The medical potential of AI and metabolites | Leila Pirhaji

번역: Jungmin Hwang 검토: Taz B K

In 2003,

2003년

when we sequenced the human genome,

인간 유전체 서열의 해독으로

we thought we would have the answer to treat many diseases.

많은 질병의 치료에 대한 기대가 컸지만

But the reality is far from that,

현실과는 거리가 멀었어요.

because in addition to our genes,

유전체 말고도

our environment and lifestyle could have a significant role

환경과 생활 방식이 많은 주요 질병들에

in developing many major diseases.

상당한 영향을 미치기 때문이죠.

One example is fatty liver disease,

한 예로, 지방간 질환으로

which is affecting over 20 percent of the population globally,

전 세계 20%가 넘는 사람들이 고생하고 있지만

and it has no treatment and leads to liver cancer

치료법이 없어 간암이나 간부전으로 진행하게 됩니다.

or liver failure.

So sequencing DNA alone doesn't give us enough information

DNA 염기서열의 해독만으로는 효과적인 치료법을

to find effective therapeutics.

찾을 수 없는 이유죠.

On the bright side, there are many other molecules in our body.

다행히 체내에는 다른 많은 분자 구조들이,

In fact, there are over 100,000 metabolites.

실제로 10만개 이상의 대사물이 존재합니다.

Metabolites are any molecule that is supersmall in their size.

상당히 작은 크기의 분자 구조를 대사물이라고 하는데

Known examples are glucose, fructose, fats, cholesterol --

포도당, 과당, 지방, 콜레스테롤 등

things we hear all the time.

항상 듣는 것들이죠.

Metabolites are involved in our metabolism.

신진대사에 영향을 주는 대사물은

They are also downstream of DNA,

DNA의 아래 부분에 위치해

so they carry information from both our genes as well as lifestyle.

유전자와 생활방식에 대한 모든 정보를 가지고 있어서

Understanding metabolites is essential to find treatments for many diseases.

이 물질에 대한 이해는 많은 질병의 치료법을 찾는 데에 필수적입니다.

I've always wanted to treat patients.

늘 환자들을 치료하는게 꿈이었지만

Despite that, 15 years ago, I left medical school,

15년 전에 제가 의대를 그만둔 건

as I missed mathematics.

수학에 대한 미련 때문이었어요.

Soon after, I found the coolest thing:

곧 알게 된 아주 신나는 일은

I can use mathematics to study medicine.

의학에 수학을 활용할 수 있다는 사실이었죠.

Since then, I've been developing algorithms to analyze biological data.

그때부터 저는 생물학 자료의 분석 알고리즘을 개발하고 있어요.

So, it sounded easy:

처음엔 아주 쉽게 들렸죠.

let's collect data from all the metabolites in our body,

체내의 모든 대사물에 대한 자료들을 모아서

develop mathematical models to describe how they are changed in a disease

병으로 발전하는 과정을 보여주는 수학적 모형을 만들고

and intervene in those changes to treat them.

그 과정에 개입해 치료한다는 건데

Then I realized why no one has done this before:

왜 아무도 이걸 해보지 않았는지 곧 알게 됐어요.

it's extremely difficult.

완전 어렵더라고요.

(Laughter)

(웃음)

There are many metabolites in our body.

우리 몸 안의 많은 대사물은

Each one is different from the other one.

각기 성질을 달리 합니다.

For some metabolites, we can measure their molecular mass

어떤 대사물은 질량 분석기를 통해

using mass spectrometry instruments.

분자량의 측정이 가능하지만

But because there could be, like, 10 molecules with the exact same mass,

같은 질량의 분자가 10개나 될 수도 있고

we don't know exactly what they are,

정체 조차 모르는

and if you want to clearly identify all of them,

그 모든 분자들을 명확히 식별해 내려면

you have to do more experiments, which could take decades

더 많은 실험을 거쳐야 하는데, 수십 년 동안

and billions of dollars.

수십 억의 예산이 들겠죠.

So we developed an artificial intelligence, or AI, platform, to do that.

그래서 인공지능 플랫폼을 개발했어요.

We leveraged the growth of biological data

생물학 자료들의 증가를 활용해

and built a database of any existing information about metabolites

대사물과 다른 분자와의 상호작용에 대한

and their interactions with other molecules.

기존 정보의 데이터베이스를 만들고

We combined all this data as a meganetwork.

이 모든 자료들을 모아 메가네트워크를 구축했어요.

Then, from tissues or blood of patients,

그리고 환자들의 조직이나 혈액에서

we measure masses of metabolites

대사물 질량을 측정해

and find the masses that are changed in a disease.

발병 시 질량의 변화를 살펴봤어요.

But, as I mentioned earlier, we don't know exactly what they are.

하지만 말씀드렸듯이, 정확히 그것이 뭔지 알지 못하죠.

A molecular mass of 180 could be either the glucose, galactose or fructose.

포도당, 갈락토오스, 과당 모두 분자량이 180이니까요.

They all have the exact same mass

정확하게 같은 질량을 가지고 있지만

but different functions in our body.

체내에서의 기능은 각기 다르죠.

Our AI algorithm considered all these ambiguities.

이런 모호성까지 감안하는 저희 인공지능 알고리즘은

It then mined that meganetwork

메가네트워크에 들어가

to find how those metabolic masses are connected to each other

어떤 상호작용을 거쳐 이 대사물들이 병으로 발전하는지

that result in disease.

밝혀 내려고 하고 있어요.

And because of the way they are connected,

연결되어 있는 방식에 따라

then we are able to infer what each metabolite mass is,

각 대사물의 분자량 유추가 가능한데,

like that 180 could be glucose here,

여기 180은 포도당을 가리키겠죠.

and, more importantly, to discover

더 중요한 사실은

how changes in glucose and other metabolites

포도당과 다른 대사물들이 어떤 변이를 거쳐 병이 되는지

lead to a disease.

알 수 있다는 것입니다.

This novel understanding of disease mechanisms

질병 구조의 이해를 위한 이런 참신한 시도로

then enable us to discover effective therapeutics to target that.

효과적인 치료법을 발견할 수 있는 거죠.

So we formed a start-up company to bring this technology to the market

그래서 이 기술을 상용화하고 사람들을 돕기 위해

and impact people's lives.

새로 회사를 차렸어요.

Now my team and I at ReviveMed are working to discover

현재 ReviveMed에서 일하는 저희 팀은

therapeutics for major diseases that metabolites are key drivers for,

발병 원인이 대사물인 주요 질병의 치료법을 연구하고 있어요.

like fatty liver disease,

지방간의 경우에는

because it is caused by accumulation of fats,

간에 있는 대사물 중 하나인

which are types of metabolites in the liver.

지방의 축적이 그 원인인데

As I mentioned earlier, it's a huge epidemic with no treatment.

말씀드린 것처럼, 치료법도 없는데 급속히 증가하고 있죠.

And fatty liver disease is just one example.

지방간 질환은 하나의 예에 불과해요.

Moving forward, we are going to tackle hundreds of other diseases

계속해서 저희는 수많은 병의 치료법을 찾기 위해

with no treatment.

노력할 것입니다.

And by collecting more and more data about metabolites

대사물에 대한 자료를 더 많이 수집하고

and understanding how changes in metabolites

대사물의 변이가 어떻게 병으로 발전하는지

leads to developing diseases,

알아가는 과정을 통해

our algorithms will get smarter and smarter

저희 알고리즘은 점점 더 똑똑해져

to discover the right therapeutics for the right patients.

환자에게 맞는 올바른 치료법을 발견하게 될거에요.

And we will get closer to reach our vision

코드 한 줄을 쓸 때 마다

of saving lives with every line of code.

생명을 구한다는 비전에 좀 더 다가갈 것입니다.

Thank you.

감사합니다.

(Applause)

(박수)