AI 'Claude', 30분 만에 개인 게놈 분석...표준화 논의 필요성 제기

2009년 과학자 스티븐 퀘이크의 전장 유전체를 해석하는 작업은 유전학·컴퓨터과학·약리학·임상의학 전문가 30명이 참여해 거의 1년이 걸렸다. 저자 유안 애슐리는 2026년 자신의 과거 유전체 데이터를 AI 챗봇 Claude에 입력해 동일한 분석을 시도했고, 약 30분, 토큰 40만 개, 비용 약 5달러로 결과를 얻었다. Claude는 알츠하이머병 위험과 관련된 APOE ε4 변이 2카피 보유 사실을 포함해 2009년 당시의 주요 분석 결과 다수를 재현했으며, 희귀 유전질환 관련 중대 변이는 발견되지 않았다는 기존 결론과도 일치했다. 약물 반응에 영향을 줄 수 있는 DPYD, CYP2C19 유전자 변이도 식별했으며, 일반 질환 위험 점수 산출은 데이터 부족을 이유로 거부했다. 저자는 이번 사례가 저렴하고 신속한 AI 기반 유전체 해석의 접근성을 보여준다고 평가하면서도, 과거 짧은 리드 시퀀싱 기술과 제한된 참조 유전체의 한계로 인해 반복 서열이나 구조 변이가 포함된 영역에서는 변이가 누락될 수 있다고 지적했다. 또한 기존 참조 유전체가 소수 인원의 DNA를 기반으로 구성돼 있어 다양한 인구집단의 변이를 충분히 반영하지 못한다는 문제도 제기했다. 새로운 분기형(pangenome) 참조 유전체가 등장했지만 실험실과 임상 시스템에서의 채택은 아직 일관되지 않다고 설명했다. 저자는 일반 대중이 AI를 통해 손쉽게 유전체 해석에 접근할 수 있게 된 만큼, 의료용 고품질 유전체 분석이 갖춰야 할 요건에 대한 명확한 표준 마련이 시급하다고 주장했다.

2009년 전문가 30명이 약 1년에 걸쳐 수행한 전장유전체 해석을 2026년 Claude가 30분, 5달러로 재현
Claude는 APOE ε4 변이 2카피, DPYD·CYP2C19 약물대사 관련 변이를 식별
희귀질환 원인 변이 미검출 등 기존 2009년 연구 결과와 일치하는 결론 도출
일반 질환 위험 점수는 데이터 부족을 이유로 산출을 거부
저자는 짧은 리드 시퀀싱·제한된 참조 유전체의 한계로 의료용 유전체 분석 표준 마련 필요성 제기

BioPulse 해설

원문에 없는 배경 설명입니다 · AI 작성 · 기사의 사실관계가 아닙니다

전장유전체 분석: 개인의 DNA 전체 서열을 해독하고 해석해 질병 위험이나 특성과 연관된 변이를 찾는 과정
거대언어모델(LLM): 대량의 텍스트 데이터를 학습해 자연어로 질의응답이나 분석을 수행하는 인공지능 모델
유전 변이 해석: DNA 서열에서 발견된 변이가 건강에 미치는 영향을 과학적 근거에 따라 판단하는 작업
임상 유전체학: 유전체 정보를 진단과 치료 등 실제 의료 현장에 적용하는 학문 분야

유전체 분석은 원래 생물정보학자, 유전학 전문의 등 다수의 전문 인력과 긴 시간이 필요한 복잡한 작업으로, 변이 해석의 정확성과 임상적 유의성 판단이 핵심 난제로 꼽혀왔다. 최근 인공지능 모델이 의료 데이터 해석에 활용되면서, 기존에 전문가 집단이 수행하던 작업을 자동화하려는 시도가 늘고 있다. 다만 의료 분야에서는 분석 결과의 정확성, 재현성, 오류 시 책임소재 등을 검증할 표준과 규제 체계가 아직 충분히 마련되지 않은 경우가 많다.

Why it matters의료 인공지능이 전문가의 영역을 대체하거나 보조하는 범위가 넓어질수록, 결과의 신뢰성을 담보할 평가 기준과 규제 체계 마련이 함께 논의되는 것이 일반적이다.

원문을 확인하세요

BioPulse는 원문을 저장하거나 전재하지 않습니다. 위 글은 공개된 보도를 요약한 것이며, 수치·일정·인용은 요약 과정에서 빠지거나 달라질 수 있습니다. 판단이 필요한 사안은 반드시 원문에서 확인하세요.

STAT News 원문 보기

원문 보도의 저작권은 STAT News에 있습니다.