WEBVTT

00:00:01.507 --> 00:00:03.396
2003년

00:00:03.420 --> 00:00:06.333
인간 유전체 서열의 해독으로

00:00:06.357 --> 00:00:10.279
많은 질병의 치료에 대한 기대가 컸지만

00:00:10.974 --> 00:00:13.631
현실과는 거리가 멀었어요.

00:00:14.782 --> 00:00:16.703
유전체 말고도

00:00:16.727 --> 00:00:21.297
환경과 생활 방식이 많은 주요 질병들에

00:00:21.321 --> 00:00:23.869
상당한 영향을 미치기 때문이죠.

NOTE Paragraph

00:00:23.893 --> 00:00:27.473
한 예로, 지방간 질환으로

00:00:27.497 --> 00:00:31.580
전 세계 20%가 넘는 사람들이
고생하고 있지만

00:00:31.604 --> 00:00:36.258
치료법이 없어 간암이나 
간부전으로 진행하게 됩니다.

00:00:37.517 --> 00:00:42.261
DNA 염기서열의 해독만으로는
효과적인 치료법을

00:00:42.285 --> 00:00:44.517
찾을 수 없는 이유죠.

NOTE Paragraph

00:00:44.541 --> 00:00:48.297
다행히 체내에는
다른 많은 분자 구조들이,

00:00:48.321 --> 00:00:52.301
실제로 10만개 이상의
대사물이 존재합니다.

00:00:52.325 --> 00:00:56.621
상당히 작은 크기의 분자 구조를
대사물이라고 하는데

00:00:57.193 --> 00:01:02.165
포도당, 과당, 지방, 콜레스테롤 등

00:01:02.189 --> 00:01:03.699
항상 듣는 것들이죠.

00:01:04.273 --> 00:01:07.256
신진대사에 영향을 주는 대사물은

00:01:08.066 --> 00:01:12.094
DNA의 아래 부분에 위치해

00:01:12.118 --> 00:01:17.200
유전자와 생활방식에 대한
모든 정보를 가지고 있어서

00:01:17.224 --> 00:01:22.873
이 물질에 대한 이해는 많은 질병의
치료법을 찾는 데에 필수적입니다.

NOTE Paragraph

00:01:22.897 --> 00:01:25.109
늘 환자들을 치료하는게 꿈이었지만

00:01:25.934 --> 00:01:29.792
15년 전에 제가 의대를 그만둔 건

00:01:29.816 --> 00:01:31.781
수학에 대한 미련 때문이었어요.

00:01:33.019 --> 00:01:35.955
곧 알게 된 아주 신나는 일은

00:01:36.692 --> 00:01:39.455
의학에 수학을
활용할 수 있다는 사실이었죠.

00:01:41.026 --> 00:01:46.239
그때부터 저는 생물학 자료의
분석 알고리즘을 개발하고 있어요.

00:01:47.092 --> 00:01:49.375
처음엔 아주 쉽게 들렸죠.

00:01:49.399 --> 00:01:53.000
체내의 모든 대사물에 대한
자료들을 모아서

00:01:53.024 --> 00:01:58.152
병으로 발전하는 과정을 보여주는
수학적 모형을 만들고

00:01:58.176 --> 00:02:01.164
그 과정에 개입해 치료한다는 건데

NOTE Paragraph

00:02:02.488 --> 00:02:05.960
왜 아무도 이걸 해보지 않았는지
곧 알게 됐어요.

00:02:07.230 --> 00:02:08.917
완전 어렵더라고요.

NOTE Paragraph

00:02:08.941 --> 00:02:10.028
(웃음)

NOTE Paragraph

00:02:10.052 --> 00:02:12.464
우리 몸 안의 많은 대사물은

00:02:12.783 --> 00:02:15.283
각기 성질을 달리 합니다.

00:02:15.307 --> 00:02:19.035
어떤 대사물은 질량 분석기를 통해

00:02:19.059 --> 00:02:21.652
분자량의 측정이 가능하지만

00:02:21.676 --> 00:02:26.069
같은 질량의 분자가
10개나 될 수도 있고

00:02:26.093 --> 00:02:27.900
정체 조차 모르는

00:02:27.924 --> 00:02:30.698
그 모든 분자들을
명확히 식별해 내려면

00:02:30.722 --> 00:02:33.826
더 많은 실험을 거쳐야 하는데,
수십 년 동안

00:02:33.850 --> 00:02:35.564
수십 억의 예산이 들겠죠.

NOTE Paragraph

00:02:36.207 --> 00:02:41.770
그래서 인공지능 플랫폼을 개발했어요.

00:02:41.794 --> 00:02:44.638
생물학 자료들의 증가를 활용해

00:02:44.662 --> 00:02:49.086
대사물과 다른 분자와의 상호작용에 대한

00:02:49.110 --> 00:02:52.238
기존 정보의 데이터베이스를 만들고

00:02:52.262 --> 00:02:55.686
이 모든 자료들을 모아
메가네트워크를 구축했어요.

00:02:55.710 --> 00:02:59.106
그리고 환자들의 조직이나 혈액에서

00:02:59.130 --> 00:03:01.881
대사물 질량을 측정해

00:03:01.905 --> 00:03:05.164
발병 시 질량의 변화를 살펴봤어요.

00:03:05.188 --> 00:03:08.378
하지만 말씀드렸듯이,
정확히 그것이 뭔지 알지 못하죠.

00:03:08.402 --> 00:03:13.537
포도당, 갈락토오스, 과당 모두
분자량이 180이니까요.

00:03:13.561 --> 00:03:15.580
정확하게 같은 질량을 가지고 있지만

00:03:15.604 --> 00:03:17.691
체내에서의 기능은 각기 다르죠.

00:03:17.715 --> 00:03:21.302
이런 모호성까지 감안하는
저희 인공지능 알고리즘은

00:03:21.326 --> 00:03:24.062
메가네트워크에 들어가

00:03:24.086 --> 00:03:28.439
어떤 상호작용을 거쳐
이 대사물들이 병으로 발전하는지

00:03:28.463 --> 00:03:30.421
밝혀 내려고 하고 있어요.

00:03:30.445 --> 00:03:32.683
연결되어 있는 방식에 따라

00:03:32.707 --> 00:03:37.030
각 대사물의 분자량 유추가 가능한데,

00:03:37.054 --> 00:03:39.978
여기 180은 포도당을 가리키겠죠.

00:03:40.002 --> 00:03:42.553
더 중요한 사실은

00:03:42.577 --> 00:03:45.944
포도당과 다른 대사물들이
어떤 변이를 거쳐 병이 되는지

00:03:45.968 --> 00:03:47.473
알 수 있다는 것입니다.

00:03:47.497 --> 00:03:50.492
질병 구조의 이해를 위한
이런 참신한 시도로

00:03:50.516 --> 00:03:55.008
효과적인 치료법을 발견할 수 있는 거죠.

NOTE Paragraph

00:03:55.601 --> 00:03:59.446
그래서 이 기술을 상용화하고
사람들을 돕기 위해

00:03:59.470 --> 00:04:01.275
새로 회사를 차렸어요.

00:04:01.722 --> 00:04:05.267
현재 ReviveMed에서
일하는 저희 팀은

00:04:05.291 --> 00:04:10.396
발병 원인이 대사물인 주요 질병의
치료법을 연구하고 있어요.

00:04:10.420 --> 00:04:12.317
지방간의 경우에는

00:04:12.341 --> 00:04:15.265
간에 있는 대사물 중 하나인

00:04:15.289 --> 00:04:17.762
지방의 축적이 그 원인인데

00:04:17.786 --> 00:04:21.726
말씀드린 것처럼, 치료법도 없는데
급속히 증가하고 있죠.

NOTE Paragraph

00:04:21.750 --> 00:04:24.474
지방간 질환은
하나의 예에 불과해요.

00:04:24.498 --> 00:04:28.676
계속해서 저희는
수많은 병의 치료법을 찾기 위해

00:04:28.700 --> 00:04:30.193
노력할 것입니다.

00:04:30.217 --> 00:04:34.771
대사물에 대한 자료를
더 많이 수집하고

00:04:34.795 --> 00:04:38.339
대사물의 변이가
어떻게 병으로 발전하는지

00:04:38.363 --> 00:04:40.765
알아가는 과정을 통해

00:04:40.789 --> 00:04:44.278
저희 알고리즘은 점점 더 똑똑해져

00:04:44.302 --> 00:04:48.498
환자에게 맞는 올바른 치료법을
발견하게 될거에요.

00:04:48.522 --> 00:04:52.292
코드 한 줄을 쓸 때 마다

00:04:52.316 --> 00:04:56.179
생명을 구한다는 비전에
좀 더 다가갈 것입니다.

NOTE Paragraph

00:04:56.203 --> 00:04:57.524
감사합니다.

NOTE Paragraph

00:04:57.548 --> 00:05:01.375
(박수)