질병 메커니즘 규명: 비코딩 유전체 예측과 약물 재창출
구글과 구글 딥마인드는 지난 5년간 질병 이해와 해결을 다룬 동료 검토 논문 90편을 발표하고 누적 피인용 90,000건 이상을 기록했다고 공식 발표했다. 이번 발표에서는 분자 및 유전체 분석 단계에서 질병의 근본 원인을 추적하는 도구들의 진전이 두드러졌다.
바르셀로나 글로벌 보건 연구소(ISGlobal) 연구진은 단백질 구조 예측 모델인 알파폴드(AlphaFold)를 활용해 30,000개 화합물의 항기생충 활성을 가상 스크리닝했다. 이를 통해 소외 열대 질환인 샤가스병 치료용으로 재창출 가능한 미국 FDA 승인 약물 2종을 도출했다.
또한 2026년 9월 공개된 '알파게놈 아틀라스(AlphaGenome Atlas)'는 인간 게놈의 단일 염기 변이 약 90억 개의 분자생물학적 영향을 예측한 대규모 카탈로그다. 영국 엑서터 대학교 연구팀이 UK 바이오뱅크 참여자 54,000명 이상의 전장 유전체 데이터에 이를 적용한 결과, 비코딩 유전 변이 관련성을 기존 대비 22% 더 많이 식별했으며 노화 관련 단백질 PLA2G7 및 세포 산소 감지 단백질 EGLN1의 발현 조절 변이를 규명했다.
실험실 엔지니어링 가속: 신규 효소 설계와 초고속 시퀀싱
의료 솔루션과 실험실 엔지니어링 단계에서는 분자 설계 및 진단 속도 단축 성과가 보고되었다. 딥마인드는 자연계에 존재하지 않는 신규 효소를 제1원리로부터 직접 설계하는 머신러닝 파이프라인 '알파프로틴 노보(AlphaProtein Novo)'를 프리프린트로 공개했다. 이 모델은 주요 의약품 골격인 피페리딘 합성 효소와 내분비계 교란 플라스틱 가소제인 DEHP를 90°C 고온에서 분해하는 세린 에스테라아제 효소 등을 시험관 내(in vitro)에서 실증했다.
임상 유전체 분석 분야에서는 스탠퍼드 의과대학과의 협력을 통해 딥베리언트(DeepVariant)와 딥컨센서스(DeepConsensus) 모델을 적용했다. 전장 유전체 분석(WGS)을 통한 유전 질환 진단 시간을 8시간 미만으로 단축하여 기네스 세계 기록 공인을 획득했다.
감염병 대응 영역에서는 세계보건기구 아프리카 지역본부(WHO AFRO) 및 콩고민주공화국 국립생체의학연구소(INRB)와 협력하여 Google Earth AI 기반 지리공간 모델을 적용했다. 수주일이 걸리던 수동 분석을 대체해 에볼라 바이러스 노출 및 전파 위험 지역을 신속히 파악하고 이동식 실험실을 선제 배치하는 워크플로를 구축했다.
임상 현장 보조: 유방암 스크리닝과 소아 백혈병 변이 추적
의료진 지원 및 공중보건 모델 부문에서는 병원 워크플로의 효율화 가능성이 제시되었다. 임페리얼 칼리지 런던 및 영국 국민보건서비스(NHS)와 공동 연구한 유방암 맘모그래피 AI 워크플로는 115,973건의 검진 기록 분석을 기반으로 국제 학술지 《Nature Cancer》에 게재되었다. 해당 모델은 과거 전문의가 놓쳤던 간격기 암의 25%를 추가 감지하고, 이중 판독 업무 부담을 최대 40% 줄이며 판독 시간을 약 33% 단축할 수 있는 잠재력을 나타냈다.
혈액암 분석에서는 미국 칠드런스 머시 병원의 실제 소아 백혈병 시퀀싱 데이터에 오픈소스 모델 'DeepSomatic'을 적용했다. 종양 단독 검체라는 제약 조건 속에서도 기존에 보고된 변이를 모두 포착하고, 이전 분석에서 누락되었던 돌연변이 10개를 새로 검출하는 데 성공했다.
이와 함께 미국 질병통제예방센터(CDC)의 2025-2026 절기 인플루엔자 입원 환자 예측 평가에서 구글의 예측 모델이 38개 타 시스템을 제치고 정확도 기준 1위를 기록하는 등 역학 예측 분야에서도 성과를 냈다.
홍보성 지표와 연구 한계: 후향적 분석과 미승인 도구의 간극
구글이 발표한 인상적인 성과 지표 이면에는 실제 의료 현장 도입 전 반드시 검증해야 할 기술적 한계가 존재한다. 유방암 판독 AI의 업무량 40% 절감 및 암 감지율 향상은 2015~2016년 과거 NHS 검진 데이터를 기반으로 한 후향적 연구(retrospective study) 결과다. 환자를 실시간으로 대면하는 전향적 임상 환경(prospective clinical trial)에서 동일한 정확도가 유지될지, 판독 오류 시 책임 소재를 어떻게 배분할지는 아직 규명되지 않았다.
합성생물학 분야의 알파프로틴 노보 역시 2026년 10월 bioRxiv에 등록된 프리프린트 논문으로, 독립적인 동료 평가를 거치지 않은 상태다. 시험관 환경을 넘어 산업적 대량 생산 및 생체 내(in vivo) 안정성을 확보할 수 있는지는 추가 검증이 필요하다. 또한 알파게놈 아틀라스의 90억 개 변이 예측도 발병 여부를 확정하는 임상 진단이 아니며, 광범위한 비코딩 영역에서 연구 우선순위를 정하는 통계적 예측 도구(AVI Score)에 불과하다.
스탠퍼드 의대의 8시간 미만 전장 유전체 분석 기록 역시 고성능 컴퓨팅과 최적화된 장비가 실시간 집중 투입된 특수 환경의 결과로, 일반 병원 응급실에 보편 적용할 수 있는 단계와는 거리가 있다.
실무적 영향 및 향후 과제: 연구 도구에서 임상 진단으로의 전환
현재 구글이 공개한 대다수 모델(AlphaFold, AlphaGenome Atlas, DeepSomatic 등)은 규제기관의 체외진단 의료기기 인허가를 획득한 상용 진단 제품이 아니라 '연구용 도구(Research Tools)'로 규정되어 있다. 따라서 일선 의료기관이나 연구진은 이를 단독 진단 근거로 삼을 수 없으며, 기존 연구 가설의 탐색 기간을 단축하거나 후보 물질을 선별하는 보조 파이프라인으로 제한해 활용해야 한다.
또한 AlphaProtein Novo와 DeepSomatic 등 주요 모델이 비상업적 연구 목적으로 공개되었으나, 향후 클라우드 상용 API로 전환될 경우의 비용 구조나 서비스 수준 협약(SLA)은 아직 구체화되지 않았다. 비즈니스 도입을 검토하는 기업은 라이선스 조건과 인프라 유지 비용을 면밀히 검토해야 한다.
구글이 발표한 성과는 기초 과학 탐색 비용을 획기적으로 낮추었다는 점에서 유의미하다. 그러나 실질적인 치료제 개발과 임상 표준 도입으로 이어지기 위해서는 각국의 의료기기 규제 승인, 다기관 전향적 임상 데이터 축적, 병원 전산 시스템과의 호환성 검증이라는 제도적 문턱을 넘어서야 한다.
출처
Google Blog의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
Applying technology to understand and treat disease (새 창)
