[📪정보] 1000년 걸릴 유아 장내미생물 연구, AI·디지털 트윈으로 줄인다

[익명(182.230)]

https://m.dongascience.com/news.php?idx=64808

1000년 걸릴 유아 장내미생물 연구, AI·디지털 트윈으로 '확' 줄인다

몸속에 사는 미생물 군집을 의미하는 ‘마이크로바이옴’의 95% 이상은 장에 존재한다. 장내 마이크로바이옴은 유아의 발달에 영향을 미친다. 인공지능(AI)과 디지털 트윈 기술로 장내 마이크로바이옴이 유아 발달에 미치는 연구 시간을 크게 단축할 수 있는 것으로 분석됐다.    

이샤누 차토파디야 미국 시카고대 의대 교수 연구팀은 유아의 마이크로바이옴을 모델링하는 새로운 생성형AI 도구를 개발해 11일 국제학술지 ‘사이언스 어드밴시스’에 발표했다. 

장내 마이크로바이옴이 균형을 잃으면 위장 질환이나 신경 발달 이상 등이 발생할 수 있다. 장내 미생물이 서로 어떻게 상호작용하고 균형을 이루는지에 대한 이해가 필요하다. 전통적인 실험실 실험으로는 이를 밝히는 데 너무 많은 시간이 소요된다. 미생물 1000종 기준으로 2종끼리의 상호작용을 테스트하는 데만 1000년 이상 걸릴 것으로 예상된다. 3~4종 이상의 상호작용을 분석하려면 훨씬 더 많은 시간이 걸린다.

이를 극복하기 위해 연구팀은 생성형 AI와 디지털 트윈을 접목한 도구를 개발했다. 생성형 AI는 텍스트, 이미지, 영상 등을 학습해 새로운 결과물을 생성해내는 AI 기술이다. 디지털 트윈은 현실에 존재하는 사물 등을 가상세계에 정밀하게 복제·구현하는 모델을 의미한다. 

연구팀이 개발한 도구는 장내 미생물종의 변화가 유아의 발달에 어떤 영향을 미치는지 예측할 수 있는 가상 모델인 ‘Q-넷’이다. 어린 아이들은 마이크로바이옴이 끊임없이 변화하고 성숙하기 때문에 생성형 AI로 변화하는 미생물간 상호작용을 예측하고 구현할 수 있는 디지털 트윈 환경을 구축했다. 

이는 테스트 시간을 크게 줄일 뿐 아니라 데이터가 쌓일수록 예측의 정확도를 높일 수 있다. 연구팀이 신생아 중환자실의 미숙아들에서 수집한 대변 샘플 데이터를 Q-넷에 적용하자 인지적 결함 위험이 높은 아기를 76%의 정확도로 예측하는 결과를 보였다. 

Q-넷을 이용하면 특정한 미생물 조합이 미치는 잠재적인 영향을 식별할 수 있기 때문에 건강에 도움이 되는 미생물 조합을 찾는데 도움이 된다는 게 연구진의 분석이다. 하지만 잘못된 예측과 개입은 건강을 더욱 악화시키는 원인이 될 수 있다는 점에서 아직은 임상 현장에 적용할 단계는 아니라고 보았다. 연구팀은 “보다 많은 양의 데이터를 바탕으로 훈련을 반복해야 한다”며 “미묘한 차이까지 포착할 수 있는 상황에 이를 수 있는 단계로 나아갈 것”이라고 말했다.

[Joyful(approve1515)]