2026-10-07 · 암·종양학
난치성 간암 AI 치료전략 나왔다...생존율 개선 기대
포항공과대학교·서울아산병원·마카오대학교·한양대학교 구리병원 공동 연구팀이 종양억제 유전자 RB1의 완전 결손이 간암의 새로운 바이오마커임을 규명하고, 이를 신속하게 진단할 수 있는 딥러닝 기반 병리 AI 모델(FR-MIL)을 개발했다. 총 561명의 간암 환자 데이터에 대한 다중오믹스 분석 결과, RB1 완전 결손 환자군은 전체 간암의 약 14.6%를 차지하며 일반 환자보다 사망 위험이 3.32배, 재발 위험이 3.15배 높은 것으로 나타났다. 연구팀은 RB1 결손 간암 세포가 세포분열 억제제와 PARP 억제제 병용 시 합성치사 현상을 보임을 세포 실험 및 동물 실험을 통해 확인했다. 개발된 AI 병리 진단 모델은 외부 검증 코호트에서 84.39~91.58%의 F1 점수를 기록했다. 이 연구는 진단부터 맞춤형 치료 전략까지 전 주기를 아우르는 정밀 의료 접근으로 평가받으며, 학술지 '시그널 트랜스덕션 앤 타겟티드 테라피'에 게재됐다.
BioIN-뉴스 원문 읽기 ↗고등학교 생명과학 관련 과목·내용
2022 개정 교육과정에서 이 기사와 연결되는 과목과 내용입니다.
- 생물의 유전 진로선택
- 영역: 생명공학기술
관련 내용: 생명공학기술의 활용
- 생물의 유전 진로선택
- 영역: 유전자와 유전물질
관련 내용: DNA와 유전 현상
- 세포와 물질대사 진로선택
- 영역: 물질대사와 에너지
관련 내용: 효소와 에너지
읽는 순서는 자유예요. 궁금한 항목을 바로 열어보세요.
이 기사의 주장은 어디까지 확인됐을까?팩트체크 · 확인된 사실과 더 살펴볼 근거
기사에서 확인된 사실
- RB1 완전 결손(RB1-Bi) 환자는 전체 간암 환자의 약 14.6%를 차지하며, 일반 환자 대비 사망 위험 3.32배·재발 위험 3.15배로 독립적인 불량 예후 인자임이 확인됐습니다. (출처: 기사 본문)
- 딥러닝 기반 병리 AI 모델(FR-MIL)은 통상적인 병리 조직 염색 슬라이드 이미지만으로 RB1 완전 결손 여부를 예측하며, 외부 검증 코호트에서 84.39~91.58%의 F1 점수를 기록했습니다. (출처: 기사 본문)
- 연구팀은 RB1 결손 간암 세포주(Huh7, PLC/PRF/5, HepG2)에 876개 약물을 투여한 결과 세포분열 억제제와 PARP 억제제 병용 시 합성치사 효과를 관찰했으며, 동물 실험에서도 간 독성 등 뚜렷한 전신 부작용 없이 종양 억제 효과가 확인됐습니다. (출처: 기사 본문)
- 연구는 서울아산병원 환자 206명과 TCGA 공개 데이터 355명을 포함한 561명, 추가로 450명의 검증 코호트 등 총 1,011명 규모의 데이터를 사용했습니다. (출처: 기사 본문)
아직 불확실한 점
- AI 진단 모델과 병용 치료 전략이 실제 임상 현장에 도입될 경우 환자 생존율을 획기적으로 개선할 것이라는 전망은 연구 책임자의 기대 발언이며, 현재 임상시험 단계에서 검증된 사항이 아니므로 확정된 효과로 보기 어렵습니다. (기사 본문의 교수 인용 발언)
- 세포 실험과 동물 실험에서 확인된 합성치사 효과 및 항암 시너지가 사람을 대상으로 한 임상시험에서도 동일하게 재현될지는 현재 연구 중인 단계이며, 임상적 유효성·안전성은 별도의 임상시험 결과가 필요합니다.
더 확인할 근거
기사에 인용된 사망 위험 3.32배·재발 위험 3.15배 수치는 어떤 통계 모델(예: 콕스 비례위험 모델)과 기준 집단을 사용한 것인지 원문 논문에서 직접 확인하도록 지도할 필요가 있습니다. 또한 F1 점수가 84~91% 수준이 임상 도입에 충분한 정확도인지에 대한 판단 기준도 학생이 추가 탐색하면 좋습니다.
알고 보면 더 재미있는 과학과학이야기 · 핵심 개념어 · 함께 공부하면 좋은 내용
이 기사의 과학이야기는 아직 불러오지 못했어요. 아래 개념부터 살펴보세요.
이 기사를 이해하는 열쇠, 핵심 개념어
- RB1 유전자(종양억제 유전자)
- 세포가 너무 빠르게 분열하지 않도록 브레이크 역할을 하는 유전자. RB1이 만드는 단백질(pRb)은 세포 주기의 G1→S 전환을 조절하며, 이 유전자 양쪽 사본이 모두 망가지면(완전 결손) 세포 분열에 제동이 걸리지 않아 암이 생길 수 있습니다.
- 합성치사(Synthetic Lethality)
- 두 가지 유전자 결함 중 하나만 있을 때는 세포가 살아남지만, 둘이 동시에 존재할 때 세포가 죽는 현상. 이 연구에서는 RB1 결손 암세포에 PARP 억제제를 추가 투여하면 DNA 수복 경로까지 막혀 암세포만 선택적으로 사멸하는 원리로 활용됐습니다.
- 다중오믹스(Multi-omics) 분석
- 유전체(DNA 염기서열), 전사체(mRNA 발현), 단백질체 등 여러 종류의 생물학적 데이터를 통합적으로 분석하는 방법. 하나의 데이터만 볼 때보다 질병의 원인과 특성을 더 종합적으로 파악할 수 있습니다.
- PARP 억제제
- DNA가 손상됐을 때 이를 수리하는 효소인 PARP(폴리-ADP-리보스 중합효소)의 기능을 막는 약물. 정상 세포는 다른 DNA 수복 경로로 버틸 수 있지만, 이미 RB1 등 다른 수복 경로가 망가진 암세포는 PARP 억제제까지 투여되면 수복 수단이 완전히 차단되어 사멸하게 됩니다.
- 바이오마커(Biomarker)
- 질병의 존재, 진행 정도, 치료 반응 등을 객관적으로 측정할 수 있는 생물학적 지표. 이 연구에서 RB1 완전 결손은 예후가 나쁜 간암 환자를 구별해내는 바이오마커로 새롭게 규명됐습니다.
- F1 점수(F1 Score)
- AI 진단 모델의 성능을 평가하는 지표 중 하나로, 민감도(실제 양성을 양성으로 맞히는 비율)와 정밀도(양성 판정 중 실제 양성 비율)를 함께 고려한 조화평균 값. 0에서 1(또는 0~100%) 사이의 값으로, 높을수록 모델 성능이 우수함을 나타냅니다.
전체 연결을 한눈에 살펴보세요. 글씨가 작으면 크게 보기를 눌러 좌우로 움직이며 읽을 수 있어요.
함께 공부하면 좋은 내용더 이해하고 싶을 때, 배경지식을 이어서 읽어보세요.
자료를 준비 중입니다. 전체 교육자료 링크에서도 확인할 수 있어요.
이 기사에서 시작하는 탐구 질문근거와 개념을 살펴본 뒤, 질문을 골라 나만의 탐구 보고서로 이어가 보세요.
좋은 질문을 만드는 힘도, 질문을 접하고 연습하며 자라요.
다양한 질문을 읽으며 어떤 점이 좋은 질문인지 생각해 보세요. 마음에 드는 질문은 질문함에 모아 두고, 나만의 질문을 만드는 데 참고해 보세요.
읽는 데서 한 걸음 더 나아가, 질문함에서 직접 답변도 적어 보세요. 어떤 근거가 필요한지, 무엇을 비교하거나 확인할 수 있을지 고민하는 과정이 탐구를 배우는 연습이 됩니다. 완벽한 답이 아니어도 괜찮아요.
질문 하나를 골라 담고, 내 생각으로 답해 본 뒤, 새롭게 떠오른 나만의 질문을 적어 보세요.
질문을 구체화하는 방법의 예시
“효과가 있을까?” → “어떤 조건에서, 무엇과 비교했을 때 효과가 달라질까?”
조건과 비교 대상을 정하면 살펴볼 근거가 더 분명해져요. 아래 예시를 보며 내 질문도 만들어보세요.
1.탐구 질문 1: RB1 유전자는 세포 주기의 어느 단계에서 어떤 방식으로 세포 분열을 억제하며, 이 기능이 완전히 상실되면 세포에 어떤 변화가 일어나는가?
2.탐구 질문 2: 이 연구에서 사용된 F1 점수 84.39~91.58%는 실제 임상에서 진단 도구로 사용하기에 충분한 수준인가? 기존 의료 진단 기준과 비교하면 어떠한가?
3.탐구 질문 3: 합성치사 원리를 이용한 항암 치료 전략을 설계한다면, 어떤 조건(약물 농도, 투여 순서, 세포주 종류 등)을 변인으로 설정하고 어떤 방법으로 암세포 사멸 여부를 확인할 수 있을까?
4.탐구 질문 4: 환자의 유전체 정보를 공개 데이터베이스(TCGA 등)에 등록하거나 AI 학습에 활용하는 행위는 어느 범위까지 허용되어야 하며, 이때 환자의 동의권과 공공 의료 이익 사이의 균형을 어떻게 설정할 수 있을까?
5.탐구 질문 5: 이 기사는 세포 및 동물 실험 결과를 근거로 임상 적용 기대감을 제시하고 있는데, 동물 실험 결과가 사람에게 그대로 적용되지 않을 수 있는 이유는 무엇이며, 이 연구가 실제 환자 치료로 이어지기까지 어떤 단계와 검증이 더 필요한가?
이 관심을 나만의 탐구로 이어가려면?학생부 활용 아이디어 · 타교과 연계
탐구의 방향
단순히 기사 내용을 요약하는 수준에서 벗어나, RB1 유전자의 세포 주기 조절 기전을 교과서 개념과 직접 연결하고, 합성치사 원리를 도식화하여 '왜 RB1 결손 암세포에서만 PARP 억제제가 선택적으로 작용하는가'를 스스로 설명할 수 있는 형태로 탐구한 것을 기록하는 것이 핵심입니다. 나아가 AI 진단 모델의 F1 점수 의미를 통계적으로 해석하거나, 윤리적 쟁점을 구체적 근거와 함께 논술한 경험을 담으면 학문적 깊이를 드러낼 수 있습니다.
- 심화 탐구 아이디어 1: 세포 주기 조절 단계를 교과서에서 정리한 뒤, RB1 단백질(pRb)이 G1→S 전환에서 어떤 분자적 역할을 하는지 도식으로 그려보고, '양쪽 사본이 모두 결손될 때'와 '한쪽만 결손될 때'의 차이를 비교하는 개념 탐구 보고서를 작성해 봅니다. 이 과정에서 2히트 가설(Knudson의 Two-hit hypothesis)을 추가로 조사하여 연결하면 더욱 깊은 탐구가 됩니다.
- 심화 탐구 아이디어 2: 학술지 '시그널 트랜스덕션 앤 타겟티드 테라피'에 게재된 원문 논문의 요약(Abstract)을 찾아 읽고, 기사에서 제시된 수치(사망 위험 3.32배, F1 점수 84.39~91.58% 등)가 어떤 통계 방법으로 산출됐는지 파악합니다. 《암 생물학》 또는 《정밀의료 입문》 관련 교양 도서와 함께 읽으며 '바이오마커 발굴 → 진단 → 치료 타겟 설정'의 연구 흐름을 정리해 봅니다.
- 심화 탐구 아이디어 3: 수학·정보 교과와 융합하여 F1 점수, 민감도(재현율), 정밀도의 계산 원리를 직접 수식으로 정리하고, 가상의 혼동 행렬(Confusion Matrix) 데이터를 만들어 F1 점수를 계산해 보는 활동을 진행합니다. 또한 윤리·사회 교과와 연결하여 환자 유전체 데이터를 AI 학습에 활용할 때 발생하는 개인정보 보호 문제와 공공 이익 사이의 균형에 관한 논거를 정리한 의견문을 작성해 봅니다.
활동을 기록하는 문장 예시
직접 수행한 활동을 바탕으로 수정하는 예시입니다. 아직 하지 않은 활동을 수행한 것처럼 쓰지 마세요.
RB1 유전자의 세포 주기 억제 기전을 교과서 G1 체크포인트 내용과 연결하여 도식화하고, 양쪽 사본이 모두 결손될 때 세포 분열 브레이크가 완전히 해제되는 원리를 설명하는 탐구 보고서를 작성했습니다. 합성치사 개념을 학습하며 RB1 결손 암세포에 PARP 억제제를 추가 적용하면 DNA 수복 경로가 이중으로 차단되어 암세포만 선택적으로 사멸하게 되는 원리를 도식으로 정리하고, 이를 정상 세포와 비교·분석했습니다. AI 진단 모델의 성능 지표인 F1 점수의 계산 원리를 수학적으로 탐구하고, 84~91% 수준이 임상 도입에 충분한지에 대해 민감도와 정밀도의 균형 측면에서 비판적으로 검토하는 과정을 통해 과학적 주장을 수용할 때 통계적 맥락을 함께 살펴야 함을 깨달았습니다.
다른 교과의 관점으로 살펴보면
연결 과목: 인공지능 기초 · 데이터 과학 · 확률과 통계 · 실용 통계 · 수학과제 탐구 · 현대사회와 윤리 · 윤리문제 탐구 · 화학 반응의 세계 · 법과 사회 · 정치
정보
딥러닝 기반 병리 AI 모델(FR-MIL)이 병리 이미지에서 특징을 추출해 RB1 결손 여부를 분류하는 원리를 지도학습·합성곱 신경망(CNN) 개념과 연결하여 탐구할 수 있습니다.
수학
AI 모델의 성능 지표인 F1 점수, 민감도(sensitivity), 특이도(specificity)의 의미와 계산 방법을 이해하고, 사망 위험비(3.32배)가 통계적으로 어떻게 산출되는지 탐구할 수 있습니다.
도덕(윤리)
환자 유전체 데이터의 수집·활용 과정에서 사전 동의 원칙과 개인정보 보호의 윤리적 기준을 검토하고, AI 의료 진단의 오판에 대한 책임 소재를 생명윤리 원칙과 연결하여 토론할 수 있습니다.
화학
PARP 억제제가 DNA 단일 가닥 손상 수복을 막는 원리를 DNA 구조(수소결합, 이중나선)와 산화·환원 반응(전자 이동) 관점에서 연결하여 이해할 수 있습니다.
사회
고가의 유전체 분석 없이도 AI 병리 진단으로 고위험군을 선별하는 기술이 의료 접근성 격차 해소에 미치는 영향을 분석하고, 신의료기술 허가 절차와 건강보험 급여 정책과 연결하여 탐구할 수 있습니다.
이 문제를 다른 입장에서 보면?윤리 쟁점 · 여러 관점과 토론 질문
AI 병리 진단 모델을 실제 환자 진료에 적용할 때 오진 가능성과 책임 소재, 그리고 유전체 정보 활용 과정에서의 개인정보 보호 문제를 어떻게 다룰 것인가.
찬성/지지 입장
AI 병리 진단은 고가의 전장 엑솜 분석 없이도 일반 병리 슬라이드만으로 고위험 환자를 신속히 선별할 수 있어, 의료 접근성이 낮은 지역이나 전문 병리의사가 부족한 환경에서도 정밀 의료 혜택을 제공할 수 있습니다. 조기 고위험군 식별은 적절한 치료 시작 시점을 앞당겨 환자 예후 개선에 기여할 수 있으며, 이미 84% 이상의 검증 정확도를 보인 만큼 보조 진단 도구로서의 활용 가능성이 실질적으로 존재합니다.
반대/우려 입장
AI 모델의 오분류가 환자에게 불필요한 고강도 치료를 유발하거나 반대로 고위험 환자를 저위험으로 잘못 분류할 경우, 심각한 의료 피해로 이어질 수 있으며 책임 소재가 불명확합니다. 또한 연구에 사용된 1,000명 이상의 환자 유전체 데이터는 민감한 개인정보를 포함하므로, 데이터 수집·저장·공유 과정에서 충분한 동의 절차와 비식별화가 이루어졌는지, 공개 데이터베이스(TCGA) 활용 시에도 원래 연구 참여자의 의사가 충분히 반영됐는지 지속적으로 검토해야 합니다.
헬싱키 선언(인체 대상 의학 연구의 윤리적 원칙), 사전 동의(informed consent) 원칙, 「생명윤리 및 안전에 관한 법률」(국내 유전정보 보호 및 연구 심의), GDPR(유럽 개인정보보호 규정, TCGA 등 국제 데이터 활용 시 관련)
AI 진단 모델이 '암 고위험군'으로 분류한 환자에게 공격적인 치료를 시작하기로 결정했는데 나중에 오진으로 밝혀졌다면, 그 책임은 AI를 개발한 연구팀, 모델을 도입한 병원, 최종 판단을 내린 의사 중 누가 져야 하며, 어떤 제도적 장치가 필요할까?
읽고 나니, 무엇이 달라졌을까?핵심 정리 · 오개념 · 자기점검
기억할 핵심
- RB1 유전자는 세포 주기 G1→S 전환을 억제하는 종양억제 유전자이며, 양쪽 사본이 모두 결손(완전 결손)되어야 암 발생과 연결되는 불량 예후 바이오마커로 작용합니다.
- 합성치사란 두 가지 결함이 동시에 존재할 때만 세포가 죽는 현상으로, 이 연구에서는 RB1 결손 암세포에 PARP 억제제를 추가 투여하면 암세포만 선택적으로 사멸하는 원리로 치료 전략에 활용됐습니다.
- 세포·동물 실험에서 확인된 효과가 실제 사람 대상 임상 치료로 이어지려면 별도의 임상시험 단계가 필요하며, 현재 이 연구 결과는 임상 적용이 확정된 것이 아니라 가능성을 제시한 단계임을 구분해야 합니다.
헷갈리기 쉬운 부분
- 오개념 1: 'RB1 유전자가 하나라도 손상되면 바로 암이 생긴다' → 올바른 이해: RB1은 종양억제 유전자로, 양쪽 사본(대립유전자) 모두가 기능을 잃는 완전 결손 상태일 때 세포 주기 브레이크가 완전히 해제되어 암 발생과 연결됩니다. 한쪽 사본만 손상된 경우 나머지 정상 사본이 기능을 어느 정도 유지할 수 있습니다.
- 오개념 2: 'F1 점수 84~91%면 거의 완벽하니 바로 임상에 쓸 수 있다' → 올바른 이해: F1 점수는 민감도와 정밀도의 조화평균으로, 높은 값이 우수한 성능을 의미하지만 임상 도입 기준은 질환의 중증도, 오진의 결과, 대조 진단법과의 비교 등 여러 요소를 종합적으로 판단해야 하며, 이 수치만으로 임상 적용 충분성을 단정할 수 없습니다.
RB1 완전 결손 암세포에 세포분열 억제제와 PARP 억제제를 병용했을 때 정상 세포는 살아남고 암세포만 선택적으로 사멸하는 이유를 합성치사 개념을 활용하여 스스로 설명할 수 있는가?
이 과학은 실제로 어디에 쓰일까?산업 연계 · 기업과 기관 · 미래 전망
이 연구는 크게 세 가지 산업 분야와 연결됩니다. 첫째, AI 기반 디지털 병리 분야로, 병리 이미지를 딥러닝으로 분석하여 유전자 이상을 예측하는 기술은 이미 일부 상용화 단계에 진입한 것으로 보고됩니다. 둘째, PARP 억제제를 포함한 표적 항암제 분야로, 기존에 BRCA 결손 유방암·난소암 치료에 승인된 PARP 억제제(올라파립 등)를 새로운 적응증(RB1 결손 간암)으로 확장하는 적응증 추가(label extension) 연구 흐름과 연결됩니다. 셋째, 정밀 의료(precision medicine) 플랫폼 산업으로, 바이오마커 진단-치료 매칭 시스템 구축이 글로벌 제약·바이오 기업들의 주요 사업 방향으로 알려져 있습니다.
관련 기업·기관
1) AstraZeneca와 MSD(Merck)는 PARP 억제제(올라파립, 니라파립 등)를 다양한 암종에서 적응증 확장 임상을 진행 중인 것으로 공개적으로 알려져 있습니다. 2) Paige.AI, PathAI 등 해외 디지털 병리 AI 기업들은 병리 이미지 분석 AI 솔루션을 개발하여 일부 제품이 FDA 허가를 받았거나 심사 중인 것으로 보고되어 있습니다. 3) 국내에서는 루닛(Lunit), 딥바이오(DeepBio) 등이 AI 병리 진단 솔루션을 개발하고 있으며, 국내외 기관과 협력 연구를 진행 중인 것으로 공개 자료를 통해 확인됩니다.
시장 동향
글로벌 디지털 병리 시장은 지속적으로 성장하는 것으로 다수의 시장조사 기관이 보고하고 있으나, 구체적 수치는 보고서마다 차이가 있으므로 특정 수치를 단정하기 어렵습니다. PARP 억제제 시장 역시 난소암·유방암을 넘어 다양한 암종으로 적응증이 확장되는 추세이며, 간암 분야 표적 치료제 시장은 기존 치료제의 내성 문제로 인해 신규 치료 전략의 수요가 높은 것으로 알려져 있습니다. (참고: GlobalData, Grand View Research 등의 공개 보고서 요약을 직접 검색하여 최신 수치를 확인할 것을 권장)
이런 문제를 다루는 사람들은?직업 · 학과 · 진로 탐색
종양 전문의(소화기내과·종양내과)
간암 환자의 유전자 검사 결과를 해석하고 RB1 결손 여부와 같은 바이오마커에 기반하여 표적 치료제 병용 전략을 선택하는 임상 판단을 내립니다.
병리과 의사 및 디지털 병리 AI 개발자
병리 조직 슬라이드를 현미경으로 판독하거나, 이 연구의 FR-MIL 모델처럼 딥러닝 알고리즘을 개발·검증하여 병리 진단의 정확도와 속도를 향상시키는 역할을 합니다.
생물정보학 연구원(Bioinformatician)
전장 엑솜 염기서열 분석, RNA 염기서열 분석, 단일세포 전사체 등 대규모 유전체 데이터를 처리·분석하는 파이프라인을 구축하고, 암 관련 유전자 변이 패턴을 통계적으로 분석합니다.
관련 학과
1) 의과대학(의예과) - 종양학·소화기내과·병리과 전문의로 이어지는 경로로, 임상 연구와 치료 전략 수립을 직접 담당합니다. 2) 생명과학부·생명공학과 - 유전체 분석, 세포 실험, 동물 모델 연구 등 이 연구의 기초 과학 부분을 담당하는 연구자를 양성합니다. 3) 의생명공학과·바이오헬스학과 - AI 병리 진단, 디지털 헬스케어 기술 개발 등 공학과 의학을 융합하는 분야로, 이 연구의 AI 모델 개발 파트와 직접 연결됩니다.
이번 연구를 이끈 심주현 교수는 소화기내과 전문의로서 실제 간암 환자를 진료하면서 동시에 유전체 데이터를 분석하는 연구를 병행하는 의사-과학자(physician-scientist)의 역할을 수행합니다. 이처럼 임상 현장에서 치료가 어려운 환자를 직접 보면서 느끼는 문제의식이 연구 주제 설정으로 이어지고, 병리과 전문의·분자생물학자·AI 연구자·통계학자 등 다양한 전공의 연구자들이 협력하는 다학제 연구 형태가 현대 의과학 연구의 일반적인 방식으로 자리 잡고 있습니다. 기사에 따르면 이 연구팀은 한국(서울아산병원, POSTECH, 한양대학교 구리병원)과 마카오(마카오대학교) 연구자들이 협력한 국제 공동 연구로 진행됐습니다.