박형기 교수.(사진=부산대 제공)

부산대학교 박형기 교수팀이 일본 연구진과 함께 COVID-19 mRNA 백신 접종자의 항체 반응을 대규모로 분석해, 돌파감염(백신 접종을 완료했음에도 감염되는 경우) 위험이 높은 집단을 규명하고 이를 조기에 파악할 수 있는 방법을 제시했다.

부산대는 의생명융합공학부 박형기 교수팀이 일본 연구진과의 공동연구를 통해, 2021년부터 2025년까지 4년에 걸쳐 수집한 약 2500명으로부터 수집된 항체 및 임상 데이터를 수학적 모델링과 AI(인공지능) 기법으로 정밀 분석한 결과를 발표했다고 22일 밝혔다.

박형기 교수팀은 이 분석을 통해 mRNA 백신에 의해 유도되는 항체 반응이 △높고 오래 유지되는 ‘내구형’ △충분히 형성되지 않는 ‘취약형’ △처음에는 높게 형성되지만 급격히 줄어드는 ‘급속저하형’ 등 몇 가지 특이적 패턴을 보인다는 사실을 확인했다.

특히 ‘취약형’과 ‘급속저하형’ 집단은 돌파감염 위험이 유의하게 높았으며, 돌파감염을 경험한 이들은 접종 후 조기 단계에서 혈중 IgA(S) 항체가가 낮게 나타났다. 이는 IgA 항체가 돌파감염 위험을 조기에 가늠할 수 있는 바이오마커로 활용될 가능성을 시사한다. IgA(Immunoglobulin A)는 우리 몸의 점막 면역을 담당하는 대표적인 항체다.

mRNA 백신은 COVID-19 확산을 억제하는 데 큰 역할을 했다. 하지만 접종자 중 일부는 백신을 접종했음에도 불구하고 빠르게 감염을 겪는 경우가 있었다. 이는 백신이 유도하는 항체 반응에 개인차가 크다는 것을 의미하지만, 그동안 백신 유도 항체의 패턴을 정밀하게 분석한 연구는 드물었다.

이에 박형기 교수팀과 일본 연구진으로 이뤄진 공동연구팀은 백신 접종 후 항체 동태를 면밀히 추적 분석해, 돌파감염 위험이 높은 고위험군을 파악하는 방법을 수립하는 것이 시급하다고 판단해 연구를 시작했다.

이러한 연구에서의 어려운 점은 데이터를 반복적이고 장기적으로 측정하는 데 시간적·물리적 제약이 크다는 점이다. 이를 극복하기 위해 연구팀은 항체 변동을 설명하는 수학적 모델을 개발해 데이터를 정량적으로 분석할 수 있도록 했다.

또한 비지도 기계학습(Unsupervised Machine Learning)을 활용해 특이적 항체 변동 패턴을 분류하고, 돌파감염이 빠르게 일어나는 집단을 식별하는 데 성공했다. 그리고 이러한 집단은 연령 등 기본 임상 정보만으로는 조기 파악이 어렵지만, IgA 항체가 유용한 예측 인자가 될 수 있음을 밝혀냈다.

포스트 코로나 시대와 미래 신종 감염병 대응에서 가장 큰 과제 중 하나는 효율적인 백신 접종 체계 확립이다. 특히 제한된 의료 자원을 고위험군에 적절히 분배하는 것이 중요하다.

이번 연구는 수학적 모델과 AI를 결합한 첨단 분석기법으로 개인별 항체 반응 차이를 과학적으로 분류했으며, 이를 통해 추가접종의 적절한 시기와 우선순위를 과학적 근거 기반으로 제시할 수 있게 됐다.

이 분석기법은 향후 다양한 감염병과 백신 플랫폼의 접종 전략 수립을 위한 분석에 적용 가능하며, 미래 팬데믹 대비와 개인 맞춤형 면역 관리 정책에도 크게 기여할 것으로 기대된다.

이번 연구는 부산대 박형기 교수가 제1저자로 수행했으며, 일본 후쿠시마현립의대의 츠보쿠라 마사하루 교수 연구팀이 수집한 항체 데이터를 바탕으로 일본 나고야대 이와미 신고 교수 연구팀과 박형기 교수 연구팀이 수학적 모델과 AI 기법을 결합해 분석을 진행했다.

해당 연구 결과는 융합 의학 분야의 세계적 권위지인 『사이언스 트랜스레이셔널 메디슨(Science Translational Medicine)』 9월 17일자(미국 현지시간)에 게재됐다.

박형기 부산대 교수는 “이번 연구를 통해 mRNA 백신 항체 반응의 차이를 정밀하게 규명하고, 추가접종이 더 일찍 필요한 집단을 과학적으로 제시할 수 있었다”며 “이는 향후 백신 정책 수립과 팬데믹 대비 전략 마련에 중요한 근거가 될 것”이라고 말했다.

이어 “이번 연구는 수학적 모델이 기존의 데이터 분석 기법과 결합될 때 다양한 분야의 난제를 해결할 수 있는 강력한 도구가 될 수 있음을 보여준 점에서도 의미가 크다”고 덧붙였다.