동물 실험에서 입증된 "유효한 치료 효과"가 임상 시험에서 재현되지 않는 경우가 많은데, 그 주요 원인 중 하나는 불충분한 표본 크기입니다. 윤리 규정, 실험 비용, 연구 환경 등 여러 제약 요인이 이러한 문제를 더욱 악화시킵니다.전임상 생의학 연구는 대규모 동물 실험을 수행하는 데 어려움을 겪는 경우가 많으며, 이는 통계적 검정력 부족으로 직결됩니다.연구자들은 실제 생물학적 신호를 안정적으로 추출할 수 없고, 위양성 결과에 매우 취약하여 기초 연구 결과를 임상에 적용하는 데 심각한 장애물이 되고 있습니다.

이러한 문제를 해결하기 위해 학계에서는 메타 분석 및 데이터 병합과 같은 방법을 사용하여 연구 데이터를 통합하려는 시도를 해왔습니다.하지만 이러한 방법들은 서로 다른 연구들 간의 실험 설계, 탐지 지표 및 운영 절차의 비교 가능성에 크게 의존합니다.실제 적용 범위는 극히 제한적입니다.

최근 몇 년 동안 생성형 인공지능은 소규모 표본 연구에 새로운 접근 방식을 제공해 왔습니다. 원본 데이터의 고유한 분포 구조를 학습하여 합성 데이터를 생성함으로써 표본 크기를 확장하는 방식입니다. 그러나 일반적인 생성형 모델에는 상당한 단점이 있습니다.원본 데이터에 무작위 오류가 포함되어 있으면 모델은 노이즈를 더욱 증폭시켜 수많은 오탐 결과를 생성하게 되며, 이는 연구 결론의 신뢰성을 떨어뜨립니다.데이터 생성 과정에서 오류 전파를 억제하는 방법은 생의학 분야에서 생성형 인공지능을 적용하는 데 있어 핵심적인 병목 현상이 되었습니다.

이러한 중요한 문제점을 해결하기 위해 프랑크푸르트 대학교와 프라운호퍼 ITMP 연구소의 공동 연구팀은 genESOM을 개발했습니다.자발적으로 형성되는 자기조직화 맵을 기반으로 하는 생성형 AI 모델은 특히 소규모 샘플의 생의학 데이터에 맞게 설계되었습니다.이 모델의 핵심 혁신은 구조 학습과 데이터 생성 과정을 분리한 것입니다. 차원 조정을 통한 오류 전파를 차단하고, 음성 제어 변수를 도입하여 데이터 생성 품질을 실시간으로 모니터링합니다. 연구팀은 다발성 경화증의 전임상 지질체 데이터를 연구 대상으로 삼아, 먼저 표본 크기를 통계적 실패 임계값까지 인위적으로 줄인 후, genESOM을 사용하여 데이터 증강을 수행했습니다.

본 연구 결과는 이 방법이 소량 샘플 데이터에서 손실된 핵심 생물학적 신호를 효과적으로 복원하는 동시에 위양성을 엄격하게 제어할 수 있음을 확인시켜주며, 소량 샘플을 이용한 생의학 연구를 위한 신뢰할 수 있는 새로운 접근법을 제시합니다. 더 나아가, 탐색적 연구 시나리오에서 이 모델은 결과의 재현성과 과학적 타당성을 유지하면서도 필요한 실험동물 수를 약 30%~50% 정도 줄일 수 있을 것으로 기대됩니다.

"내장된 오류 증폭 제어 기능을 갖춘 자기 조직화 신경망 기반 생성형 AI는 표본 크기가 작은 전임상 연구에서 효과적인 지식 추출을 향상시킨다"라는 제목의 관련 연구 결과가 Pharmacological Research에 게재되었습니다.

연구 하이라이트:

* 내장된 데이터 기반 오류 제어 메커니즘은 GAN과 같은 제약 없는 방식과 달리 오탐지 증가를 효과적으로 억제합니다.

* 샘플 크기 감소 후에도 주요 지질 신호(예: 리소포스파티드산)를 성공적으로 복원했으며, 위양성률은 증가시키지 않았습니다.

* 이 방법은 동물 실험에 사용되는 TP3T의 양을 30~50% 줄일 수 있으며, 연구의 신뢰성과 3R 윤리 원칙을 모두 고려하면서 보조적인 분석 도구로 활용될 수 있습니다.

논문 보기:
https://www.sciencedirect.com/science/article/pii/S1043661826000745

데이터셋: 전체 실험부터 소규모 샘플 통계적 실패까지

본 연구의 데이터는 공개적으로 발표된 다발성 경화증에 대한 전임상 동물 연구에서 얻은 것입니다.본 연구에서는 SJL/J 마우스를 이용하여 재발-완화형 실험적 자가면역 뇌척수염(EAE) 모델을 확립하였다.본 연구는 신경염증의 메커니즘을 규명하고 승인된 약물인 핑골리모드의 치료 효과를 검증하는 것을 목표로 한다.
참고: 핑골리모드는 스핑고신-1-인산 수용체 조절제로서 스핑고지질 대사를 조절하여 면역 신호 전달 경로에 영향을 미칠 수 있습니다. 이는 다발성 경화증의 임상 치료에 흔히 사용되는 약물입니다.

본 실험에는 생후 8주 된 암컷 마우스 26마리가 사용되었으며, 이들은 무작위로 세 그룹으로 나뉘었습니다: 대조군, EAE 모델군, 그리고 EAE + 핑골리모드 투여군. 투여군은 면역 유도 18일째부터 음용수를 통해 0.5mg/kg/d 용량으로 핑골리모드를 투여받았습니다.

연구팀은 행동 수준 데이터와 분자 수준 데이터를 동시에 수집했습니다.행동 지표는 운동 능력, 신체 협응력 및 사회적 행동을 포함하며, 분자 수준에서는 LC-MS/MS 표적 정량 기술을 사용하여 혈장, 소뇌, 해마 및 전두엽 피질의 네 가지 조직에서 62가지 지질 매개체의 농도를 측정했습니다. 이 물질들은 리소포스파티드산, 세라마이드, 스핑고지질 및 엔도카나비노이드의 네 가지 주요 범주를 포괄합니다.마지막으로 "개별 마우스 × 지질 특성"의 표준 데이터 행렬을 구성했습니다.

데이터 분석에 앞서,연구팀은 통계 분석의 분포 가정에 맞추기 위해 지질 농도 데이터에 로그 변환을 수행했습니다.원본 데이터 5.3%의 결측값에 대해서는 다중 방법 정렬 후 랜덤 포레스트 알고리즘(missForest)을 이용하여 결측값을 채웠습니다. 이후 62개 지질 지표에 대해 일원 분산 분석(ANOVA)을 실시하고, 다중 검정 오류를 보정하기 위해 시닥(Šidák) 보정을 적용했습니다. 동시에 랜덤 포레스트, 서포트 벡터 머신(SVM), k-최근접 이웃(K-nearest neighbors)의 세 가지 머신러닝 모델을 도입하여 집단 간 차이의 유의성 및 분류 예측 능력이라는 두 가지 차원에서 데이터 내 생물학적 신호의 안정성을 교차 검증했습니다.

기초 분석을 완료한 후, 연구팀은 핵심 검증 실험을 수행했습니다. 즉, 표본 크기를 체계적으로 줄여 소규모 표본에서 통계적 오류가 발생하는 임계값을 정확히 찾아내는 실험입니다. 연구팀은 각 그룹의 쥐 수를 점진적으로 줄이고, 각 감소 후 전체 분석 절차를 반복했습니다. 그 결과, 그룹당 쥐 수를 6마리로 줄였을 때 통계적 오류가 발생하는 임계값을 확인할 수 있었습니다.원본 데이터에서 모든 중요한 통계적 결과가 완전히 사라진 것은 geneESOM의 데이터 증강 기능을 평가하는 기준점이 됩니다.—통계가 전혀 효과가 없는 소규모 표본 시나리오에서, AI가 노이즈에 묻힌 생물학적 신호를 복구할 수 있는지 검증하십시오.

소규모 생의학 데이터 샘플에 특화된 생성형 AI

기존의 생성형 모델은 소규모 샘플 데이터를 처리할 때 지속적인 문제에 직면합니다. 생성된 데이터는 정보가 부족하여 원래의 생물학적 신호를 복원하지 못하거나, 반대로 노이즈가 과도하게 많아 수많은 오탐을 생성합니다. genESOM의 핵심 설계는 이러한 두 가지 요소 사이의 엄격한 균형 메커니즘을 구축하여 안전하고 해석 가능한 소규모 샘플 데이터 증강을 달성하는 것입니다.

genESOM은 Emergent Self-Organizing Map(ESOM) 신경망을 기반으로 하며, 기존 Self-Organizing Map(SOM)에 비해 두 가지 주요 개선 사항을 달성합니다.첫째로,뉴런들은 고차원 데이터의 이웃 구조 관계를 최대한 보존하기 위해 2차원 원형 격자 형태로 배열되어 있다.둘째로,부분군 간격과 투영 오차를 인코딩하는 세 번째 차원을 추가함으로써 잠재적인 군집 구조를 식별하는 정확도가 크게 향상됩니다.

표준화 및 결측값 제거 후, 데이터는 ESOM 네트워크에 입력되어 학습됩니다. 모델은 각 샘플에 대해 최적의 뉴런을 지속적으로 매칭하고, 뉴런 가중치를 동적으로 조정하며, 학습 안정성을 확보하기 위해 학습률을 점진적으로 감소시킵니다. 학습 후, 모델은 두 가지 핵심 행렬을 출력합니다. U 행렬은 뉴런 간 간격을 나타내고 클러스터 경계를 식별하며, P 행렬은 지역 데이터 밀도를 통계적으로 분석하여 합성 데이터 생성의 기반을 제공합니다. 합성 데이터 생성 범위를 제어하는 반경 매개변수는 가우시안 혼합 모델을 사용한 거리 분포 적합을 통해 자동으로 결정되므로 수동 개입이 필요하지 않습니다.

geneESOM의 가장 획기적인 설계는 구조 학습과 데이터 생성 프로세스를 완전히 분리한 것입니다.이 모델은 먼저 데이터의 내재적 구조 표현을 독자적으로 학습한 다음, 안정적인 구조를 기반으로 합성 데이터를 생성하여 두 단계에서 발생하는 오류 누적을 방지합니다. 더욱 중요한 것은, 이 모델은 순열 변수를 음성 대조군으로 도입하여 특징의 중요도가 비정상적으로 증폭되는지 실시간으로 모니터링할 수 있다는 점입니다. 오류 누적이 감지되면 데이터 증강이 즉시 자동으로 중지되어 과적합 및 오탐지 위험을 완화합니다.

본 연구에서 연구팀은 1:1의 안전한 증강 비율(원본 샘플 하나당 합성 샘플 하나 생성)을 사용하여 각 그룹의 샘플 크기를 6개에서 12개로 늘렸습니다. 증강 후,신호 복구 효과를 정량적으로 평가하기 위해 원본 데이터에 대해 일련의 통계 및 머신러닝 분석을 수행합니다.한편, 본 연구에서는 오탐률, 오분류율, 원신호 복구율을 핵심 지표로 사용하여 geneESOM을 두 가지 주요 생성 방법인 가우시안 혼합 모델(GMM) 및 조건부 테이블 생성적 적대 신경망(CT-GAN)과 직접 비교하고 모델의 장점을 검증했습니다.

이 방법은 소규모 샘플 시나리오에서 기존 생성 방법보다 훨씬 뛰어난 성능을 보여줍니다.

아래 그림에서 볼 수 있듯이, 전체 원본 데이터셋 분석 결과 62개 지질 변수 중 27개에서 그룹 간 유의미한 차이가 나타났으며, 특히 리소포스파티딜콜린 지질의 변화가 가장 두드러졌습니다. 이러한 결과는 다발성 경화증에 대한 기존 연구 결과와 매우 일치합니다. 동시에, 랜덤 포레스트 모델은 무작위 확률보다 훨씬 높은 정확도로 샘플을 분류하여 앞서 언급한 두 가지 결과를 뒷받침합니다.이는 원본 데이터에 안정적이고 신뢰할 수 있는 생물학적 신호가 존재함을 확인시켜 줍니다.

그러나 아래 그림에서 볼 수 있듯이 각 그룹의 표본 크기를 6마리로 줄였을 때 데이터 특성이 극적으로 변화했습니다. 다중 검증 보정을 거친 후 모든 지질 지표의 통계적 유의성이 완전히 사라졌고, 랜덤 포레스트의 분류 효율 또한 크게 감소했습니다. 여기서 중요한 것은 이것이 생물학적 효과가 완전히 사라졌다는 것을 의미하는 것은 아니라는 점입니다.하지만 표본 크기가 작으면 통계적 탐지력이 부족해져 실제 신호가 잡음에 묻히게 됩니다.

이후 연구팀은 축소된 데이터를 보강하기 위해 geneESOM을 사용했습니다.20차례의 훈련 후에도 해당 모델은 ESOM 공간에서 세 그룹의 샘플 간의 일부 분리 경향을 여전히 식별할 수 있었습니다.이는 통계적 유의성이 사라지더라도 데이터가 잠재적인 생물학적 구조 정보를 여전히 보유하고 있음을 확인시켜 줍니다.

데이터 증강 후, 혈장 내 전두엽 피질의 리소포스파티드산 및 스핑고지질과 같은 주요 지질 지표에서 그룹 간 유의미한 차이가 다시 나타났습니다. 이러한 지표들은 소규모 샘플 데이터에서는 전혀 나타나지 않았지만, AI 증강을 통해 성공적으로 복원되었습니다. 동시에, 모델은 불필요한 새로운 특징을 대량으로 도입하지 않았으며, 유의 수준이 매우 높은 소수의 추가 지표만 나타났습니다.이는 genESOM이 허공에서 새로운 신호를 만들어내는 것이 아니라, 이미 존재하지만 샘플 크기가 부족하여 감지할 수 없었던 실제 생물학적 신호를 증폭시킨다는 것을 나타냅니다.

아래 그림과 같이 동일한 소규모 샘플 조건에서 두 가지 제어 생성 방법은 성능이 저조했습니다. 다변량 가우시안 혼합 모델은 원 신호의 일부만 복원할 수 있었고, 독립 가우시안 혼합 모델은 일부 중요한 지표를 복원했지만 명백한 오탐이 발생했습니다. 조건부 테이블 GAN은 핵심 결과를 효과적으로 복원하지 못하고 높은 오음률을 보였습니다. 전반적으로,genESOM은 소규모 샘플 시나리오에서 기존 생성 방법보다 훨씬 뛰어난 안정성과 신뢰성을 보여줍니다.이 시스템은 오류 확산 및 오탐지를 엄격하게 제어하면서 핵심 생물학적 신호를 정확하게 복원할 수 있습니다.

아래 그림에서 볼 수 있듯이, 머신러닝 분석은 이러한 결론을 더욱 뒷받침했습니다. 향상된 데이터는 랜덤 포레스트의 분류 능력을 복원했으며, 선택된 주요 특징들은 기존 연구 결과와 매우 일치했습니다.

마지막 말

소규모 표본 크기는 오랫동안 생의학 연구의 난제였습니다. 높은 비용, 윤리적 문제, 그리고 표본 확보의 어려움으로 인해 통계적 검정력이 부족해졌습니다. 기존의 데이터 증강 기법은 비교 가능성에 한계가 있으며, 일반적인 생성형 인공지능은 소규모 표본에서 오탐(false positive)이 발생하기 쉽습니다. geneESOM의 혁신은 데이터를 "생산"하는 것이 아니라, 제한된 데이터로부터 기존의 생물학적 신호를 꾸준히 복원하는 데 있습니다.

이 연구의 핵심 설계는 구조 학습과 데이터 생성을 분리하고, 차원 조정을 통해 오류를 억제하며, 실시간 모니터링을 위한 네거티브 컨트롤을 도입하여 "기존의 것을 개선하고, 존재하지 않는 것을 만들지 않는" 절제된 프레임워크를 구축하는 것입니다. 물론 이러한 개선이 실제 실험을 대체할 수는 없으며, 이 방법은 아직 탐색 단계에 있고 적용 가능성에 대한 추가 검증이 필요하다는 점을 명심해야 합니다. 하지만 이 연구는 오류와 오탐을 엄격하게 통제한다면 생성형 AI가 소규모 표본 연구에서 효과적인 보조 도구가 되어 제한된 데이터로부터 보다 신뢰할 수 있는 결론을 도출하는 데 도움을 줄 수 있다는 중요한 가능성을 제시합니다.