AI 도구, 암 약물 검사 및 임상시험 등록 가속화

University of Utah의 과학자들은 인공지능을 사용하여 공격적이고 치료가 어려운 암인 T세포 급성 림프모구성 백혈병(T-ALL)을 앓는 소아 환자의 표적치료제에 대한 암세포 민감도를 신속하게 예측하는 새로운 "랩온어칩" 장치를 개발했다. μPharma라고 불리는 이 장치는 여러 날이 아닌 4시간 이내에 결과를 제공하여, 매 순간이 중요한 상황에서 당일 정밀의료로 가는 잠재적 경로를 제공한다.

연구자들은 아직 임상 환경에서 사용되지 않는 이 도구가 환자의 암세포가 어떤 치료법에 민감한지 신속하게 식별함으로써 불필요한 치료와 부작용을 줄이는 데 도움이 될 수 있다고 말한다. 이 플랫폼은 환자의 암세포를 약물에 직접 노출시키지 않고 환자의 약물 반응 프로파일을 식별한다. 디지털 미세유체공학을 사용하여 칩 전체에 작은 액적을 이동시키고 노동 집약적인 액체 처리 단계를 자동화함으로써, 필요한 세포와 시약의 수를 줄이고 인적 오류를 최소화하며 프로세스 속도를 높인다.

Med에 발표된 연구에서 과학자들은 μPharma가 현재 T-ALL에 대해 연구 중인 두 가지 표적치료제인 dasatinib과 venetoclax에 대한 반응을 정확하게 예측했으며, 약물 반응과 주요 분자 마커 간의 이전에 인식되지 않았던 연관성을 밝혀냈다고 입증했다. 이 플랫폼은 개별 암세포 수준에서 약물 감수성의 차이를 감지할 수 있다. 이는 특정 약물이 환자의 암세포 중 일부에만 효과적이고 전부에는 효과적이지 않은 경우, 생존한 암세포가 다시 증식할 수 있기 때문에 중요하다.

Huntsman Cancer Institute의 소아종양학자이자 University of Utah 소아과 부교수는 치료 선택의 혁신이 소아 악성종양 내에서 시급한 필요사항이라고 말했다. "실시간으로 달성되는 개인맞춤형 치료 선택은 암 치료의 미래의 일부가 될 것이며, μPharma는 그 방향으로 나아가는 고무적인 단계를 나타낸다"고 이 의사는 말했다.

Huntsman Cancer Institute의 Experimental Therapeutics Program 연구원이자 회원이며 University of Utah 분자약학 조교수는 팀이 이 기술을 개발하기 위해 열심히 노력했으며, 이것이 잘 작동하는 것을 보는 것은 환자를 돕기 위해 임상에 도입하는 핵심 단계라고 말했다. 이 프로젝트는 University of Utah, St. Jude Children's Research Hospital, University of Pennsylvania의 연구자들 간의 협력이다.

임상의는 환자의 암세포 소량 샘플을 장치에 넣는다. 내부에서 세포는 사람 머리카락 두께보다 약간 넓은 간격으로 배치된 두 개의 판 사이에 고정된다. 전류가 작은 화학물질 액적을 세포로 또는 세포로부터 정밀하게 이동시켜, 일반적으로 시간과 노동 집약적인 실험실 프로세스를 완전히 자동화한다. University of Utah 생의학공학 조교수는 다음 단계는 현실적인 임상 환경에서 1차 백혈병 세포를 사용하여 이 기술을 검증하는 것이라고 말했다.

한편, City of Hope 병원 시스템은 남부 캘리포니아, 피닉스, 시카고, 애틀랜타 및 수십 개의 클리닉에 걸친 전국 네트워크에서 종양학 진료 및 연구를 지원하도록 설계된 내부 훈련 AI 플랫폼인 HopeLLM을 배치했다. 시스템 EVP이자 최고 디지털 및 기술 책임자는 조직이 "단일 개체가 아닌 시스템으로" 운영되며, 배치된 모든 기술이 그 복잡한 범위 전체에서 작동한다고 설명한다.

HopeLLM은 암 치료에서 익숙한 과제인 압도적인 문서화를 다룬다. 일부 환자는 수년에 걸친 치료와 관련된 수천 페이지의 기록을 가질 수 있다. HopeLLM은 그 정보를 받아들여 의사를 위해 신속하게 요약할 수 있다. 시간 절약은 상당하며, 의사들은 종종 근무 시간 외에 기록을 검토하는 데 몇 시간을 소비한다. 복잡한 병력을 요약함으로써 시스템은 환자당 2~3시간을 절약할 수 있다.

이 플랫폼은 임상 기록, 청구, 유전체학, 영상의학, 병리학을 포함한 다중모드 데이터를 분석하여 환자에게 적합한 임상시험을 식별한다. 또한 프로세스를 역전시켜 새로운 임상시험이 시작될 때 후보자를 식별하기 위해 환자 집단을 스캔할 수 있다. "환자가 진료를 받으러 올 때, 우리는 그들이 어떤 임상시험에 적격인지 즉시 알려줄 수 있기를 원했다"고 이 임원은 설명했다. 그 즉시성은 종양학에서 중요하며, 타이밍이 환자가 잠재적으로 생명을 구하는 치료에 접근할 수 있는지 여부를 결정할 수 있다.

City of Hope는 자체 구축하기 전에 상용 도구를 평가했다. 많은 도구가 종단적 종양학 데이터로 어려움을 겪었고 실제 임상 워크플로우에 통합되지 못했다. 내부적으로 설계함으로써 팀은 종양학자들이 실제로 생각하고 진료하는 방식을 반영할 수 있었다. 면허를 가진 임상의가 최종 결정 권한을 보유한다. "어떤 알고리즘도 실제로 도덕적 권한을 갖지 못한다"고 이 임원은 말했다. "AI는 지원할 수 있지만 임상적 책임을 소유할 수는 없다."

개별 환자 매칭을 넘어, HopeLLM은 네트워크 전체에서 타당성 평가를 변화시키고 있다. City of Hope는 이 플랫폼을 사용하여 200개 이상의 임상시험을 평가했다. 한때 수 주가 걸렸던 작업을 이제 수 분 내에 완료할 수 있어, 팀이 여러 위치에서 적격 환자를 신속하게 식별할 수 있다. 이 임원은 이것을 전국 임상시험 모델의 일부로 설명한다: 중앙집중식 조정과 지리적으로 분산된 연구 현장의 결합. 이 접근법은 임상시험에 대한 접근성을 개선하는 동시에 연구가 여러 지역에서 거의 동시에 시작될 수 있도록 한다.

T-ALL은 가장 흔한 소아암인 급성 림프모구성 백혈병의 어려운 아형이다. 완전 관해율이 개선되었지만, 많은 생존자들이 집중적인 화학요법으로 인한 장기적 영향을 경험한다. 약물 반응을 신속하게 결정하면 임상의가 치료를 더 빨리 개인화하여 비효과적인 치료와 부작용에 대한 노출을 줄이는 데 도움이 될 수 있다.