가상 환자가 온다
2025년 10월, SOPHiA GENETICS는 AI 기반 digital twin 플랫폼(SOPHiA DDM Digital Twins)을 론칭했습니다. 환자의 유전체, 임상, 영상 데이터를 통합하여 가상 환자를 만들고, 치료 반응을 시뮬레이션하는 시스템입니다. 같은 해, FDA는 동물실험 의무의 단계적 폐지를 발표하며 in silico 방법론으로의 전환을 공식화했습니다. Healthcare digital twin 시장은 2025년 $3.4B에서 2032년 $31.7B으로, 연평균 37.6% 성장할 것으로 예측됩니다.
메세지는 분명합니다. "이 환자에게 이 약이 작동할 것인가?"를 치료 전에 가상으로 시뮬레이션하는 것.
그러나 현재 대부분의 digital twin은 유전체 프로파일과 임상 변수로 구축됩니다. 종양의 돌연변이, 발현량, 환자의 병력과 바이오마커로 가상 환자를 만들고 약물 반응을 예측합니다. 그럼 포트래이는 조금 더 다른 질문을 던져봅니다.
기존 접근이 묻는 질문: "이 환자의 유전자 프로파일에 맞는 약은 무엇인가?"
포트래이가 묻는 질문: "이 환자의 종양 내 세포 배치, 면역세포 접근성, 기질 장벽 구조까지 담은 가상 종양을 만들 수 있는가?"
지도 없는 네비게이션: 기존 Digital Twin의 맹점
두 환자를 생각해 봅시다.
환자 A와 환자 B. 같은 암종, 같은 병기, 같은 드라이버 돌연변이. Bulk RNA-seq에서 PD-L1 발현 수준도 유사합니다. 기존 digital twin의 관점에서 두 환자는 사실상 동일합니다. 같은 면역항암제에 같은 반응을 보일 것이라고 예측합니다.
그러나 결과는 다릅니다. 환자 A는 반응하고, 환자 B는 무반응입니다.
차이는 유전자가 아니라 공간에 있었습니다. 환자 A의 종양에서는 CD8+ T세포가 종양 실질(parenchyma) 깊숙이 침투해 있었습니다. 환자 B에서는 같은 수의 T세포가 존재했지만, 치밀한 CAF(암관련 섬유아세포) 장벽 뒤의 기질(stroma)에 갇혀 있었습니다 — 6월 블로그에서 다루었던 "면역 배제(immune exclusion)" 표현형입니다.
Gong 등(Cancer Research, 2024)은 이 문제를 정면으로 입증했습니다. Agent-based model(ABM)과 ODE(상미분방정식) 모델을 비교한 결과, ODE 모델은 공간적 면역 역학을 포착할 수 없었습니다. 세포의 수와 비율만으로는 면역항암 효능을 예측할 수 없으며, 세포의 물리적 배치와 이동 역학을 포함한 agent-based 접근만이 표현형적, 공간적 이질성을 재현할 수 있었습니다.
비유하자면 이렇습니다. 유전자 프로파일만으로 digital twin을 만드는 것은, 인구 통계만으로 도시를 시뮬레이션하는 것과 같습니다. 인구 수, 연령 분포, 소득 수준을 알아도, 도로 구조와 건물 배치를 모르면 교통 흐름을 예측할 수 없습니다. 종양도 마찬가지입니다 — 세포의 종류와 수를 넘어, 배치와 구조를 알아야 약물의 흐름을 예측할 수 있습니다.
가상 종양에 공간을 입히다
Chen 등(Cell, 2025)은 이 문제에 대한 하나의 해법을 제시했습니다. Multimodal AI를 활용하여 multi-omic 데이터로부터 가상 종양 집단(virtual population)을 생성하고, 종양 미세환경(TME)의 공간적 구조까지 모델링하는 접근입니다. 단순히 개별 환자의 데이터를 복제하는 것이 아니라, 다수 환자의 데이터로부터 있을 법한 종양의 공간적 변이를 생성하여, virtual clinical trial에 활용할 수 있는 가상 집단을 만드는 것입니다.
이 접근이 가능해진 배경에는 spatial transcriptomics의 성숙이 있습니다. Spatial transcriptomics가 digital twin에 제공하는 정보는 크게 네 가지입니다.
첫째, 세포 배치(cell positioning). 종양세포, T세포, CAF, macrophage 등 각 세포의 좌표. 누가 어디에 있는가.
둘째, 세포-세포 상호작용(cell-cell communication). 근접한 세포 간의 ligand-receptor 신호. 누가 누구에게 신호를 보내는가.
셋째, 기능적 구역화(functional zonation). Tumor core, invasive front, immune niche 등 각 구역의 전사체적 차이. 같은 종양 내에서도 장소에 따라 기능이 다르다.
넷째, 장벽 구조(barrier architecture). CAF의 공간적 배치와 밀도, ECM의 두께 — 면역세포의 접근성을 결정하는 물리적 구조.
특히 Zheng 등(Cancer Cell, 2025)은 10개 암종, 7개 spatial 플랫폼에서 4가지 보존된 CAF 공간적 아형을 발견했습니다 (peri-epithelial CAF, stromal CAF, peri-vascular CAF, immune-interacting CAF). 이 분류는 암종을 넘어 보존되어 있었으며, digital twin에 CAF 장벽 모델링의 표준화된 프레임워크를 제공합니다.
7개월의 질문이 하나로 수렴한다
이 블로그 시리즈를 시작한 지 7개월입니다. 매달 다른 모달리티를 다루었지만, 돌이켜보면 모든 질문은 하나의 프레임워크를 향해 수렴하고 있었습니다.
각각은 독립적인 질문이었습니다. 그러나 이 질문들 모두에 답하려면, 결국 하나의 공간적으로 완전한 가상 종양이 필요합니다. ADC의 약물 도달 시뮬레이션(3월)은 혈관 구조와 타겟 발현 좌표가 필요하고, IO 반응 예측(6월)은 면역세포와 CAF의 공간적 배치가 필요하며, bispecific의 selectivity 평가(7월)는 종양과 정상 조직 양쪽의 co-localization 데이터가 필요합니다.
모달리티는 달라도 필요한 공간 데이터는 같습니다. 그리고 그 데이터가 모이면, 하나의 digital twin 위에서 여러 모달리티의 약물 반응을 동시에 시뮬레이션할 수 있습니다. ADC, ICI, bispecific을 같은 가상 종양 위에서 비교하는 것입니다.
결론: 가상 환자에게도 주소가 필요하다
Digital twin은 정밀의학의 다음 장입니다. 치료 전에 가상으로 시뮬레이션하고, 최적의 전략을 선택하며, 독성을 예측하는 것입니다. Nature Medicine(2026)이 선언한 대로, digital twin과 in silico trial의 시대가 도래하고 있습니다.
그러나 그 약속이 지켜지려면, 가상 종양이 실제 종양의 공간 구조를 담아야 합니다.
유전자가 환자의 이름이라면, 공간 구조는 환자의 주소입니다. Digital twin이 실제 환자를 닮으려면, 주소가 필요합니다. 세포의 좌표, 장벽의 두께, niche의 경계. 그 공간적 진실 위에서만, 시뮬레이션은 예측이 됩니다.
7개월간 작성된 시리즈를 관통하는 메시지는 하나였습니다. 답은 공간에 쓰여 있다. ADC도, checkpoint inhibitor도, bispecific도, 그리고 이제 digital twin도, 결국 공간을 읽을 수 있어야, 약속이 현실이 됩니다.
References
Chen X, et al. Multimodal AI generates virtual population for tumor microenvironment modeling. Cell. 2025.
Gong C, et al. Agent-Based Modeling of Virtual Tumors Reveals the Critical Influence of Microenvironmental Complexity on Immunotherapy Efficacy. Cancer Research. 2024;84(17):2881-2894. DOI: 10.1158/0008-5472.CAN-23-3669
Zheng L, et al. Conserved spatial subtypes and cellular neighborhoods of cancer-associated fibroblasts revealed by single-cell spatial multi-omics. Cancer Cell. 2025;43(3):549-567. DOI: 10.1016/j.ccell.2025.02.013
The arrival of digital twins and in silico trials in drug development. Nature Medicine. 2026. DOI: 10.1038/s41591-026-04344-3
SOPHiA GENETICS. SOPHiA DDM Digital Twins platform launch. Press Release. October 16, 2025.
