AI as a Biological Primitive: Optimal Intervention Inversion in Paediatric Glioma Using a Simulated Tumour Primitive

수십 년 동안 소아의 공격적인 뇌종양을 치료하는 표준적인 접근 방식은 예측의 게임이었습니다. 의사들과 컴퓨터 모델은 종양의 크기, 위치, 유전적 구성을 보고 그 미래를 예측합니다. 즉, 종양이 성장할 것인지, 재발할 것인지, 혹은 사망으로 이어질 것인지를 예측하는 것입니다. 이러한 미래 지향적인 관점은 유용하지만, 무겁고 종종 암묵적으로 전제되는 가정을 담고 있습니다. 그것은 바로 나쁜 결과로 향하는 경로가 고정되어 있다는 가정입니다. 만약 모델이 치명적인 궤적을 예측한다면, 그 이면에는 아무것도 그것을 바꿀 수 없다는 함의가 깔려 있습니다. 이는 특히 수술이 불가능한 뇌의 깊고 중요한 중심부에 위치한 종양의 경우, 가족과 임상의들에게 암울한 불가피성을 느끼게 합니다. 오랫동안 답을 찾지 못했던 질문은 그 치명적인 경로가 정말로 변경 불가능한 것인지, 아니면 종양을 덜 위험한 결과로 유도할 수 있는 환자 특이적인 특정 조건이 존재하는지 여부였습니다.

일리노이 대학교 시카고의 모리스 안토니 유잉(Maurice Antony Ewing)이 수행한 새로운 연구는 질문을 완전히 뒤집음으로써 이 질문에 답하고자 합니다. 연구는 종양에 무슨 일이 일어날 것인가를 묻는 대신, 결과가 바뀌려면 무엇이 달라져야 하는가를 묻습니다. 이 연구는 소아 신경교종(pediatric gliomas)에 초점을 맞추고 있는데, 이는 소아 질병 관련 사망의 주요 원인입니다. 이 종양들 중 일부는 천천히 성장하지만, 뇌간(pons)이나 시상(thalamus)과 같은 뇌의 정중선(midline)에 위치한 종양들은 특히 치료가 까다롭고 종종 치명적입니다. 연구자는 새로운 약물이나 새로운 수술 기법을 발명하려 하지 않았습니다. 대신, 기존 데이터를 사용하여 이러한 종양의 행동을 시뮬레이션하는 컴퓨터 모델을 구축한 다음, 그 시뮬레이션에 역방향 질문을 던졌습니다. 즉, 만약 우리가 종양 주변의 조건을 바꿀 수 있다면, 그것이 종양을 치명적인 경로에서 벗어나도록 유도할 수 있는가? 를 물었습니다.

이를 위해 연구자는 공공 데이터베이스에서 수천 건의 소아 뇌종양 사례에 집중하여 방대한 의료 기록 모음을 수집했습니다. 연구자는 이 데이터를 특정 소아 신경교종 환자군으로 필터링하여, 이 종양들이 초기 상태에서 진행, 재발 또는 사망과 같은 후기 단계로 어떻게 이동하는지에 대한 상세한 지도를 만들었습니다. 연구자는 컴퓨터 모델을 훈련시켜 이 데이터의 패턴을 학습하게 했으며, 이를 통해 이 종양들이 다양한 상황에 어떻게 반응하는지를 효과적으로 가르쳤습니다. 이 모델은 특정 환자의 완벽한 복제본이라는 의미에서의 '디지털 트윈'은 아니었습니다. 오히려 그것은 '시뮬레이션된 종양 원형(simulated tumor primitive)'이었습니다. 이를 고도로 훈련된 관찰자로 생각하십시오. 이 관찰자는 종양이 환경, 특히 수술적 제거 수준이나 제어 수준에 어떻게 반응하는지에 대한 규칙을 학습한 것입니다. 연구자는 이 모델이 초기 조건에 따라 종양의 미래 상태를 정확하게 예측할 수 있는지 확인함으로써 모델의 정확성을 검증했으며, 높은 신뢰도로 성공했습니다.

모델 훈련이 완료되자 연구자는 이를 역으로 돌렸습니다. 연구자는 결과가 사망으로 알려진 사례들, 즉 종양이 진행되어 사망했거나 사후 검사를 받은 아이들의 사례를 가져와 모델을 역방향으로 실행했습니다. 연구자는 다음과 같이 물었습니다. 만약 종양 제어 수준이 달랐다면, 치명적인 결과가 발생할 확률이 변했을 것인가? 연구자는 실제 아이가 받은 치료 수준을 데이터 내에서 가능한 다른 수준들과 비교함으로써 이를 테스트했습니다. 예를 들어, 많은 치명적인 사례들은 종양이 너무 위험하여 생검(진단을 위한 작은 샘례 채취)만 이루어진 경우였습니다. 모델은 종양의 일부가 제거되었거나 화학요법의 타이밍이 달랐던 가상의 시나리오를 상상하게 되었고, 그러한 가상 상황에서 더 나은 결과가 나타날 확률이 얼마나 될지를 계산하도록 요청받았습니다.

결과는 두 그룹의 환자 사이에서 놀랍고 예상치 못한 차이를 드러냈습니다. 연구자가 종양이 진행되거나 재발했지만 여전히 살아있는 아이들을 살펴보았을 때, 모델은 치료 수준을 바꾸는 것이 예측된 결과에 거의 영향을 미치지 않는다는 것을 보여주었습니다. 이 사례들에 대한 데이터의 '표면'은 평평했으며, 이는 이 환자들에게 있어 궤적이 이미 결정되어 모델이 테스트할 수 있는 변수들에 의해 쉽게 변경될 수 없음을 시사했습니다. 그러나 결과는 아이들의 종양이 치명적인 경과를 밟았던 경우와는 완전히 달랐습니다. 이 환자들의 경우, 모델은 다른 결과로 향하는 명확한 경로를 찾아냈습니다. 연구자가 '생검 전용' 접근법에서 '부분 제거' 접근법으로의 변화를 시뮬레이션했을 때, 덜 치명적인 궤적을 보일 예측 확률이 크게 상승했습니다. 사용 가능한 데이터가 있었던 27건의 치명적 사례 그룹에서, 종양 제어의 맥락을 바꿈으로써 더 나은 결과가 나올 가능성은 약 14%에서 26%로 급증했습니다. 이것은 작은 변동이 아니라, 데이터 전반에 걸쳐 일관되게 나타난 상당한 변화였습니다.

연구자가 발견한 가장 강력한 레버는 '세포 감소(cytoreduction)', 즉 체내의 종양 양을 줄이는 개념이었습니다. 데이터는 뇌의 가장 깊고 위험한 부위에 위치하여 완전한 제거가 불가능한 종양이라 할지라도, 생검 전용 상태와는 다르게 작용하는 '부분적 제어' 상태가 존재함을 시사했습니다. 모델은 27건의 치명적 사례 중 24건이 단순히 샘플을 채취하는 수준이 아니라 종양 부담을 부분적인 수준으로 줄였을 때 더 나은 예측 결과를 가졌을 것이라고 나타냈습니다. 이 발견은 뇌간과 시상과 같은 정중선 종양에 집중되어 있었습니다. 또한 연구자는 화학요법이 시작된 시점에 대한 정보를 추가했을 때 이 결과가 더욱 선명해진다는 것을 발견했으며, 이는 더 나은 결과의 가능성을 더욱 명확하게 만들었습니다. 다만, 공공 치료 데이터가 부족하기 때문에, 이 발견은 특정 화학요법 요법에 대한 증거라기보다는 타이밍과 실행 가능성에 관한 비평탄한 기하학적 구조에 대한 증거로 해석됩니다. 이 시뮬레이션에서 치명적인 궤적은 고정된 것이 아니었습니다. 그것은 적용된 종양 제어 수준에 반응하고 있었습니다.

이 연구가 무엇을 말하고 무엇을 말하지 않는지 이해하는 것이 매우 중요합니다. 저자는 이 연구가 안전하게 제거할 수 없는 종양에 대해 위험한 수술을 권장하는 것이 아님을 매우 분명히 하고 있습니다. 이 연구는 정중선 종양을 일부 제거하는 것이 생명을 구할 것이라는 점을 증명하는 것이 아닙니다. 대신, 이는 이러한 종양의 생물학적 행동이 이전에 생각했던 것보다 더 유연할 수 있음을 시사합니다. 모델이 식별한 '부분 제거'는 반드시 수술적 절차를 의미하는 것이 아닙니다. 그것은 타이밍, 치료 순서, 또는 종양의 활동을 줄이는 비수술적 방법 등을 통해 잠재적으로 달성할 수 있는 낮은 종양 부담 또는 더 나은 국소 제어 상태를 나타냅니다. 이 연구는 모든 치명적 궤적이 경직되고 변경 불가능하다는 생각을 부정하는 동시에, 이러한 유연성이 모든 유형의 종양 진행에 적용된다는 생각 또한 부정합니다. '진행 중이지만 생존해 있는' 그룹에 대한 '평평한' 결과는 일부 환자들에게는 진단 시점에 결과가 이미 결정되어 있다는 것을 시사하는 반면, 다른 환자들에게는 치명적인 경로가 수정 가능하다는 것을 시사합니다.

연구자는 이 작업을 결론을 내는 연구가 아닌, 새로운 질문을 위한 시작점인 '가설 생성 연구(hypothesis-generating study)'라고 설명합니다. 사용된 데이터는 이 특정 유형의 분석을 위해 원래 수집된 것이 아닌 과거의 기록을 되돌아보는 회고적 데이터였으며, 치료 세부 사항도 부족했습니다. 이 때문에 발견된 내용은 통제된 실험에서 치료를 배정한 것이 아니라 데이터에서 발견된 연관성에 기초합니다. 따라서 연구는 생존 확률의 '상승(uplift)'이 학습된 시뮬레이션 표면의 속성임을 명시하며, 이를 실제 의료 결정에 사용하기 전에는 예비 임상 시험이나 더 깊은 생물학적 연구를 통한 추가 검증이 필요하다고 밝히고 있습니다. 저자는 결과를 제거 불가능한 종양에 대한 수술을 촉구하는 것으로 오해하지 말라고 경고하며, 대신 '세포 감소-등가 상태(cytoreduction-equivalent state)', 즉 다양한 의료 전략을 통해 도달할 수 있는 종양 부담이 감소된 상태를 식별하는 것이 목표임을 강조합니다.

궁극적으로 이 연구는 소아 뇌종양의 운명을 바라보는 새로운 방식을 제시합니다. 단순히 "무슨 일이 일어날 것인가" 대신 "만약 ~라면 어떨까"를 묻는 컴퓨터 모델을 사용함으로써, 이 연구는 고정된 운명이라는 개념과 재지정 가능성이라는 개념을 분리합니다. 이는 특정 그룹의 소아 정중선 신경교종 환자들에게 있어, 죽음으로 향하는 길은 고정된 직선이 아니라, 결과를 바꿀 수 있는 숨겨진 레버가 존재하는 풍경일 수 있음을 시사합니다. 비록 이 연구가 아직 그 레버를 당길 도구를 제공하지는 못하지만, 그 레버가 어디에 있을 수 있는지를 그려줌으로써, 불가피성의 문제를 가능성의 문제로 바꾸어 놓았습니다. 이 작업은 데이터를 역방향으로 조사할 때, 데이터 자체가 고정된 것처럼 보이는 것보다 더 유연할 수 있음을 드러낼 수 있다는 것을 보여주는 개념 증명으로서의 가치를 지닙니다.