희귀질환 진단 AI 'AI-CURA'…유전변이 분류 '특이도 100%'

홍콩 연구진이 거대언어모델(LLM)을 활용해 희귀질환 진단의 핵심인 유전 변이 분류를 자동화하는 새로운 인공지능(AI) 프레임워크를 개발해 주목된다.

13일 중국 바이오 전문매체 바이오온에 따르면, 홍콩 유전체 연구소(Hong Kong Genome Institute) 연구팀은 유전 변이 분류를 거의 완전하게 자동화하는 'AI-CURA' 프레임워크를 개발했다는 연구 결과를 국제학술지 '사이언스 중개의학(Science Translational Medicine)'에 지난 6월 24일 발표했다.

AI-CURA는 미국 의학유전학·유전체학회(ACMG)와 분자병리학회(AMP)의 가이드라인에 따라 유전 변이를 자동으로 분류한다. 표준 생물정보학 도구를 이용한 증거 평가와 LLM 기반의 문헌 증거 평가를 통합한 방식이다.

연구팀은 '딥시크-R1(DeepSeek-R1)'과 'o3-미니-하이(o3-mini-high)' 등 두 가지 최첨단 LLM의 성능을 시험했다. 그 결과, 정교한 프롬프트 설계와 규칙별 지식 기반을 구축했을 때 딥시크-R1이 문헌 이해가 필요한 ACMG 규칙 해석에서 더 뛰어난 성능을 보였다. 특히 높은 민감도와 100%의 특이도를 달성했다.

또한 연구팀은 미국 임상유전체데이터베이스(ClinGen)의 전문가들이 분류한 150개 변이를 대상으로 AI-CURA를 테스트했다. 그 결과 최종 진단에서 인간 전문가와 매우 높은 일치율을 보였다. 해석 충돌이 있는 150개 변이를 재분류하는 데도 성공적으로 사용될 수 있음을 증명했다.

희귀질환 진단에서 전장유전체염기서열분석(WGS)이 중요해지면서 분석해야 할 유전 변이의 양은 폭발적으로 증가했다. 현재 변이 분류 시스템은 전문가가 수많은 논문을 직접 검토해야 해 유전 진단의 병목 현상을 유발하는 원인으로 지적돼왔다.

기존에 개발된 AI 도구들은 예측 점수는 제공하지만, 결론에 대한 상세한 추론 과정이 부족해 임상 적용에 한계가 있었다. AI-CURA는 확립된 가이드라인에 따라 작동하고 해석 가능한 근거를 제시해 임상 현장에서의 활용 가능성을 높였다.

연구팀은 이번 연구가 LLM을 활용해 유전 변이 분류 및 재분석을 자동화하는 프레임워크를 제시했다는 점에서 의의가 있다고 설명했다. 이는 향후 유전 질환 진단 과정의 효율을 크게 향상시킬 것으로 기대된다.