By CRAIG VENTER, WIRED UK

여러 국가에 코로나19가 널리 확산한 이유는 과학에 대한 회의적 견해와 정치적인 데이터 조작, 어디서나 넘쳐나는 정확하지 않은 정보의 탓이다. 모두 SNS에서 널리 퍼진 것이지만, 일부는 여러 국가 정부의 최고위급 관료 때문에 촉발됐다. 2021년에는 질병 감지를 위한 새로운 과학 기반 접근 방식을 이해한다면, 향후 코로나19와 비슷한 재앙을 피하게 될 것이다.

필자의 고국인 미국은 이미 앞서 언급한 사실을 실제로 입증했다. 사회적 격리 혹은 거리 두기와 손 씻기, 소독제 사용, 마스크 착용 등과 같은 여러 조치를 시행한 주는 인구 1인당 코로나19 감염자 수가 10만 명당 100~200명 수준으로, 미국 전 지역에서 감염률이 가장 낮다. 코로나19 감염 예방 조치를 시행하지 않은 주의 평균 감염자 비율이 10만 명당 2,300명을 기록한 것과 비교된다.
 
과학을 헬스케어 분야와 다시 접목한다면, 매우 인상적인 결과를 얻게 될 것이다. 세계의 코로나19 대응에서 발견된 한 가지 약점은 과학을 이용해 코로나19 감염 전, 개인의 감염 취약도를 예측할 의사가 없다는 사실이다. 여러 국가가 코로나19 무증상자 대상 대대적인 검사를 기피했다. 또, 기존의 상황 때문에 코로나19가 악화됐을 때 매우 놀란 듯한 모습을 보여왔다. 2021년에는 다양한 검시 접근 방식을 적용해, 초기에 개인의 코로나19 감염 경향을 감지해야 한다.

그동안 개인의 게놈을 차례로 배열하는 것이 특정 질병에 걸릴 위험성을 합리적으로 나타낼 수 있다는 생각을 적용하고는 했다. 2021년에는 유전체학과 MRI 이미지, 머신러닝을 결합해, 개인 건강 상태를 이전보다 더 정교한 스냅샷으로 나타낼 수 있다. 필자가 설립한 인간 수명 연구소와 J 크레이그 벤터 연구소(J Craig Venter Institute)에 재직 중인 동료와 함께 필자는 올해 게재한 연구 논문을 통해 첨단화된 이미지와 혈액 대사물질 분석으로 암이나 심장 질환, 비만, 만성 간 질환 등 주요 질환에 걸릴 위험을 지닌 성인을 확인할 수 있다고 주장했다.

해당 연구는 단순히 개인의 유전자형 배열이라는 한 가지 방법에만 의존하기보다는 다양한 검사 기법을 사용하는 것이 중요하다고 설명한다. 표현형과 유전형의 결합이 없을 때, 개인의 질병 발병 유전적 변수 5.8%만 확인할 수 있었다. 더 나아가 유전형 배열만을 이용한 발병 유전적 변수만으로는 질병을 정확히 확인하기에 충분하지 않다.

필자의 연구팀은 2021년, 더 넓은 집단에서의 다양한 검사와 예방 의약품 처리 과정 등으로 연구 범위를 확대할 계획이다. 코로나19 때문에 필자의 연구팀의 노력이 일시적으로 중단됐다. 그러나 강력한 지식 기반 지도력과 과학에 대한 신뢰 재개와 함께 2021년에는 데이터 기반 다양한 질병 진단 접근 방식의 대대적인 도약이 이루어지기를 바란다.

** 위 기사는 와이어드UK(WIRED.co.uk)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
AI can now help us detect disease at its earliest stages