메디칼타임즈=문성호 기자임상현장에서 주사제 중심 생물학적 제제가 주도 중인 중증 건선 치료제 시장.이 가운데 먹는 건선 치료 신약이 국내 임상현장 출시를 예고해 주목된다. 임상 연구를 통해 생물학적 제제에 가까운 치료 효과를 입증한 만큼 치료 패턴의 변화가 예상된다. 서울성모병원 방철환 피부과 교수는 BMS제약의 소틱투가 기존 생물학적 제제가 주도하던 건선 2차치료 시장에 변화를 가져올 것으로 전망했다.서울성모병원 방철환 교수(피부과)는 25일 한국BMS가 마련한 행사에 참석해 국내 건선 치료 현황과 함께 약물치료 옵션을 설명하며 먹는 건선 치료 신약인 '소틱투(듀크라바시티닙)'를 활용 가능성을 기대했다.  지난해 8월 국내 허가를 받은 경구용 판상 건선 치료제 '소틱투(듀크라바시티닙)'는 새로운 기전의 판상 건선 치료제로 최초(first-in-class)의 선택적 TYK2 억제제로 TYK2는 건선 환자에서 건선 발병의 중점적인 역할을 하는 것으로 알려진 IL-23/IL-17 경로의 중심 연결고리다. 소틱투는 TYK2 신호를 선택적으로 표적해 알로스테릭하게 억제하는 기전으로 작용한다.특히 소틱투가 주목받는 배경은 경구약이라는 점이다. 용량 조절이 필요 없는 6mg 단일 용량으로, 음식 섭취와 상관없이 1일 1회 복용하는 용법으로 처방돼 광선치료 또는 전신치료 대상 중등도-중증의 성인 판상 건선 환자에 투약 편의성을 제공한다.이 가운데 방철환 교수는 낮은 치료율이 문제인 건선 치료의 미충족 수요를 소틱투가 채워줄 수 있을 것으로 기대했다.방철환 교수는 "국내 건선 환자가 150만명으로 추정됨에도 불구하고 실제 병원에서 제대로 치료받을 환자의 수는 약 23만명에 불과하다"며 "이는 전체 추정 환자의 15%에도 미치지 못하는 낮은 수치"라고 아쉬움을 토로했다.이어 "치료받은 환자의 비율이 낮은 이유로는 질환에 대한 인식이 낮기 때문일 수도 있지만 증상이 나타났을 때 자가 치료를 먼저 시도하거나 민간요법, 보완대체의학 등에 의존하는 경우가 많기 때문"이라고 원인을 지목했다.이에 따라 소틱투가 국내 임상현장에 본격 도입한다면 생물학적 제제 대비 복용 편의성이 뛰어나다는 점에서 건선 치료율 개선에도 도움을 줄 것이란 평가다. 다시 말해, 국내 임상현장에서 소틱투의 직적접인 경쟁 상대는 TNF-a 억제제, IL-12/23억제제, IL-23 억제제, IL-17 억제제 등 생물학적 제제라는 뜻이다. 기존 건선 1차 치료에 쓰이는 사이클로스포린(CsA), 메토트렉세이트(MTX)에 반응하지 못한 경우 소틱투나 생물학적 제제들을 고려할 수 있다.방철환 교수는 경구제인데다 생물학적 제제와 비교해 동등하거나 가까운 효과를 기대할 수 있는 만큼 소틱투가 임상현장에서 충분히 활용될 수 있다고 평가했다. 이와 관련해 한국BMS는 건강보험 등재 절차를 진행해 올해 내 급여 적용을 목표로 하고 있다.그는 "소틱투의 임상 연구 결과를 보면 생물학적 제제 대비 나쁘지 않은 효과를 보여준다. 아달리무맙과는 유사한 효과를 가지고 있다"며 "먹는 치료제라는 것도 장점이지만 신장애나 간장애 환자에 처방에 안전하다는 점도 임상현장에서 긍정적이라고 평가할 수 있다"고 강조했다.방철환 교수는 "기존 치료옵션을 보면 1차 치료 이후 2차 치료에서 복용할 수 있는 경구 치료제가 건선 시장에 없었다"며 "일단 급여 적용도 관건이지만 건선 치료 옵션으로 임상현장에서 활용이 기대된다"고 덧붙였다.  

메디칼타임즈=문성호 기자 국내 연구진이 아토피 중증도 진단 정확도가 99%에 이르는 인공지능(AI) 알고리즘을 개발해냈다. 왼쪽부터 서울성모병원 피부과 이지현, 방철환 교수 가톨릭대 서울성모병원 피부과 이지현 교수(공동 교신저자), 방철환 교수(공동 제1저자) 연구팀은 10일 아토피피부염 중증도를 피부과 전문의 수준으로 측정하는 알고리즘을 인공지능(AI) 심층학습(딥러닝) 기법을 이용해 개발했다고 밝혔다. 연구팀은 2009년부터 2017년까지 서울성모병원에서 수집된 아토피피부염 영상 이미지 2만 4852장 중 AI 학습용 데이터로 적합한 8000장의 이미지를 구축한 뒤 4개 종류(세부 12개 종류)의 딥러닝 알고리즘에 적용했다. 그 결과, 피부과 전문의 3명의 진단 결과와 비교해 최고 99.17% 정확도를 보인 것으로 나타났다. 아토피피부염의 중증도는 EASI(Erythema Area and Severity Index)라는 평가지수를 가장 많이 사용하는데, 이는 병변의 홍반, 구진(작은 발진), 긁은 상처, 태선화(두껍고 거칠어짐) 등 4개 항목의 중증도를 0~3점으로 측정하는 방식이다. 연구팀은 병변의 4개 항목별로 2000장씩 구축된 8000장의 이미지 중 5600장으로 딥러닝을 통해 AI를 학습시킨 뒤, 2400장은 확인 및 평가에 사용했다. 딥러닝은 데이터학습을 통해 여러 계층으로 구성된 신경망 구조를 이용하는 기계학습(머신러닝)의 한 종류이다. 이번 연구에는 딥러닝에 사용하는 인공신경망 중 심층신경망(Deep Neural Network, DNN)의 일종인 합성곱신경망(Convolutional Neural Networks, CNN)을 이용했으며, 이는 순차적으로 이미지의 특징을 추출해 학습하는 딥러닝 프로그램의 한 종류로 이미지 인식과 분류에서 뛰어난 성능을 보인다. 이번 연구에 사용된 합성곱신경망은 4개 종류(세부 12종류)로, GoogLeNet(V1, V2, V3, V4), Resnet V1(50, 101, 152 layers), ResNet V2(50, 101, 152 layers), VGG-Net(16, 19 layers) 등이다. 연구 결과, 병변 종류별로 진단의 정확도는 홍반 99.17%(가장 높은 성능 ResNet V1 with 101 layers, ResNet V2 with 50/152 layer), 구진 93.17%(ResNet V1 with 50 layers), 긁은 상처 96%(ResNet V2 with 50 layers), 태선화 97.17%(ResNet V1 with 101 layers)로 나타났다. 또한 연구팀은 사진의 밝기에 따라 심층신경망의 성능이 달라지는지 테스트한 결과, 밝기에 따라 성능이 떨어지는 현상이 관찰돼 사진의 밝기를 변경하는 방식(-80~+80%)으로 데이터를 늘린 뒤 이를 모두 학습시키면 사진 밝기에 따른 성능 저하를 막을 수 있는 것으로 확인됐다. 연구팀은 이 방법을 통해 추후 심층신경망의 정확도를 높이는 데 도움이 될 것으로 판단된다고 설명했다. 이지현 교수는 "아토피피부염 중증도 측정은 환자의 치료 정도를 파악해 치료계획을 세우는데 필수적이지만, 실제 진료 현장에서 정확히 아토피피부염 중증도를 체크하려면 많은 시간이 소요되고 의사에 따라 중증도 점수가 일부 차이가 나는 문제점이 있다"며 "이번에 개발한 심층신경망을 이용하면 환자의 맞춤 치료계획을 세우는 데 도움이 될 것"이라고 말했다. 한편, 이번 연구 결과는 '사이언티픽 리포트(Scientific Reports)' 온라인판에 3월 15일자로 게재됐다.