어떤 기술의 대중화가 완성되는 순간은 모두가 그 이름을 말할 때가 아니라, 그 기술을 의식하지 않고 일상의 의사결정에 사용할 때다.
2030년의 신약개발 회의를 상상해 보자. 연구팀이 새로운 표적을 검토하면 시스템은 종양과 정상조직에서의 발현, 세포별 위치, 환자 간 변이와 주변 면역세포를 함께 보여준다. 항체의 affinity와 linker, payload를 바꾸면 약물이 조직 안에서 어떻게 분포할지 시뮬레이션한다. 임상팀은 어떤 환자군에서 효과와 독성의 균형이 가장 유리할지 비교한다.
그 회의에서 누구도 “공간전사체 분석을 시작하자”고 말하지 않을 수도 있다. 공간정보가 표적 선정, 약물 설계와 환자 선별 과정에 이미 내장되어 있기 때문이다.
공간전사체의 진정한 mass adoption은 하나의 실험 분야가 커지는 것이 아니라, 조직의 공간적 맥락이 신약개발과 정밀의료의 기본 정보로 자리 잡는 과정일 가능성이 높다.
데이터에서 조직의 모델로
지금까지 공간전사체는 주로 조직 안에서 어떤 세포와 유전자가 어디에 존재하는지 측정해 왔다. 다음 단계는 측정된 데이터를 이용해 보이지 않는 현상을 예측하는 것이다.
Spatial foundation model은 다양한 조직과 질환에서 반복되는 구조를 학습할 수 있다. 여기에 병리 이미지, 유전자 발현과 자연어 지식을 함께 다루는 vision-gene-language model이 발전하면, 익숙하지 않은 조직에서도 세포 상태와 상호작용에 대한 가설을 제시할 수 있다.(링크: https://link.portrai.io)
Microscopic-PK/PD는 약물이 조직 안에서 어떻게 이동하고 결합하며 효과를 내는지를 공간 수준에서 모델링하여, 실제 실험 전에 표적, 항체, linker, payload와 용량 조건을 비교할 수 있다.
그러나 시뮬레이션은 현실의 복사본이 아니다. 혈류, 단백질 발현, 약물 대사와 면역 반응을 충분히 반영하지 못하면 정교한 모델도 잘못된 결론을 낼 수 있다. AI와 모델링의 역할은 전문가의 판단을 대체하는 것이 아니라, 인간이 동시에 관찰하고 비교할 수 있는 범위를 확장하는 데 있어야 한다.
세 가지 미래
첫 번째는 낙관적 시나리오다.
Application, tissue, experiment, data, analysis와 trust의 병목이 함께 해소된다. 공간 데이터는 신약개발의 기본 입력값이 되고, 표적·약물·환자 선택이 조직 수준의 시뮬레이션으로 연결된다. 실패 가능성이 높은 후보를 더 일찍 제외하고, 실제 실험은 정보 가치가 높은 가설에 집중한다. 공간 데이터에 기반한 시뮬레이션은 동물 실험을 대체하고, 약물 개발을 가속화하며, 위험도는 줄인다.
개인별 조직 데이터가 충분히 축적되면 정밀의료의 단위도 유전자 변이에서 조직 생태계로 확장될 수 있다. 같은 바이오마커를 가진 환자라도 표적의 위치, 면역세포 접근성 및 약물 전달 환경에 따라 다른 치료 전략을 선택하게 될 수 있다.
두 번째는 현실적 시나리오다.
공간정보가 모든 영역에서 동시에 표준이 되지는 않는다. 대신 ADC, RPT, TCE처럼 표적의 위치와 종양미세환경이 약효와 독성에 직접 영향을 주는 modality, 그리고 치료 실패 비용이 큰 암종에서 먼저 정착한다. 검증된 use case가 늘어나면서 다른 질환과 개발 단계로 점차 확장된다.
이 경로에서는 공간전사체가 기존 병리, 단일세포 분석과 유전체 분석을 대체하기보다 서로의 한계를 보완한다. 가장 비싼 기술보다는 질문에 필요한 최소한의 해상도와 비용을 제공하는 조합이 선택될 것이다.
세 번째는 부정적 시나리오다.
실험 처리량과 데이터 생산량은 계속 증가하지만 임상적·사업적 효용을 입증하지 못한다. 기관마다 다른 형식과 분석법을 사용하고, 결과는 흥미로운 이미지와 논문으로 남지만 실제 후보물질 선택에는 제한적으로 활용된다. 공간전사체는 일부 전문가와 고예산 프로젝트를 위한 고급 연구 서비스에 머물 수 있다.
어느 시나리오가 현실이 될지는 기술 발전만으로 결정되지 않는다. 데이터가 어떤 결정을 얼마나 개선했는지 증명할 수 있는가에 달려 있다.
접근성 없는 정밀의료는 새로운 격차가 될 수 있다
개인별 조직 데이터가 치료 선택에 사용되기 시작하면 데이터 소유권과 privacy 문제가 더욱 중요해진다. 조직에서 생성된 공간 데이터는 유전체 정보뿐 아니라 질환 상태와 치료 반응에 관한 민감한 정보를 포함할 수 있다. 고가의 조직 분석과 개인별 시뮬레이션이 일부 환자에게만 제공된다면 정밀의료는 건강 격차를 줄이기보다 확대할 수도 있다.
따라서 기술적 정확성만큼 비용, 접근성, 데이터 거버넌스가 중요하다. 공공 reference와 민간 innovation, 개인의 권리 사이에 새로운 합의가 필요하다.
승자는 하나의 기술이 아니라 연결된 생태계다
앞으로의 승자를 장비회사, 데이터회사 또는 AI회사 중 하나로 단정하기는 어렵다. 장비는 신뢰할 수 있는 데이터를 생산해야 하고, 조직 네트워크는 임상적 맥락을 제공해야 한다. 컴퓨팅 인프라는 데이터를 감당해야 하며, AI는 결과를 검토 가능한 의사결정으로 변환해야 한다. 병원과 제약회사, 규제기관은 그 결정의 유용성과 안전성을 검증해야 한다.
어느 한 기업이 모든 단계를 소유할 필요는 없다. 그러나 각 단계가 단절되어 있다면 전체 가치도 만들어지지 않기에, techbio 회사는 이 과정들을 점진적으로 수직 통합해 나가야 한다. 미래의 경쟁력은 하나의 기술을 독점하는 능력보다 전체 loop를 연결하고, 그 과정에서 생성되는 근거를 축적하는 능력에서 나올 가능성이 높다.
Portrai가 만들고자 하는 것
Portrai의 목표는 공간전사체 데이터를 많이만 생산하는 회사가 되는 데 있지 않다. 인간 조직의 공간적 맥락을 더 나은 표적, 더 나은 약물과 더 적합한 환자 선택으로 전환하는 인프라를 구축하는 데 있다.
이를 위해서는 데이터와 AI만으로 충분하지 않다. 다양한 환자의 조직, 재현 가능한 실험, 확장 가능한 컴퓨팅, 탐색 가능한 분석 환경과 독립적인 검증이 하나의 흐름으로 연결되어야 한다. 우리가 구축하고자 하는 것은 거대한 지도 저장소가 아니라, 새로운 데이터가 추가될수록 의사결정이 더 정교해지는 학습 시스템이다.
이 비전에도 한계는 분명하다. 모든 질환에 공간정보가 필요하지는 않으며, 모든 예측이 실제 생물학을 대신할 수도 없다. 중요한 것은 spatial을 모든 문제의 답으로 만드는 것이 아니라, 공간적 맥락이 결정적인 질문에서 가장 신뢰할 수 있는 도구로 만드는 것이다.
지난 글들에서 살펴본 여섯 개의 병목은 독립된 장애물이 아니었다. 좋은 application은 적절한 tissue를 요구하고, 고품질 tissue는 재현 가능한 experiment를 필요로 한다. 자동화된 실험은 data explosion을 만들고, 대규모 데이터는 새로운 analysis와 computing을 요구한다. 그리고 이 모든 과정은 trust로 연결되어야 한다.
Mass adoption will not happen when everyone performs spatial experiments. It will happen when spatial information becomes embedded in everyday decisions.
공간전사체의 미래는 얼마나 더 정밀하게 볼 수 있는가만으로 결정되지 않을 것이다. 우리가 본 것을 얼마나 더 나은 치료제와 환자의 선택으로 바꿀 수 있는가가 그 미래를 결정할 것이다.
