한국인 연구자 강정민(Jung Min Kang)이 암 약물 반응 분석에 새로운 통찰을 제공하는 '역 문항반응 이론(Reverse Item Response Theory, IRT)' 모델을 제안했습니다. 이 모델은 교육학이나 심리학에서 주로 사용되던 문항반응 이론을 약물유전체학 분야에 역으로 적용하여, 암 종류를 '잠재적 피험자'로, 약물을 '문항'으로 간주해 암세포의 약물 저항성과 약물의 활성도를 동시에 추정합니다. 이는 파편화되고 결측치가 많은 암 약물 반응 데이터의 한계를 극복하고, 보다 견고한 약물 반응 순위를 도출하는 데 초점을 맞춥니다.
연구팀은 GDSC2(Genomics of Drug Sensitivity in Cancer) 데이터베이스의 24만 2,036개 약물 민감도 측정치를 활용해 역 IRT 모델을 검증했습니다. 그 결과, 이 모델은 최대 60%의 결측치가 있는 상황에서도 기존의 단순 평균 방식보다 완전한 데이터의 잠재적 순위를 0.089에서 0.095 더 정확하게 복구하는 성능을 보였습니다. 또한, 5가지 평가 방법 중 가장 우수한 브라이어 점수(Brier score)를 달성하며 예측 정확도를 입증했습니다. 특히, 28개 암 종류 중 19개에서 안정적인 저항성/민감성 분류를 보여, 특정 암 유형에 대한 약물 반응 예측의 신뢰도를 높였습니다.
이번 연구는 암 약물 반응 데이터의 고질적인 문제인 희소성(sparsity)과 결측치 문제를 효과적으로 해결하는 방법론적 강점을 제시합니다. 이는 단순히 특정 약물의 효능을 예측하는 것을 넘어, 각 암 유형이 특정 약물에 얼마나 저항하는지, 그리고 각 약물이 다양한 암 유형에 얼마나 광범위하게 작용하는지를 통합적으로 이해할 수 있게 돕습니다. 궁극적으로 이 기술은 신약 후보 물질의 초기 스크리닝 단계에서 잠재적 효능을 보다 정확하게 평가하고, 환자 개개인의 유전체 정보에 기반한 맞춤형 치료 전략을 수립하는 데 중요한 기반 기술이 될 수 있습니다. 다만, 다른 플랫폼과의 교차 검증에서는 방향성 일치율은 높았으나 순위 상관관계는 약하게 나타나, 임상적 저항성 리더보드보다는 방법론적 견고성에 기여하는 바가 크다는 점을 시사합니다.