삼성건설은 이집트 수도 카이로의 신도시인 뉴카이로시티에 건설 중인 ‘카이로 아메리칸 대학(AUC)’을 착공 4년 만인 오는 7일(현지시간)에 완공한다. 뉴카이로시티는 카이로에서 30㎞ 떨어진 곳에 조성되는 수도권 신도시로 AUC는 부지 100만㎡에 강의실 168개와 실험실 210개, 극장(300석), 강당(1500석), 도서관 등 건물 66개동과 야간 조명시설을 갖춘 잔디구장 2개, 테니스코트 6면을 갖췄다.

삼성건설은 이집트 수도 카이로의 신도시인 뉴카이로시티에 건설 중인 ‘카이로 아메리칸 대학(AUC)’을 착공 4년 만인 오는 7일(현지시간)에 완공한다. 뉴카이로시티는 카이로에서 30㎞ 떨어진 곳에 조성되는 수도권 신도시로 AUC는 부지 100만㎡에 강의실 168개와 실험실 210개, 극장(300석), 강당(1500석), 도서관 등 건물 66개동과 야간 조명시설을 갖춘 잔디구장 2개, 테니스코트 6면을 갖췄다.

[파이낸셜뉴스]  국내 1세대 의료 인공지능 전문기업 ㈜딥노이드와 가톨릭대학교 의과대학 병리과 정요셉 교수팀이 공동연구한 ‘AI를 활용한 암 진단 기술’에 대한 연구 초록 3편이 유럽 병리학회(European Congress of Pathology, ECP 2024)에서 채택됐다. 12일 딥노이드에 따르면 ECP 2024(European Congress of Pathology)는 유럽 병리학회가 주최하는 연례 학술대회로, 병리학 분야에서 가장 큰 규모의 국제 학회 중 하나다. 매년 최신 연구 결과와 혁신적인 기술이 발표되며, 전 세계 병리학자 및 연구원, 의료 관계자가 모여 지식을 공유하고 네트워킹을 할 수 있는 중요한 자리이다. 이번 연구들은 신장암, 대장암, 요로상피암 등 다양한 암종에 대해 AI 기술을 적용한 진단 방법의 성능과 가능성을 제시한다. 공동연구팀은 각 연구를 통해 인공지능 모델의 정확성을 높이고, 임상 현장에서의 실용성을 극대화할 수 있는 방안을 제안했다. 대장암 병리 이미지 분석 연구에서는 특징 추출기(Feature Extraction)를 비교하여, 대장암의 정상 여부와 4가지 아형을 분류 등 AI 기반의 분석 기술이 대장암 진단의 정확성을 크게 향상시킬 수 있음을 입증했다. 요로상피암 연구의 경우 데이터가 불완전하거나 불명확한 상황에서도 효과적으로 학습할 수 있는 다중 인스턴스 학습(MIL) 모델과 이미지 분류 시 정확도를 높이기 위해 사용하는 Sub-center Arcface Loss를 결합해 진단성능을 더욱 향상시켰다. 신장암 연구는 대규모 데이터셋을 활용해 정상 여부 및 3가지 아형(Subtype)을 정확하게 분류하는 모델을 개발했다. 본 모델을 통해 신세포암종을 분류할 경우 평균 정확도(ACC)는 92.81%, 수치가 클수록 분류 성능을 높게 평가하는 AUC는 93.54%, F1 Score는 93.43%의 성능을 보였다. F1 Score는 높을수록 예측이 정확하다고 판단한다. 해당 연구는 10개 기관에서 수집한 8,000장 이상의 전체 슬라이드 이미지(WSIs)를 활용해 학습됐으며, 이는 현재까지 국가 단위 데이터 세트로는 가장 큰 규모다. 가톨릭대학교 의과대학 병리과 정요셉 교수는 “이번 연구는 AI 기술이 암 진단 분야에서 어떻게 활용될 수 있는지를 실질적으로 보여주는 중요한 성과”라고 말하며, “특히, 신장암 연구는 국내 다기관에서 방대한 양의 데이터를 수집하여 학습 및 검증을 진행함으로써, 공개 데이터를 통해 객관적인 결과를 낸 논문으로 평가받아 의미가 크다”고 전했다. 딥노이드 윤홍준 팀장은 “이번 학회에서 발표한 연구들은 AI를 활용한 암 진단 기술의 혁신적인 가능성을 보여준다"며 "앞으로도 지속적인 연구 개발을 통해 더 많은 의료 솔루션에 AI 기술을 적용할 수 있도록 노력하겠다"고 밝혔다. 이번 연구 발표는 딥노이드가 글로벌 의료 시장에서 AI 기반의 암 진단 솔루션을 확장하는 데 중요한 이정표가 될 것으로 기대하고 있다. kakim@fnnews.com 김경아 기자

[파이낸셜뉴스] 급성 골수성 백혈병(AML) 환자들에게 맞춤형 치료 가능성을 제시하는 획기적인 연구가 발표됐다.  윤태영 서울대 생명과학부 교수팀은 새로운 기술을 통해 ABT-199 표적 항암제의 작동 기전을 밝혀내고, 개별 환자의 치료 반응성을 높은 정확도로 예측할 수 있는 ‘고성능 동반진단 바이오마커’를 개발했다고 5일 밝혔다.  급성 골수성 백혈병은 혈액 또는 골수 내 비정상 백혈구가 급격히 증식해 정상 혈액 세포의 생성을 방해하는 혈액암의 일종으로, 신속하고 효과적인 치료법의 선택이 중요하다. BH3 모사체는 BCL2 단백질을 표적으로 해 암세포의 사멸을 유도하는 약물로, 특히 ‘ABT-199’ 표적 항암제는 AML 치료에 높은 성과를 보였다. 그러나 모든 환자가 동일한 치료 효과를 얻지 못하고, 일시적 관해 후 저항성이 생기는 경우가 있어 ABT-199의 효과를 미리 예측할 수 있는 방법이 필요했다. 연구팀은 단분자 풀다운 및 공면역침강 기법과 단분자 형광 이미징 기술을 통해 약 3만개의 세포를 분석해 22종의 서로 다른 단백질-단백질 상호작용(PPI) 신호를 정량적으로 검출하는 기술을 개발했다. 이를 통해 다양한 단백질이 서로 어떻게 상호작용 하는지를 정확히 측정할 수 있게 됐다. 이들은 ABT-199가 BCL2 단백질에 선택적으로 결합해 BCL2-BAX 복합체를 분해시키고, 이 과정에서 활성화된 BAX 단백질이 암세포의 사멸을 유도하는 것을 확인했다. 이를 통해 ABT-199가 암세포를 죽이는 주요 메커니즘을 명확히 밝혀냈다. 이어 연구팀은 32명의 AML 환자 검체에서 다차원 PPI 프로파일 데이터를 획득하고, 생체 외 수준에서의 약물 반응성과의 상관관계를 분석했다. 그 결과, ABT-199의 민감성과 저항성에 영향을 미치는 주요 단백질 복합체를 밝혀냈다. 특히, BCL2-BAX 복합체는 ABT-199의 민감성과, BCLxL-BAK 복합체는 저항성과 관련이 있음을 확인했다. 이 데이터를 바탕으로 연구팀은 개별 AML 환자의 ABT-199 약물 반응성을 예측할 수 있는 ‘고성능 동반진단 바이오마커’를 개발했다. 이 바이오마커는 환자의 세포에서 특정 PPI 신호가 어떻게 변화하는지를 보고, ABT-199가 효과가 있을지를 높은 정확도로 예측할 수 있다. 연구팀은 개발한 바이오마커의 예측 정확도를 생체 외 수준에서 테스트했다. 그 결과, 최대 94%의 예측 정확도(AUC-ROC)를 보였으며, 이는 임상 적용에 충분한 수준이다. 실제 10명의 AML 환자를 대상으로 한 임상 테스트에서도 9명의 항암제 반응성을 성공적으로 예측했으며, 민감도 100%, 특이도 83.3%의 성능을 보였다. 이는 높은 정확도로, 환자의 항암제 반응성을 예측할 수 있음을 확인했다. 윤 교수는 “단분자 공면역침강 기법은 다양한 시료에서 단백질-단백질 상호작용을 정밀하게 측정할 수 있는 도구”라며 “이 기술을 통해 복잡한 단백질 상호작용 네트워크를 이해함으로써 분자 진단의 새로운 길을 열어줄 것으로 기대된다”고 말했다. camila@fnnews.com 강규민 기자

[파이낸셜뉴스]   국내 1세대 의료 인공지능 전문기업 딥노이드가 제50차 대한암학회 학술대회(KCA 2024)에서 최우수 포스터상(Best Poster Award)을 받았다고 21일 밝혔다.  딥노이드가 발표한 포스터는 다중 인스턴스 학습(MIL; Multiple Instance Learning)에 기반한 신세포암종(RCC)의 유형 분류 방법에 대한 연구다. 본 연구사업의 주관기관인 가톨릭대학교 의정부성모병원을 비롯해 10개 기관에서 수집한 7000장 이상의 전체 슬라이드 이미지(WSIs)를 활용해 학습됐으며, 이는 현재까지 국가 단위 데이터 세트로는 가장 큰 규모다. 본 모델을 통해 신세포암종을 분류할 경우 정확도(ACC)는 97.0%, 수치가 클수록 분류 성능을 높게 평가하는 AUC는 0.987, F1 Score는 97.0%의 성능을 보였다. F1 Score는 머신러닝 모델의 성능을 평가하는 지표 중 하나다. 높을수록 예측이 정확하다고 판단한다. 해당 연구는 검출 정확도를 높임과 동시에 보다 수월한 조직학적 아형 분류로 신세포암종의 진단 정확성과 효율성을 향상하기 위함이다. 이번 연구에 참여한 딥노이드 AI연구소 윤홍준 팀장은 “전체 조직 슬라이드 라벨만으로도 유의미한 성과를 달성할 수 있음을 입증했다”며, “이러한 결과는 실제 임상 현장에서 사용했을 때, 신세포암 진단의 정확성과 효율성을 개선하는 데 도움을 줄 수 있을 것”이라고 말했다. kakim@fnnews.com 김경아 기자

[파이낸셜뉴스] 용인세브란스병원 안과 지용우 교수·연세대학교 화공생명공학과 함승주 교수팀은 알츠하이머병을 조기 진단하는 면역분석법을 개발한 후 이를 이용해 눈물 속 생체표지자(바이오마커)를 발굴했다고 9일 밝혔다. 연구팀은 알츠하이머병 환자 눈물 검체 기반 생체표지자 발굴 및 저비용·고감도의 센싱 플랫폼 개발로 알츠하이머병 조기 진단의 새로운 틀을 마련하고자 연구를 수행했다.  연구는 크게 두 가지 과정으로 구성된다. 먼저 대표 환자군에서 생체표지자 후보 물질을 탐색 및 선정하기 위해 고분해능 질량 분석기를 이용한 단백체 동정 분석을 실시했다. 이후 유효한 물질을 고감도로 검출하는 센싱 플랫폼을 개발해 눈물 샘플을 검증했다. 연구팀이 개발한 센싱 플랫폼은 선정된 후보 물질만을 선택적으로 검출할 수 있는 유·무기 나노구조체 기반의 면역분석법(SNAFIA)을 이용한다. 면역분석법은 항원-항체 반응을 통한 증폭된 형광 신호 방출로 새로운 생체표지자 발굴에 즉각 적용할 수 있도록 기능화돼 다양한 질병 진단에 적용할 수 있고 질병의 조기 진단에도 효과적이다. 연구 결과, 대표 환자군에서 검출한 생체표지자 후보 물질인 CAP1 단백질이 알츠하이머병 생체표지자로서 유효하다는 것을 확인했다. 눈물 샘플을 대상으로 SNAFIA 분석을 시행한 결과 질병 진행 단계에 따라 CAP1 단백질의 존재를 나타내는 형광 신호 값이 점진적으로 증가했다. 경도인지장애 집단과 알츠하이머병 집단에서 곡선하면적(AUC) 값은 각각 0.762, 0.971로 정상 집단에 비해 유의미했다. 또 연구팀은 인지기능검사(MMSE) 결과와 센싱 플랫폼 분석 결과 사이에도 유의한 상관관계가 있음을 밝혀 센싱 플랫폼과 눈물을 이용한 알츠하이머병의 비침습적 진단의 유효성을 제시했다. 지용우 교수는 “SNAFIA 분석과 같이 간편하고 정확도 높은 체액 기반 비침습적 측정 기술은 고통을 동반하고 고비용인 기존 알츠하이머병 검사의 문제점을 개선하고 조기 진단의 효과적인 도구가 될 것”이라며 “향후 콘택트렌즈나 인공수정체와 같은 안과 의료기기에 연구팀의 SNAFIA 플랫폼을 통합함으로써 알츠하이머병을 실시간으로 모니터링하는 등의 효과도 기대할 수 있다”라고 말했다. camila@fnnews.com 강규민 기자

[파이낸셜뉴스] 기도 삽관 후 인공호흡기를 사용하는 미숙아의 인공호흡 장치를 제거하는 발관 시점을 결정하는 데 도움을 주는 인공지능 모델이 국내 의료진에 의해 개발됐다. 분당서울대병원 고위험산모신생아통합치료센터 정영화·최창원 교수(소아청소년과), 디지털헬스케어연구사업부 유수영 교수, 송원근 연구원 등 연구팀은 기도 삽관 후 인공호흡기를 사용하는 미숙아의 발관 성공률을 평가하는 모델을 개발했다고 23일 전했다. 미숙아들은 출생 후 호흡기가 제대로 기능하지 못해 호흡곤란이나 무호흡 등이 발생하는 경우가 많고, 출산 시기가 이를수록 이러한 위험에 노출될 가능성이 높아진다. 이때 정상적으로 자가 호흡이 가능할 때까지 기도 삽관 후 인공호흡기를 사용하게 되는데 가능하다면 최소한의 기간만 사용하고 발관하는 것이 좋다. 인공호흡기를 통해 숨을 쉬는 기간이 필요 이상으로 길어질수록 폐가 정상적으로 성장하지 못할 가능성이 높아져서다. 실제로 장기간의 기도 삽관 및 인공호흡기 사용은 미숙아의 기관지폐이형성증 위험을 높이고, 신경 발달도 지연시키는 것으로 알려져 있다. 반대로 발관이 너무 이르게 이뤄질 경우 저산소증과 고이산화탄소혈증이 발생해 뇌에 안 좋은 영향을 끼칠 수 있고, 마찬가지로 기관지폐이형성증의 발생 위험이 증가할 수 있다.  현재는 이에 대해 명확히 합의된 지침이 없어 주치의의 판단에 의존하고 있는데, 1kg 미만의 미숙아에서 발관 후 이를 유지하는 데 성공할 확률은 평균 60~73% 수준으로 보고되고 있다. 이에 연구팀은 2003년부터 2019년까지 분당서울대병원에서 태어난 32주 미만의 미숙아 중 기도 삽관 후 침습적 인공호흡기를 사용한 678명의 데이터를 활용, 심장박동·호흡 등의 생체 신호를 분석해 발관 성공 여부를 예측하는 기계학습 알고리즘을 개발했다. ‘NExt-Predictor’라는 명칭의 이 발관성공 예측모델은 정확도를 나타내는 곡선하면적(AUC) 0.805, 정밀도(precision)는 0.917 수준으로 매우 뛰어난 예측이 가능하다. 기본적인 생체 신호만을 사용하기 때문에 별도의 장비가 필요하지 않은 장점도 있다. 분당서울대병원 고위험산모신생아통합치료센터 정영화 교수는 “인공호흡기를 쓰는 미숙아는 빨라도, 늦어도 안 되는 최적의 시점에 인공호흡기를 떼는 것이 중요하다”며 “그러나 이에 대한 정확한 기준을 마련하는 데 어려움이 있었던 만큼, 발관 성공 가능성을 예측해주는 인공지능이 의료 현장에서 큰 도움이 될 것이라 판단해 개발하게 됐다”고 말했다. camila@fnnews.com 강규민 기자

[파이낸셜뉴스] 펩타이드 융합 바이오 전문기업 나이벡이 호주 임상1상을 성공적으로 마쳤다. 6일 금융감독원 전자공시시스템에 따르면 나이벡은 공시를 통해 호주 CMAX 임상연구센터(CMAX Clinical Research)에서 진행된 폐섬유증 치료제 ‘NIPEP-PF(임상시험 코드명 NP-201, 이하 NP-201)’의 임상1상을 완료해 최종결과 보고서를 수령했다고 밝혔다. 임상1상 진행 결과 NP-201는 사람을 대상으로 한 시험에서도 우수한 안전성과 내약성(환자가 부작용을 견뎌낼 수 있는 정도)을 보여줬다. 인체 허용 최대 용량인 400mg을 투여한 임상시험에서도 특이사항이나 부작용이 발생하지 않아 최고 수준의 안전성을 확인했다. NP-201는 나이벡이 자체 개발한 새로운 기전의 펩타이드 기반 폐섬유증 치료제다. 섬유증 억제뿐 아니라 손상된 폐조직에 대한 재생 효과도 뛰어나기 때문에 기존 치료제의 한계점을 극복했다는 평가를 받고 있다. 임상1상은 총 32명의 건강한 성인을 대상으로 피하주사(SC) 제형의 NP-201가 위약과 병용해 투여됐다. 투약 용량은 환자군별로 100mg, 200mg, 300mg, 400mg 투여가 진행됐다. 시험 기간 동안 중대한 이상반응(SAE)은 관찰되지 않았다. 이상반응(AE)도 경미한 수준이었다. 혈액과 소변을 이용한 진단검사와 활력징후 검사, 신체검사, 심전도 및 호흡능력 등의 검사에서도 허용 이내 값을 기록했다. 약동학적(PK) 특성도 확인됐다. NP-201의 투약 용량이 증가함에 따라 ‘혈중 약물 최대 농도’와 ‘농도·시간 곡선 아래 면적(AUC)’이 비례해 증가했다. 또 혈중 반감기와 소실 속도는 일정 범위에서 지속됨을 확인했다. 결과적으로 NP-201은 고농도에서도 흡수와 분포 그리고 배설까지 전혀 이상이 없고, 반감기 또한 적정시간 유지되는 것으로 확인됐다. 이는 인체에 빠른 흡수력과 지속성을 보였다는 것을 의미하는 것이다. 나이벡 관계자는 “약물의 안전성과 내약성 확인을 목적으로 진행된 NP-201 호주 글로벌 임상1상이 이상 없이 순조롭게 진행됐다”며 “임상1상 결과를 바탕으로 임상1b/2a를 위한 미국 식품의약국(FDA)과의 임상시험계획(Pre IND) 미팅을 준비하고 있다”고 말했다. 그는 이어 “NP-201의 섬유증 치료기전 관련해 재생 치료에서 그 효능이 확인됨에 따라 추가적으로 염증성 장질환 치료제로 적응증을 확대해 미국 내 임상 1b/2a를 진행할 계획“이라며 ”신약의 적용 범위가 더욱 확대돼 상용성이 더욱 강화될 가능성이 높다”라고 덧붙였다. dschoi@fnnews.com 최두선 기자

[파이낸셜뉴스] EDGC는 21일인공지능(AI) 기술 기반 멀티오믹스 유전체분석 플랫폼을 활용해 암 진단의 정확도를 획기적으로 향상시킨 연구결과를 발표했다.  연구결과는 국제 과학기술 논문인용 색인 SCIE(Science Citation Index Expended) 등재 저널 ‘캔서(Cancers)’ 9월호에 실렸다.  '멀티오믹스 데이터와 머신러닝을 활용한 액체생검 폐암 분류 강화’ 제목의 논문으로, EDGC가 오랜 기간 연구를 통해 암 진단 정확도를 획기적으로 향상시킨 연구결과를 소개하고 있다. 논문에 따르면 EDGC의 독자적인 인공지능 멀티오믹스 플랫폼을 통한 암 분석정확도는 암진단관련 단독 진단방식에 비해 높은 정확도를 기록했다.  세포유리DNA(cfDNA) 단독 진단방식은 AUC 0.7 수준, 유전자 복제수(CNV) 단독 진단방식은 AUC 0.8 수준, 암표지자 단독 진단방식은 AUC 0.7 수준보다 낮게 기록된 것에 비해 EDGC의 독자적 인공지능으로 통합분석했을 때의 정확도는 AUC 0.931까지 향상됐다.  이 수치는 약 93%의 확률로 폐암환자와 정상인을 구분할 수 있다는 것을 의미한다. EDGC는 "암 진단 분야에서 매우 높은 정확도로 획기적인 암 진단 기술로 평가된다"고 설명했다.  초기 폐암환자와 말기 폐암환자를 구분할 수 있다는 점도 주목된다. EDGC의 멀티오믹스 분석방법은 초기 폐암환자(1기, 2기)의 경우 AUC 0.964의 정확도로 구분 가능하고, 말기 폐암환자(3기, 4기)는 AUC 0.983의 높은 정확도로 구분할 수 있다.  EDGC는 논문에서 소개한 온코캐치-S 기술을 현재 독일, 파나마, 터키, 베트남 등에서 서비스 중이며 점차 진출 국가를 확대할 계획이다. 온코캐치-S서비스는 암표지자, 세포유리DNA 농도, 유전자 복제수(CNV)를 통합 분석한 폐암진단 멀티오믹스 플랫폼이다.  온코캐치는 혈액 내 순환종양DNA를 최첨단 'NGS' 기술과 생물정보학 기술을 이용해 분석하는 기술이다. 암을 조기에 발견하거나, 암 재발 유무 확인 및 맞춤형 표적 항암제 선택에 활용 가능하다. 온코캐치는 검사 목적 및 방법 등에 따라 온코캐치-E, 온코캐치-S, 온코캐치-CDx와 온코캐치-M 4가지 파이프라인이 있다.  이민섭 EDGC 대표는 “온코캐치는 조기에 암을 발견해 환자의 생존율을 높이고 치료비용을 절감할 수 있다는 점에서 주목할 만한 진단기술”이라며 “앞으로 10대암을 한 번에 진단할 수 있는 다중 암 진단서비스를 선보일 계획이며, 이를 위한 연구에 역량을 집중하고 있다”고 말했다. vrdw88@fnnews.com 강중모 기자

[파이낸셜뉴스] 암 환자는 근육에 침착된 지방이 많을수록, 근육량이 감소할수록 암 치료의 예후가 좋지 않다. 근감소증을 측정할때 CT 검사를 시행해야 하는데 비용 문제와 방사능 노출 등 환자의 불편감으로 잘 진행하지 않는다. 연세대 강남세브란스병원은 머신러닝을 이용해 근육량을 예측할 수 있는 알고리즘 개발 연구를 진행했다고 30일 밝혔다. 대장암 예후 인자로써 근골격지수(SMG)가 제시된 가운데, CT를 촬영하지 않고도 SMG를 예측할 수 있는 알고리즘이 개발됐다. 강남세브란스병원 대장항문외과 강정현 교수팀은 피검사를 통해서 확인이 가능한 염증관련 지표 및 환자의 고유한 특성을 추출한 후 머신러닝을 적용해 SMG를 예측하는 알고리즘을 개발했다. 연구에는 강남세브란스병원에서 치료받은 1094명의 대장암 환자의 데이터가 사용됐다. 연구진은 환자군을 예측 방법을 생성하는 트레이닝 그룹(656명)과 예측모델을 실제로 적용해보는 테스트 그룹(438명)으로 나눠 연구를 진행했다. 그 결과 트레이닝 그룹의 AUC(곡선하면적) 값이 84.6% 수준으로 우수했으며 알고리즘을 적용한 테스트 그룹의 AUC 또한 86.9% 정도로 우수한 성능을 보였다. 이는 다른 피검사 수치(혈색소, 알부민 등)나 성별, 키, 몸무게 등의 임상 지표들보다도 우수한 수치다. 강정현 교수는 “이 알고리즘의 장점은 근감소증 상태를 감지하기 위한 선별도구로 채택될 수 있다는 것”이라며 “무엇보다 CT를 이용한 진단 시 동반되는 비용 및 방사선 노출의 어려움을 극복해, 환자의 불편감을 줄이고 예후를 예측할 수 있다”고 말했다.  camila@fnnews.com 강규민 기자