항생제 내성과의 싸움: 의료 분야의 기후 위기

편집자 주: 이 프레젠테이션은 다음에서 제공되었습니다.롤랜드 하스 at 노드 2021.

1945년에 알렉산더 플레밍은 페니실린을 발견한 공로로 노벨상을 받았어요. 그의 연구실에서 우연히 일어난 일 덕분이었죠. 연구 중이던 박테리아를 담은 페트리 접시를 잠시 놔두고 휴가를 다녀왔는데, 돌아와 보니 몇몇 접시에 곰팡이가 생긴 걸 발견한 거예요. 신기하게도 곰팡이가 생긴 곳에서는 박테리아가 죽어가고 있었죠. 이걸 보고 플레밍은 곰팡이가 박테리아와 상호작용하는 독소를 만들고, 어쩌면 이 곰팡이로 약을 개발할 수 있겠다는 아이디어를 떠올렸어요. 그리고 그게 바로 페니실린이 되었답니다.

플레밍은 이 발견으로 1945년에 노벨상을 받았지만, 이미 박테리아가 페니실린에 저항성을 갖게 된다는 걸 알고 있었어요. 약을 제때, 제대로 된 용량으로 쓰지 않으면 박테리아가 금세 증식할 수 있다는 거죠. 그리고 플레밍의 예상은 정확히 들어맞았어요. 항생제 내성은 이제 우리가 반드시 해결해야 할 중요한 문제가 되었답니다.

이번 글에서는 Neo4j의 전염병 Knowledge Graph를 활용해서 환자에게 딱 맞는 진단과 항생제를 적절한 용량으로 제공한 사례를 소개해 드릴게요. 이어서 제 동료인 Asoke Talukder 박사가 Knowledge Graph를 직접 시연해 줄 예정이에요.

항생제 이전과 이후의 세계

항생제가 세상과 의학을 얼마나 바꿔놓았는지는 아무리 강조해도 지나치지 않아요. 항생제가 발견되기 전에는 평균 수명이 47세 정도였는데, 페니실린과 항생제 덕분에 기대 수명이 무려 30년이나 늘어서 79세 정도가 되었으니까요.

하지만 안타깝게도 벌써 항생제 내성이 나타나고 있어요. 2050년에는 암으로 사망하는 사람보다 항생제 치료에 반응하지 않는 전염병으로 사망할 확률이 더 높을 거라는 예측도 있답니다. 이건 정말 심각한 의료 위기 상황이라고 할 수 있어요. 이 문제를 해결하지 못하면 전 세계 GDP가 2~3.5%나 감소할 수도 있다는 무시무시한 전망도 있고요.

코로나19 팬데믹 기간 동안 환자들에게 무분별하게, 예방 차원에서 항생제를 처방하는 경우를 많이 봤는데요. 코로나19가 끝나면 항생제 내성으로 고생하거나, 심지어 슈퍼 박테리아에 감염된 환자들이 늘어날까 봐 걱정이에요.

과잉 처방 없이 효과적인 치료

항생제를 처방하기 전에 고려해야 할 요소들이 몇 가지 있어요. 먼저 환자 본인에 대해 꼼꼼히 알아야 해요. 수술 이력이나 항생제 복용 이력 같은 병력이 중요한 역할을 하죠. 둘째, 어떤 세균이 병을 일으켰는지 정확히 진단해야 해요. 셋째, 적절한 복용량을 결정해야 하고요. 넷째, 치료 기간도 중요해요. 많은 환자들이 증상이 좀 나아지면 의사 지시를 어기고 항생제 복용을 스스로 중단하는데, 이건 박테리아에 진화 압력을 가해서 저항력을 더 키우는 결과를 낳는답니다.

어떤 항생제를 사용할지도 꼼꼼히 따져봐야 해요. 특히 광범위 항생제인지, 특정 표적 항생제인지에 따라 더욱 그렇죠. 환자의 알레르기 이력, 정맥 주사 또는 경구 투여 여부까지 고려해서, 특정 감염에 딱 맞는 약을 처방할 수 있도록 고민해야 할 거예요.

세 가지 유형의 항생제 내성

박테리아는 정말 빠르게 성장하고 유전 물질을 교환하는 특별한 메커니즘을 가지고 있어서, 항생제에 내성을 갖는 돌연변이가 쉽게 생겨날 수 있어요. 이걸 바로 고유 저항 (intrinsic resistance)이라고 부른답니다.

항생제를 많이 사용하는 병원 같은 환경에서는 박테리아가 더 잘 번성하고, 흔한 표면에서도 발견될 수 있어요. 이런 현상을 부위별 저항 (site-specific resistance)이라고 하는데, 정말 무서운 일이죠. 병원에 슈퍼버그가 퍼지는 원인이 될 수도 있으니까요.

박테리아가 사람의 미생물군집과 상호 작용하는 방식도 생각해 봐야 해요. 항생제를 쓸 때는, 우리 몸에 좋은 박테리아는 건드리지 않고, 감염을 일으키는 나쁜 박테리아만 딱! 잡고 싶잖아요? 이걸 개인별 저항 (person-specific resistance)이라고 한답니다.

전염병 Knowledge Graph

저희는 두 개의 Knowledge Graph를 만들었어요. 하나는 증상, 질병, 감염병에 대한 지식을 통합한 질병 온톨로지이고요. 또 하나는 WHO의 AWARe 도구에서 얻은 박테리아 저항성 정보에 대한 Knowledge Graph인데, Access, Watch, Reserve 이렇게 세 가지 카테고리로 나뉘어 있죠. 이 Knowledge Graph들을 활용해서, 의사들이 올바른 항생제를 처방하도록 돕는 거예요.

이 두 그래프를 Neo4j Graph Database에 쏙 넣어 매핑했더니, 위 이미지에서 보시는 것처럼 엄청난 의학 지식 덩어리가 탄생했어요!

시스템이 어떻게 작동하는지 일반적인 시나리오를 설명해볼게요. 환자가 병원에 와서 열이 나거나 밤에 땀을 흘리는 증상들을 호소한다고 가정해봐요. 이러한 증상들은 자동으로 해석돼서 통제된 어휘에 매핑되죠. 이 통제된 어휘는 국제 질병 분류 시스템 표준과 일치하고, 기계 해석이 가능해져요. 그리고 감염성 질환에 대한 정확한 진단을 바탕으로 가장 효과적인 항생제를 제안하게 되는 거예요. 질병에 가장 적합한 항생제를 적절한 복용량과 기간 동안 투여하면 항생제 내성을 예방할 수 있죠. 항생제 관리의 6D 모델을 기억하는 게 중요해요. Diagnosis, 그렇죠? Disease를 유발하는 물질, 맞죠? Drug, De-escalation, 그리고 Dose, 마지막으로 Duration!

Demo

제 동료 Asoke가 실제 Knowledge Graph 데모를 만들었어요. Knowledge Graph를 활용해서 진단을 개선하고 항생제 내성을 예방하는 방법을 자세히 살펴볼까요?

결론

그렇다면 그래프를 통해 의료 기후 위기에 대응하고 항생제 내성 확산을 줄이는 데 어떻게 도움이 될까요?

환자, 진단, 복용량 및 기간에 대한 데이터를 연결함으로써 의사에게 환자에 대한 더 완전한 그림과 가능한 진단 및 치료법을 제공할 수 있어요. 저희의 Knowledge Graph는 의사가 항생제 내성을 높이거나 의료 기후 위기를 악화시키지 않으면서 가장 효과적인 방법으로 환자를 치료할 수 있도록 돕는답니다.

Graph Database 기술이 생명과학 및 의료 산업에서 어떻게 사용되고 있는지 알고 싶으신가요? 다음에서 전문가 프레젠테이션을 시청하세요. Connections: 생명 과학 및 의료 분야의 그래프.

• 의료 기후 위기

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지