韩国科学技术院(KAIST)生物及脑工程系赵光玄教授的研究团队开发出了人工智能和系统生物学相结合的能同时进行癌细胞药物反应预测及机理分析的新概念“灰箱”技术。

韩国国内尽管针对致死率名列首位的癌症展开了研究，但由于导致每个患者罹患癌症的基因突变及其引发的基因网络变形各不相同，使得单单通过传统的实验生物学方法实施的标靶治疗存在本质上的局限。同时，尽管可利用深度学习这些所谓的黑箱(black-box)式人工智能技术代替实验、通过数据学习预测药物反应，但由于无法解释与此相关的生物学根据，故而难以对结果产生信任。

赵光玄教授研究团队将显示出很高预测性能但因无从知晓其根据而被称作黑箱的深度学习和具有预测性能上的局限但能够提出与预测结果相关的详细根据而被称作白箱的系统生物学技术结合在一起着力于开发能同时克服两种技术局限的所谓灰箱技术。

研究团队将各种肿瘤的突变及标靶抗癌剂标靶基因聚集在一起构建了分子调节网络模型，率先创制了能用于各种肿瘤和抗癌剂药物反应预测的泛用式骨骼模型，特别是以各种肿瘤中频发突变的基因为中心制作了泛癌（pan-cancer）基因网络，通过提取与各种标靶抗癌剂药物反应相关的突变及关联基因构成的子网络(sub-network)制成了药物反应预测用系统生物学模型。

此次研究成果通过优化基于学习的模拟模型开发出了能同时实现作为黑箱模型的人工智能技术的高预测力和作为白箱模型的系统生物学技术的解释力的新药物反应预测技术，具有非常重大的意义。特别是，对于致病原因是异质性和复杂网络疾病的癌症来说，它是一项可广泛用来进行药物反应预测的原创技术，今后可望通过技术升级对各种肿瘤及患者提供针对型治疗。

.赵光玄教授表示，“它作为兼具人工智能技术高预测力和系统生物学技术优秀解释力的新型融合原创技术，今后可望通过升级应用于新药的开发行业”。