분의 연구는 스냅샷에 불과합니다. 이러한 "연령"을 교정하는 것이 실제로 심장 발작을 예방하는지 확인하기 위해 수년간 사람들을 관찰해야 합니다.
• "블랙박스" 문제: 의사들이 AI를 신뢰할 수 있도록, AI가 어떻게 이러한 연결 고리를 만드는지 이해해야 합니다.
• 공정성: 이 도구들이 원래 연구에 사용된 집단뿐만 아니라 모든 배경의 사람들에게도 제대로 작동하는지 확인해야 합니다.
• 비용 및 접근성: 현재 이러한 테스트는 비용이 많이 들고 복잡합니다. 만약 이를 저렴하게 만들지 못한다면, 오직 부유한 사람들만이 이 "선제적" 의학의 혜택을 받게 될 것이라고 논문은 우려합니다.

결론

이 논문은 아직 궁극의 노화 측정 기계를 만들었다고 주장하는 것이 아닙니다. 대신, 우리는 갈림길에 서 있다고 주장합니다. 우리는 이미 심장 문제를 예측하는 데 뛰어난 세 가지 별개의 도구(ECG, 대사체, 후성유전학)를 가지고 있습니다. 하지만 저자들은 우리가 이들을 따로 사용하는 것을 멈추고 AI를 사용하여 이들을 엮기 시작할 때 진정한 돌파구가 마련될 것이라고 믿습니다. 이는 의학의 패러다임을 심장 발작이 일어난 후에 치료하는 것에서, 우리 심장이 정확히 어떻게, 그리고 왜 노화되고 있는지를 이해함으로써 예측하고 예방하는 것으로 전환할 수 있습니다. 이는 희망적인 비전이지만, 그곳에 도달하기 위해서는 더 많은 연구, 더 나은 데이터, 그리고 많은 팀워크가 필요합니다.