earticle

영어

Recently, there has been an increasing number of attempts to perform the better treatment by performing patient-specific precision medicine. Genome-based customized treatments, one of the representative precision medicines, are receiving much attention as the cost and time of genetic analysis are dramatically decreased. However, since it is challenging to directly grasp the effects of thousands of gene variants present in cancer cell, existing methods perform analysis based on statistical associations from patient data. This study proposes a novel technique for finding gene variants which increase the effectiveness of treatment and ranking them according to their importance. In order to quantify the effect of individual genes on patient treatment, we design the Treatment Effect function based on a proportional hazard model. A feature selection technique based on reinforcement learning is introduced to extract effective genes from numerous gene candidates. We verify that the proposed algorithm can find effective gene variants without any medical knowledge and statistical analysis techniques.

한국어

최근 환자 의료 데이터를 바탕으로 환자 맞춤형 정밀의료를 수행해 더 나은 치료를 수행하려는 시도가 이어지고 있 다. 그중에서도, 유전자 분석의 비용과 시간이 감소함에 따라 유전체 기반 맞춤 치료 연구가 활발하다. 그러나 암세 포마다 수 천개 존재하는 유전자 변이들의 효과를 직접 파악하는 것은 어렵기 때문에 기존 기법들은 환자 데이터로 부터 통계적 연관성에 기반해 분석을 수행한다. 본 연구는 더 나아가 특정 항암치료의 효과를 높이는 유전자 변이를 탐색하고 중요도에 따라 순위를 매기는 기법을 제안한다. 이를 위해서 개별 유전자가 환자 치료에 미치는 영향을 정 량화하기 위해 비례위험모형 기반의 치료함수를 설계하고, 강화학습 기반의 특징 선택 기법을 도입해 수많은 후보로 부터 유효한 유전자를 추출한다. 분석 결과 제안한 알고리즘은 의학적 지식 없이도 유효한 유전자 변이를 탐색할 수 있음을 보인다.