[ET시론]AI 시대, 생명의 원리를 배워 질병을 치료한다

2024년 노벨화학상의 절반은 인공지능(AI)으로 단백질 구조를 예측하는 알파폴드를 개발한 구글 딥마인드의 데미스 허사비스와 존 점퍼 박사에게 수여됐다. 최근 허사비스는 앞으로 10여년 안에 AI가 질병 치료에 획기적인 진전을 가져올 것으로 전망했다. 오픈AI의 샘 올트먼과 앤트로픽의 다리오 아모데이 역시 AI가 난치질환 치료와 건강수명 연장을 앞당길 것으로 예상하고 있다. 우리는 이미 챗봇을 통해 언어를 이해하고, 생성하는 AI가 놀라운 속도로 발전하는 모습을 경험했다. 이제 AI는 이미지와 영상, 로봇을 넘어 생명의 영역으로 들어오고 있다. 세계는 생명의 원리를 이해하고 새로운 치료법을 설계하는 AI를 개발하기 위한 경쟁에 들어섰다. 일반적으로 AI는 많은 데이터를 학습할수록 성능이 좋아진다. 그래서 데이터를 '현대의 석유'라고 부르기도 한다. 바이오와 의료 분야도 예외는 아니다. 그러나 바이오·의료 데이터는 생산에 많은 시간과 비용이 들고, 개인정보 보호와 연구 윤리 등 고려해야 할 문제도 많다. 따라서 한정된 자원으로 데이터를 무작정 많이 모으기보다, AI가 무엇을 배워야 하는지 먼저 정하고 그에 맞는 데이터를 설계하는 것이 중요하다. 그렇다면 질병을 치료하는 AI는 무엇을 배워야 할까? 생명을 이야기하기 전에 조금 더 익숙한 예를 생각해 보자. 어떤 자동차에서 브레이크 문제가 반복적으로 발생한다고 하자. 원인을 찾기 위해 설계도를 분석하고 사고 기록을 모으는 것은 분명 도움이 된다. 그러나 그것만으로는 충분하지 않다. 설계가 제조 과정에 어떻게 반영됐고, 어떤 부품에 문제가 생겼으며, 그 문제가 자동차의 작동을 어떻게 바꾸었는지, 그리고 어떤 조건에서 실제 사고로 이어졌는지를 하나의 흐름으로 연결해서 봐야 한다. 설계에서 제조와 작동, 사고에 이르는 전체 과정을 이해해야 비로소 문제의 원인을 찾고 더 안전한 자동차를 만들 수 있다. 바이오데이텅, 의료데이터, 바이오-의료 연계 데이터 비교 생명도 이와 다르지 않다. 암 환자의 유전자 정보는 설계도에, 병원 진료기록은 사고 기록에 해당한다. 둘 다 매우 중요한 정보지만, 그것만으로는 그 사이에서 몸속에 어떤 변화가 일어났는지 충분히 설명하지 못한다. 따라서 유전적 요인과 환경, 생활 습관이 단백질을 비롯한 생체분자의 구조와 상호작용을 어떻게 바꾸었는지, 그 변화가 세포와 조직, 장기에 어떤 영향을 미쳤는지, 그리고 그것이 어떻게 암의 발생과 진행으로 이어...