안녕하세요 한주현입니다.
어느새 2019년의 마지막 달인 12월이 되었습니다.
11월의 끝자락과 12월 초인 지금 저는 업무상 출장으로 名古屋 나고야에 왔습니다.
미팅 일정을 마치고 개인 시간을 활용하여 나고야 역에서 가까운 ジュンク堂書店 준쿠도 서점에 왔습니다.
여러가지 책들 중 눈길을 끈 것은 다름아닌 機械学習、深層学習 기계학습, 딥러닝 이었습니다.
요새 가장 뜨거운 분야인 머신러닝, 딥러닝 분야에서 제가 몸담고 있는 의료의 적용은 x-ray나 MRI 이미지 또는 병리 슬라이드를 필두로 게놈 분야에 까지 이르게 되었습니다.
몇 권의 책을 구매하였는데 그 중 実験医学 실험의학 2019.10월 호에는 "AI와 암연구 그 타당성의 유효성” 의 주제로 특집 기사를 냈습니다. 특히 게놈에 대한 AI연구를 소개하는 기사가 있어서 바로 GET.
1950년 부터 진행된 인공지능에 대한 연구는 1980년 기계학습 그리고 최근 2010년 딥러닝으로 이어지며 낮아진 계산 단가(computing cost)에 힘입어 안면인식, 음성인식, 자율주행자동차 등에 적용하며 전성기를 맞이하고 있습니다.
FDA의 허가를 받은 AI탑재의료기기는 20개에 달하며 앞으로 의료에 AI를 활용한 사례가 더욱 늘어날 것은 불을 보듯 뻔합니다.
- AI를 활용한 게놈 연구
A machine learning approach to integrate big data for precision medicine in acute myeloid leukemia. Lee SI et al., Nat commun 9:42, 2018
AML (Acute Myeloid Leukemia, 급성 골수성 백혈병)에 대해 멀티오믹스 데이터로 항암제에 대한 감수성을 분석한 연구.
이 처럼 암환자의 다양한 데이터인 genome, epigenome, 의료영상 데이터와 임상정보를 합쳐 AI 기술을 활용하여 분석, 진단 그리고 향후 제약 분야에 응용까지 이어질 수 있다는 점은 현 시대가 지향하는 정밀의학 precision medicine의 실현에 다다르게 합니다.
AI를 활용한 게놈 연구에서 중요한 점을 말해보자면, 저를 포함한 여러 연구자들이 AI의 알고리즘의 개선, 개발에 힘을 쏟고 있지만 정보가 잘 붙어 있는 좋은 데이터가 우선 되어야합니다.
이처럼 데이터 중요성을 역설하는 것은 몇 번을 말해도 아깝지 않으며 이러한 중요성에 말해주듯 제가 소속된 이규언 교수님 연구실에서는 바이오뱅크를 운영하여 갑상선 환자들에 대한 유전 데이터를 수집 및 분석하고 있습니다.
그리고 시퀀싱 기술의 발달로 더욱 값싼 비용으로 염기서열을 얻을 수 있는 시대에서, 이제는 시퀀싱이 장애물이 아닌 분석의 중요성이 더욱 부각되고있습니다.
특히 희귀질환 환자는 대상 환자가 매우 적기에 데이터를 수집하는 것 뿐만 아니라 데이터를 분석하기도 매우 어렵습니다.
그렇기에 제가 속한 쓰리빌리언에서는 희귀질환 환자에 대한 데이터를 적극적으로 모으고 알고리즘 개선에도 많은 힘을 쏟고 있으며 이번 일본 출장도 그 노력의 일환 중 하나입니다.
부디 의학과 기술의 발전으로 모두가 건강하여 꿈을 이룰 수 있는 사회가 되기를 바라며 글을 마칩니다.
'생물정보학 > 일상' 카테고리의 다른 글
[강의자료] 생물정보학 강의, FASTQ, BAM, VCF, samtools 설치 (0) | 2020.05.21 |
---|---|
[근황] 생물정보학자의 2019년을 돌아보며 2020년을 향해! (0) | 2020.01.31 |
[교육] 포스트게놈다부처유전체사업 유전체 분석 예비전문가 과정 (7기) (0) | 2019.05.17 |
[근황] 서울여대 생물정보학 강의 (0) | 2018.12.08 |
[일상] 2018년 새해 목표 운동 (2) | 2018.01.01 |
댓글