일본 RIKEN 통합의과학센터의 연구팀이 아직 암이 발생하지 않은 간 조직의 유전자 발현 패턴을 분석해 간암 발생 위험을 사전에 예측하는 머신러닝 도구를 개발하였습니다. 2026년 2월 미국 국립과학원회보(PNAS)에 발표된 이 연구는 MYCN 단백질을 간세포암(HCC)의 주요 원인으로 규명하고, 고위험 환자를 93%의 정확도로 식별하는 컴퓨테이셔널 바이오마커를 제시하였습니다. 이 글에서는 연구의 핵심 내용, 임상 적용 가능성, 향후 연구 방향까지 정확하게 정리합니다.
MYCN 니치 점수란 무엇인가 | 간암 위험 예측 AI 도구의 작동 원리
Xian-Yang Qin이 이끄는 RIKEN 연구팀은 공간 전사체학(Spatial Transcriptomics) 기술을 활용해 MYCN 수치가 높은 종양이 없는 간 조직에서 차등 발현되는 167개 유전자 클러스터를 확인하였습니다. 연구진이 "MYCN 니치(niche)"라고 명명한 이 유전자 시그니처는 주변 세포 미세환경을 악성 전환에 취약한 상태로 만드는 전암성 패턴으로 분석됩니다.
공간 전사체학은 조직 내 개별 세포의 유전자 발현을 위치 정보와 함께 분석하는 기술입니다. 기존 유전자 발현 분석이 조직 전체를 균일하게 처리하는 것과 달리, 세포가 조직 내 어느 위치에서 어떤 유전자를 발현하는지를 공간적으로 파악할 수 있어 종양 전 단계의 미세환경 변화를 더 정밀하게 포착할 수 있습니다.
연구팀은 이 167개 유전자 클러스터를 머신러닝 모델에 학습시켜 비암성 간 조직만으로도 간세포암 재발 및 발생 위험을 예측하는 MYCN 니치 점수 체계를 완성하였으며, 인간 HCC 데이터셋 검증에서 고위험군 식별 정확도 93%를 기록하였습니다.
| 항목 | 내용 |
|---|---|
| 연구 기관 | 일본 RIKEN 통합의과학센터 |
| 발표 저널 | 미국 국립과학원회보 (PNAS, Proceedings of the National Academy of Sciences) |
| 발표일 | 2026년 2월 19일 |
| 핵심 타깃 단백질 | MYCN (N-Myc 단백질) |
| 분석 기술 | 공간 전사체학(Spatial Transcriptomics) + 머신러닝 |
| 확인된 유전자 클러스터 | 167개 (비종양 간 조직 기반) |
| 고위험 환자 식별 정확도 | 93% |
| 분석 대상 조직 | 비암성(종양 외) 간 조직 |
| 동물 모델 결과 | MYCN+AKT 과발현 마우스의 72%가 50일 내 간 종양 발생 |
| 대상 암종 | 간세포암 (HCC, Hepatocellular Carcinoma) |
간암은 왜 조기 발견이 어려운가 | MYCN 기반 예측 도구가 필요한 이유
간암은 전 세계적으로 암 관련 사망의 주요 원인 중 하나로, 매년 80만 명 이상의 환자가 사망합니다. 간세포암(HCC)은 특히 초기 증상이 거의 없고 진단 시점에 이미 진행된 상태인 경우가 많습니다. 치료 후에도 재발률이 70~80%에 달하며, 이는 현재의 조기 발견 및 재발 예측 체계가 임상적으로 충분하지 않다는 것을 의미합니다.
기존 바이오마커인 혈청 알파태아단백(AFP) 검사는 민감도와 특이도에 한계가 있어 고위험군 선별 도구로서의 신뢰성이 제한적입니다. 이번 RIKEN 연구가 주목받는 이유는 종양 조직이 아닌 비암성 조직을 기반으로 예측 점수를 산정했을 때 더 강한 예측 상관관계가 나타났다는 점입니다. 이는 전통적인 종양 생검 중심의 진단 패러다임과 구별되는 접근입니다.
비침습적 혈액 검사를 활용해 암 환자의 치료 방침을 결정하는 연구도 주목받고 있는데, ctDNA 혈액 검사로 방광암 수술 생략 가능 환자를 판별한 2026년 RETAIN 임상시험 결과는 이와 같은 정밀 진단 연구의 흐름을 보여주는 대표 사례입니다.
향후 연구 방향과 임상 적용 가능성 | MYCN 니치 점수의 실용화 과제
RIKEN 연구팀은 머신러닝 모델이 포착한 생물학적 메커니즘을 더욱 심층적으로 연구할 계획입니다. Qin 박사는 "암 발생 허용 환경이 어떻게 형성되고 유지되는지 규명하는 것이 다음 단계 연구의 핵심"이라고 밝혔습니다. 현재 단계에서 이 도구는 연구 수준의 결과이며, 임상 현장 적용을 위해서는 전향적 대규모 코호트 연구, 국제 데이터셋 검증, 의료기기 승인 절차 등이 필요합니다.
다만 공간 전사체학 분석 비용이 높고 장비 인프라가 제한적이라는 점은 단기간 내 광범위한 임상 적용의 현실적 제약 요인입니다. 연구팀은 점수 산정 알고리즘의 경량화와 표준화를 통해 더 접근 가능한 형태로 발전시키는 것을 목표로 하고 있습니다.
암 치료 분야에서 개인 맞춤형 접근이 빠르게 진전하고 있는 가운데, 개인 맞춤형 mRNA 백신이 대부분의 유방암 환자를 6년간 재발 없이 유지했다는 연구 결과는 정밀의학이 실제 임상 성과로 이어지고 있음을 보여주는 또 다른 사례입니다.
| 단계 | 필요 조건 | 예상 시기 | 현재 상태 |
|---|---|---|---|
| 1단계 | 대규모 전향적 코호트 검증 연구 | 2027~2029년 | 계획 중 |
| 2단계 | 다기관·국제 데이터셋 교차 검증 | 2028~2030년 | 미착수 |
| 3단계 | 알고리즘 경량화 및 표준 프로토콜 확립 | 2029년 이후 | 연구팀 계획 발표 |
| 4단계 | FDA·PMDA 등 규제기관 승인 및 임상 지침 반영 | 2030년대 이후 | 미반영 |
| 5단계 | 국가별 보험 급여 적용 | 미정 | 해당 없음 |
자주 묻는 질문 (FAQ)
Q1. MYCN 단백질이 간암과 어떤 관계가 있나요?
MYCN(N-Myc)은 세포 성장과 증식을 조절하는 전사인자 단백질입니다. 이번 RIKEN 연구에서는 MYCN이 과발현된 비종양 간 조직 주변에서 전암성 미세환경이 형성되는 패턴이 확인되었습니다. 마우스 모델 실험에서 MYCN과 AKT 키나제가 함께 과발현되었을 때 72%의 개체에서 50일 이내에 간 종양이 발생하였으며, 어느 한 유전자만으로는 종양이 형성되지 않았습니다.
Q2. 공간 전사체학이란 무엇인가요?
공간 전사체학(Spatial Transcriptomics)은 조직 내 개별 세포의 유전자 발현 정보를 세포의 공간적 위치 데이터와 함께 분석하는 기술입니다. 기존 전사체 분석이 조직 전체의 평균값을 제공하는 것과 달리, 세포가 어느 위치에서 어떤 유전자를 발현하는지를 파악할 수 있어 종양 주변 미세환경 연구에 특히 유용합니다.
Q3. 이 도구는 현재 병원에서 사용할 수 있나요?
현재는 연구 단계의 결과로, 임상 현장에서 표준 검사로 사용되지는 않습니다. 대규모 임상 검증과 규제기관 승인 절차를 거쳐야 하며, 현실적으로 임상 지침에 반영되기까지는 상당한 시간이 소요될 것으로 전망됩니다.
Q4. 기존 간암 조기 진단 방법과 이번 연구의 차이점은 무엇인가요?
기존 간암 진단은 복부 초음파 검사와 혈청 AFP(알파태아단백) 수치 측정을 주로 활용합니다. 이번 RIKEN 연구의 차별점은 종양이 아직 형성되지 않은 비암성 조직에서 유전자 발현 패턴을 분석해 미래의 암 발생 위험을 예측한다는 점입니다. 또한 종양 샘플보다 비암성 조직 기반 점수의 예측력이 더 높게 나타난 것이 주목할 만한 결과입니다.
Q5. 93% 정확도는 어떤 조건에서 측정된 수치인가요?
93% 정확도는 인간 간세포암(HCC) 기존 데이터셋에 MYCN 니치 점수를 적용해 고위험 환자와 저위험 환자를 분류한 결과입니다. 연구에 사용된 데이터셋의 규모와 구성에 따라 수치가 달라질 수 있으며, 실제 임상 환경의 다양한 인구 집단에서도 동일한 정확도가 유지되는지는 추가 검증이 필요합니다.
Q6. 한국에서 간암 위험이 높은 대상은 누구인가요?
한국에서 간세포암의 주요 위험 요인은 B형 간염 바이러스(HBV) 감염, C형 간염, 알코올성 간 질환, 비알코올성 지방간염(NASH), 간경변증 등입니다. 이러한 위험 요인을 가진 환자는 6개월마다 간 초음파 검사와 AFP 수치 검사를 받는 것이 국내 간암 조기 진단 가이드라인의 권고 사항입니다.
Q7. 이번 연구 결과가 한국 환자에게도 적용될 수 있나요?
이번 연구는 일본 RIKEN 연구팀이 주도하였으나, 활용한 인간 HCC 데이터셋에는 국제 코호트가 포함되어 있습니다. 다만 한국인 환자 데이터를 포함한 별도 검증은 이루어지지 않았으며, 한국 임상 현장 적용 가능성은 향후 국내 연구기관과의 협력 연구를 통해 확인될 것으로 예상됩니다.
결론
RIKEN 연구팀이 개발한 MYCN 니치 점수 기반 간암 위험 예측 도구는 비암성 조직의 유전자 발현 패턴을 머신러닝으로 분석해 종양 발생 전 고위험 환자를 93% 정확도로 식별할 수 있다는 점에서 간암 조기 진단 분야의 유의미한 진전입니다. 현재는 연구 단계이며 임상 적용까지는 추가 검증이 필요하지만, 공간 전사체학과 머신러닝을 결합한 이 접근 방식은 향후 정밀의학 기반 암 예방 전략에 중요한 기반이 될 수 있습니다.
출처
- RIKEN 공식 보도자료 – "Machine learning tool predicts liver cancer risk from non-cancerous tissue" (riken.jp, 2026.02.19)
- Xian-Yang Qin et al. – PNAS (Proceedings of the National Academy of Sciences), 2026
- 대한간암학회 – 간세포암종 진료 가이드라인 2023 (klca.or.kr)
- 세계보건기구(WHO) – Global Cancer Observatory: Liver Cancer Statistics (gco.iarc.fr)
- 국립암센터 – 간암 통계 및 조기 검진 안내 (ncc.re.kr)