다중모달 AI 진단 시스템 RareCollab, 유전질환 진단 정확도 크게 향상

초록

RareCollab는 DNA‑중심 진단 엔진과 LLM 기반 전문 모듈을 결합한 에이전트형 프레임워크로, 환자별 WES/WGS, RNA‑seq 및 구조화된 임상 표현을 통합한다. 131명의 UDN 환자 코호트에서 상위 5위 내 진단 정확도가 77%에 달했으며, 기존 도구 대비 20%p 이상 향상되었다. 모듈식 설계와 인간‑인‑루프 통합으로 해석 가능성과 유연성을 확보한다.

상세 분석

RareCollab는 기존 DNA‑전용 변이 우선순위 도구들의 한계를 극복하기 위해 ‘진단 엔진’과 네 개의 LLM 전문 Lab(RNA, Phenotype, Database, Literature)을 계층적으로 연결한 하이브리드 아키텍처를 제시한다. 진단 엔진은 8가지 증거 영역(대립유전자 빈도, 변이 영향, 인‑실리코 점수, 데이터베이스 기록, 유전자 제약, 보존성, 표현형 일치, 유전 방식)을 각각 전문가 네트워크로 모델링한 mixture‑of‑experts 딥러닝 구조에 입력하고, 도메인별 스코어를 출력한다. 이 스코어는 LLM Lab들의 정성적 판단과 교차 검증되는 기준점으로 활용된다.

RNA Lab은 사전 처리된 발현·스플라이싱·ASE 이상치를 정량화하고, 이를 ‘RNA‑level 지원 점수’로 변환한다. 특히 혈액과 섬유아세포 두 조직에서의 교차 검증을 통해 조직 특이적 잡음 감소 효과를 확인한다. Phenotype Lab은 HPO와 OMIM 기반 유전자‑표현형 매핑을 수행하면서, 각 임상 특징의 빈도 가중치를 적용해 다축적 일치도를 산출한다. 이는 복합 표현형을 가진 환자에서 특정 유전자의 기여도를 시각적으로 드러내는 장점이 있다.

Database Lab은 ClinVar 등 공개 변이 데이터베이스를 메타‑분석하여 제출자 신뢰도, 해석 기준, 최신 업데이트 시점을 고려한 ‘조화된 변이 등급’을 제공한다. Literature Lab은 두 단계(검색 에이전트 → 종합 에이전트)로 구성돼, 최신 논문에서 보고된 인간 및 모델 생물 사례를 자동 추출하고, 환자 표현형과의 정량적 유사성을 평가한다. 이 과정에서 LLM이 최신 문헌을 실시간으로 활용함으로써, 기존 데이터베이스에 누락된 신생 유전자‑질환 연관성을 포착한다.

통합 엔진은 ‘표현형 일치’와 ‘병리학적 증거 강도’ 두 축을 기반으로 후보 변이를 Tier 1‑4로 분류하고, DNA‑중심 엔진의 순위를 보존한다. 인간‑인‑루프 설계 덕분에 임상의가 임계값이나 증거 결합 규칙을 자유롭게 조정할 수 있어, 병원별 진단 정책 차이를 반영한다. 최종적으로 Confidence Reviewer 모듈이 전체 증거의 일관성을 평가해 신뢰도 레벨을 부여한다.

성능 평가에서는 131명의 확정 진단 환자를 대상으로 Top‑1 정확도 46%, Top‑5 정확도 77%를 기록했으며, AI‑MARRVEL과 Exomiser 대비 각각 8‑18%p, 20‑32%p 상승했다. 특히 ‘Highly Likely’로 분류된 난이도 높은 사례에서도 Top‑5 회수율이 75%에 달해, RNA‑seq와 LLM 기반 정성 증거가 DNA‑only 접근법을 크게 보완함을 입증한다. Ablation 실험에서 LLM Lab을 제외하면 Top‑1/Top‑5 정확도가 현저히 감소해, 각 Lab의 기여도가 정량적으로 확인되었다.

한계점으로는 현재 LLM이 제공하는 설명이 완전히 검증된 과학적 근거와 동일시되기 어렵고, 모델에 사용된 프롬프트와 파라미터가 공개되지 않아 재현성에 제약이 있다. 또한 RNA‑seq 데이터가 혈액에 국한된 경우 조직 특이적 발현 이상을 놓칠 위험이 존재한다. 향후 연구에서는 더 다양한 조직·세포 유형을 포함한 멀티오믹스 통합, LLM의 투명성 강화, 그리고 실시간 임상 워크플로와의 연동을 통해 시스템의 실용성을 높일 필요가 있다.

전반적으로 RareCollab는 ‘DNA‑centric + LLM‑augmented’라는 새로운 패러다임을 제시하며, 다중모달 증거를 정량·정성적으로 결합해 진단 정확도와 해석 가능성을 동시에 향상시킨 점이 가장 큰 강점이다.