머신러닝 기반 카바페네마제 유형 판별 기술 MALCA 개발
연구진이 머신러닝을 활용해 카바페네마제 생성 장내세균의 유형을 신속하게 식별하는 기술인 MALCA를 개발했습니다. 기존 검사 방식보다 높은 정확도를 보이며 항생제 내성균 치료의 효율성을 높일 것으로 기대됩니다.
주장카바페네마제 생성 장내세균은 치료 가능한 항생제 종류가 제한적이므로 신속하고 정확한 유형 식별이 환자 치료의 핵심입니다. 기존 확인 검사는 복잡한 과정과 긴 시간이 필요하다는 한계가 있습니다.
팩트연구진은 1만1992개의 임상 분리주 데이터를 학습시켜 머신러닝 분류기인 MALCA를 개발했습니다. 이 모델은 22개 항생제 패널을 사용하는 MALCA-22와 8개를 사용하는 MALCA-8 등 두 가지 버전으로 구성됩니다.
팩트8514개의 분리주를 대상으로 외부 검증을 수행한 결과, MALCA는 카바페네마제 생성 장내세균 탐지에서 96% 이상의 민감도와 특이도를 기록했습니다. 이는 기존 유럽 및 프랑스 선별 알고리즘보다 우수한 성능입니다.
팩트특히 OXA-48, NDM, KPC 등 주요 카바페네마제 유형에 대해 97% 이상의 민감도와 98% 이상의 특이도를 달성했습니다. 이는 임상 현장에서 높은 신뢰도로 활용할 수 있는 수치입니다.
주장MALCA는 별도의 추가 시약이나 고가 장비 없이 기존 항생제 감수성 검사 데이터만으로 작동합니다. 병원 내 진단 비용을 절감하고 진단 속도를 높이는 경제적 이점이 있습니다.
교차검증연구 저자 중 일부는 MALCA 알고리즘 및 관련 데이터셋에 대한 특허를 보유하고 있습니다. 기술 상용화 과정에서 이러한 이해관계가 진단 도구 보급 방식에 영향을 미칠 가능성이 존재합니다.
팩트이번 연구는 프랑스 국립연구청의 France 2030 프로그램 지원을 받아 수행되었습니다. 생물정보학 분석은 프랑스 생물정보학 연구소의 코어 클러스터를 활용했습니다.
팩트연구 결과는 2026년 5월 11일 네이처 커뮤니케이션즈에 게재되었습니다. 논문은 2026년 1월 7일 접수되어 2026년 4월 22일 최종 승인을 받았습니다.
주장MALCA 도입은 항생제 내성균에 대한 표적 치료를 앞당겨 환자의 예후를 개선하는 데 기여합니다. 진단 가이드라인 변화로 의료 자원의 효율적 배분도 가능합니다.
출처해당 연구는 네이처 커뮤니케이션즈(Nature Communications)에 게재된 에메로드(Emeraud) 등의 논문 'Direct carbapenemase typing from disc diffusion antibiograms with MALCA'를 통해 교차 검증했습니다.
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.
