한 사람에 마흔 개의 나이

사망자 983명의 조직 사진 2만 5,712장을 딥러닝으로 학습시켜 40종 조직의 나이를 각각 추정하는 모형이 학술지 Nature Medicine에 실렸습니다. 같은 몸 안에서도 기관마다 노화 속도가 다르다는 점을 조직의 형태에서 읽어낸 연구입니다.

노화 연구 뉴스레터 파이트에이징은 21일 이 연구를 소개했습니다. 논문은 Nature Medicine에 실렸고, doi는 10.1038/s41591-026-04566-5입니다.

쓰인 자료는 유전자발현조직 프로젝트인 GTEx 코호트입니다. 사망자 983명, 평균 53세, 29개 기관에서 나온 40종의 조직과 전슬라이드 조직 사진 2만 5,712장이 들어갔습니다. 연구진은 이 사진에서 나이를 예측하는 딥러닝 모형을 만들었고, 평균 절대오차는 4.88년, 결정계수는 0.69로 나왔습니다. 예측된 나이와 실제 나이의 격차는 텔로미어 단축과 무증상 병변, 동반질환에 연결됐으며, 신호는 식도와 위, 췌장, 전립선, 신장에서 가장 뚜렷하게 나타났습니다.

혈액 검사로 옮기는 시도

연구진은 여기서 한 걸음 더 나갔습니다. 조직 사진과 전사체 자료를 짝지어 혈액에서 조직별 나이 격차를 추정하는 방법을 만들었고, 건강한 사람 577명과 만성질환자 628명의 유전자 발현으로 검증했습니다. 뇌졸중 환자에게서는 뇌의 나이 격차가, 낭성섬유증 환자에게서는 신장의 나이 격차가 높게 나왔습니다. 파이트에이징은 이 방법이 아직 연구 단계이며 임상에 쓸 수 있는 수준은 아니라고 못 박았습니다.

조직 사진은 부검이나 생검을 거쳐야 얻을 수 있습니다. 살아 있는 사람에게 40종 조직의 슬라이드를 요구할 수는 없기 때문에, 연구진은 모형이 배우는 자리와 실제로 쓰이는 자리를 분리했습니다. 부검 자료로 모형을 훈련시킨 뒤 실제 측정은 채혈로 한다는 구상입니다.

기존 노화 시계와 무엇이 다른가

노화 시계를 볼 때는 두 가지를 나눠 봐야 합니다. 무엇을 입력으로 받는가, 그리고 무엇을 맞히도록 학습됐는가입니다.

기존 시계 상당수는 DNA 메틸화 같은 분자 신호를 입력으로 받아 달력 나이를 맞히도록 훈련됐습니다. 이 방식에는 구조적인 모순이 있습니다. 달력 나이를 완벽하게 맞히는 모형은 노화가 빠른 사람과 느린 사람을 구분하지 못합니다. 두 사람의 차이가 그대로 오차로 계산되어 학습 과정에서 지워지기 때문입니다. 정작 쓸모 있는 정보는 그 오차 안에 들어 있는데, 훈련은 오차를 줄이는 방향으로 진행됩니다.

조직 사진은 이 지점에서 성질이 다릅니다. 병리학자가 슬라이드에서 오래 읽어 온 섬유화와 위축, 지방 침윤, 세포 밀도 변화는 이미 임상적 의미가 붙어 있는 구조 변화입니다. 모형이 달력 나이를 맞히도록 학습되더라도 그 근거로 삼는 특징 자체가 질병과 손상에 관한 정보를 담고 있습니다.

슬라이드 한 장은 한 기관의 상태만 보여줍니다. 전신 평균값을 내놓는 분자 시계와 달리 이 방식은 처음부터 기관별 값이 나오고, 이번 연구가 40종 조직의 나이를 따로 제시할 수 있었던 것도 그 때문입니다.

한계와 남은 검증

자료의 성격에서 오는 한계가 있습니다. GTEx는 사망자 코호트입니다. 사망 직전의 상태와 사후 경과가 조직 형태에 남기는 흔적이 노화가 남긴 흔적과 섞일 수 있습니다. 평균 53세라는 숫자는 정작 개입이 필요한 노년 구간의 표본이 두텁지 않다는 뜻이기도 합니다.

손목 엑스레이가 먼저 간 길

전례가 있습니다. 손목 엑스레이로 아이의 뼈 나이를 재는 방법은 100년 가까이 쓰였고, 달력 나이와의 격차가 성장 이상을 잡아내는 임상 지표가 됐습니다. 사진에서 나이를 읽고 그 격차를 진료에 쓴다는 점에서 지금과 모양이 같습니다.

다른 점이 더 중요합니다. 골연령이 재는 성장은 방향과 끝점이 정해진 과정입니다. 정상 범위가 표준화되어 있고, 몇 년의 격차가 무엇을 뜻하는지에 대한 합의가 있습니다. 노화에는 그런 끝점이 없습니다. 신장 나이가 실제 나이보다 여섯 살 많다는 결과를 받았을 때 무엇을 해야 하는지가 정해져 있지 않습니다. 시계가 정확해지는 것과 시계가 쓸모 있어지는 것은 다른 문제이고, 지금 부족한 것은 정확도 쪽이 아닙니다.

남는 것

첫째, 이번 달 이 자리에서 반복해 나온 병목이 바이오마커였습니다. 이번 연구는 그 병목의 해답이라기보다 후보를 하나 더 늘린 쪽입니다. 규제당국이 받아들이는 지표가 되려면 증명해야 할 것은 예측 정확도가 아니라 반응성입니다. 약을 썼을 때 시계가 되돌아가는지, 되돌아간 시계가 실제 결과의 개선으로 이어지는지입니다. 두 번째 질문에 답한 노화 시계는 아직 없습니다.

둘째, 임상시험 설계가 갈라질 여지가 생깁니다. 전신 노화 하나를 목표로 삼던 시험이 기관별 목표로 나뉠 수 있습니다. 신장 노화를 늦추는 약과 뇌 노화를 늦추는 약은 대상자 선정도 평가 지표도 달라지고, 표적이 좁아지면 필요한 표본 수와 관찰 기간이 함께 줄어듭니다. 노화 임상의 가장 큰 비용 항목이 기간이라는 점에서 이 방향은 자금 조달의 문제이기도 합니다.

셋째, 값이 붙는 자산의 자리가 바뀝니다. 병원의 병리 슬라이드 보관함에는 수십 년치가 이미 쌓여 있고 상당수가 디지털화되지 않았습니다. 이 접근이 성립하려면 그 보관함이 학습 자료가 되어야 하고, 그러면 희소한 것은 모형이 아니라 슬라이드와 그에 딸린 진료기록입니다. 노화 연구의 자금이 시험을 대 줄 주인이 있는 약 쪽으로 기우는 것과 같은 종류의 이야기입니다. 무엇을 연구할 수 있는지는 어떤 자료를 쥐고 있는지가 정합니다.

이 시계가 읽은 것은 사람의 나이가 아니라 조직의 나이입니다. 한 사람에게 마흔 개의 답이 나오는 검사를 진단서 한 줄로 어떻게 옮길지는, 아직 아무도 정하지 않았습니다.