메릴랜드대, 양자컴퓨팅·AI 결합해 암 치료용 단원자 촉매 탐색 연구 착수

연구의 배경: 암 치료재료 발굴의 한계

현재 암 치료에서는 조기 발견 부재와 기존 치료(화학요법·방사선)의 정상 조직 손상, 종양의 내성 발현이라는 세 가지 난제가 반복된다. 전 세계적으로 연간 약 1,000만 명이 암으로 사망하며 이는 전체 사망의 약 6분의 1에 해당한다. 미국에서는 2025년 한 해에만 신규 암 환자 200만 명 이상, 사망자 618,000명이 예상된다. 이 같은 수치는 재료 탐색 방법론의 혁신 필요성을 뒷받침한다.

단원자 촉매란 무엇인가

단원자 촉매는 고체 지지체 위에 금속 원자를 하나씩 분산·고정한 구조의 소재다. 원자 단위의 미세 제어가 가능해 화학 반응의 선택성이 높다는 특징이 있다. 암 연구에서는 종양 미세환경, 즉 암세포 주변의 국소 환경을 조절해 치료 반응성을 높이는 수단으로 주목받고 있다. 다만 현재까지 세포·동물 모델 수준에 머물러 있어, 임상 적용까지는 광범위한 검증이 필요하다.

양자컴퓨팅과 AI의 역할 분담

메릴랜드대 연구팀은 기계공학부 Teng Li 교수, Lianping Wu 연구교수, 컴퓨터과학부 Xiaodi Wu 부교수로 구성되며, A. 제임스 클라크 공과대학과 컴퓨터·수학·자연과학대학의 협동 과제로 운영된다. 연구팀의 접근 방식은 두 단계로 나뉜다. 먼저 양자컴퓨팅으로 전자 구조 및 촉매 반응 경로를 시뮬레이션해 기존 전산 방법으로는 구현하기 어려운 고신뢰도 데이터베이스를 구축한다. 이어서 이 데이터를 바탕으로 훈련된 머신러닝 모델이 수백만 가지 단원자 촉매 구성 후보를 탐색하고, 암 탐지·치료에 유효할 가능성이 높은 구조를 사전에 예측한다. 현재 양자컴퓨터의 성능이 제한적이라는 점은 연구팀도 인지하고 있으며, 일부 특정 문제 영역에서 고전 컴퓨터 대비 우위를 갖는지를 탐색하는 단계로 봐야 한다.

오픈 사이언스 설계와 향후 파급 효과

연구팀은 벤치마크 데이터셋과 재현 가능한 전산 도구를 공개할 예정이다. 이를 통해 다른 연구 집단이 동일한 프레임워크를 검증·확장할 수 있는 개방형 생태계를 지향한다. 연구 성과물은 학술지 논문, 학제 간 학술 대회, 공개 데이터 배포 등 다양한 채널을 통해 공유될 계획이다. 또한 UMD는 그랜드 챌린지 프로그램 1차 라운드에서 50개 과제에 3,000만 달러를 투자해 외부 자금 5,500만 달러를 추가로 유치한 바 있어, 이번 2차 라운드에서도 유사한 레버리지 효과가 기대된다.

현실적 한계와 전망

이 연구는 임상 적용보다 재료 탐색 전단계(front-end)의 효율화에 초점을 맞춘다. 프로젝트를 통해 설계된 촉매가 실제 치료 현장에 사용되려면 세포 실험, 동물 모델, 임상 시험이라는 긴 검증 경로를 통과해야 한다. 즉, 이번 연구의 가치는 유망 후보 물질을 조기에 걸러 내어 이후 연구 자원 낭비를 줄이는 데 있다.