AI 도구, 임상·유전 데이터 결합해 희귀질환 진단 정확도 높이다

중국의 연구진이 유전 데이터, 임상 증상, 의사 소견서 등 환자 정보의 다양한 요소를 결합해 희귀질환을 더 빠르고 정확하게 진단하도록 돕는 인공지능(AI) 기반 도구를 개발했다.

희귀질환은 2,000명 중 1명 미만에 영향을 미치는 질환으로 정의되며, 전 세계적으로 3억명 이상에게 영향을 준다. 현재까지 7,000개가 넘는 서로 다른 질환이 확인됐고, 그중 약 80%는 유전적 기원을 갖는다. 이러한 누적 부담에도 불구하고 희귀질환은 임상적 이질성, 낮은 개별 유병률, 의료진의 제한된 친숙도 때문에 진단이 악명 높을 정도로 어렵다.

최근 몇 년간 상당한 연구가 희귀질환 환자들이 진단을 받기까지 때로는 5년 이상 걸리는 긴 기간을 줄이려는 데 집중해 왔다. 신생아 전장유전체 시퀀싱(whole genome sequencing) 같은 접근법의 성과가 분야를 진전시켰지만, 모든 이가 생물정보학 전문가에 접근할 수 있는 것은 아니며, 이런 접근에서 생성되는 방대한 데이터는 의료 제공자에게 부담이 될 수 있다.

이번 연구에서 연구진은 대규모 언어 모델(LLM)을 구축하고, 이를 에이전트형 시스템(agentic system)으로 둘러쌌다. 이는 각각 하나의 작업을 잘 수행하는 특화된 AI 에이전트들의 집합으로, 예를 들어 텍스트에서 증상을 추출하고, 증상을 알려진 질환과 매칭하며, 유전 변이를 주석화하고 순위를 매기는 등의 역할을 한다.

연구진이 DeepRare라고 이름 붙인 이 도구는 핵심 증상을 활용해 유사 사례와 의학 논문을 찾고, 유전 변이를 분석한 뒤 가능한 희귀질환의 후보 목록을 짧게 생성한다.

상하이의 여러 연구기관과 대학으로 구성된 연구팀은 아시아, 북미, 유럽의 병원 및 공개 데이터셋에서 수집한 환자 사례 6,401건을 대상으로 개발한 도구를 시험했다. 또한 기존 도구, 여러 대형 AI 모델, 그리고 희귀질환 전문의의 의견과 비교했다.

전반적으로 DeepRare는 희귀질환 진단에 사용되는 표준 방법과 다른 알려진 AI 모델들보다 더 나은 성능을 보였다. 증상과 유전 데이터를 모두 사용했을 때, 한 코호트에서 **환자의 69%**를 정확히 진단할 수 있었다. 또한 원시 유전체 파일을 해석해 가능한 질병 원인 변이를 찾는 데 흔히 쓰이는 잘 알려진 소프트웨어 Exomiser(점수 56%)도 앞섰다.

163건의 사례에서 전문가 의견과 직접 비교했을 때 DeepRare는 약 79%의 사례에서 진단에 도달했으며, 전문가의 66%보다 높았다. DeepRare가 사용한 추론 체계와 참고문헌을 검토한 전문가들은 95%의 경우에 올바른 정보를 사용했다고 동의했다.

DeepRare의 임상적 함의는 진단 정확도를 넘어, 희귀질환 진료 제공에서의 근본적 과제를 다룬다. 검증 가능한 참고문헌을 갖춘 근거 기반 추론 체계를 제공하는 시스템의 능력은 문헌 검토와 사례 연구에 필요한 시간을 크게 줄일 수 있다. 또한 서로 다른 의학 전문과 전반에서 일관된 성능을 보인다는 점은, 희귀질환을 드물게 접하는 비전문의 의사에게 유용한 의사결정 지원 도구가 될 잠재력을 시사한다.

이러한 희귀질환 전문성의 민주화는 전문 진료 접근성이 제한된 지역이나 자원이 부족한 환경에서 특히 큰 영향을 미칠 수 있으며, 희귀질환 진단에서의 의료 격차를 줄일 가능성이 있다. 연구진은 이번 연구를 Nature에 보고했다.