머신 러닝을 이용하여 암환자의 면역 항암제에 대한 반응 유무를 판별하는 장치에 있어서,유전자 네트워크 중 면역 항암제의 표적을 포함하는 대상 생물학적 경로를 추출하는 생물학적 경로 추출부;상기 면역 항암제를 이용하여 면역 요법을 수행할 대상 암환자의 전사체 데이터(transcriptome data)로부터 유전자 활성 정보를 상기 대상 생물학적 경로의 활성 정보로 변환하는 유전자 활성 정보 변환부; 및미리 학습된 면역 항암제 반응 판별 모델에 상기 대상 유전자 정보를 입력하여 상기 대상 암환자의 상기 면역 항암제에 대한 반응 유무를 판별하는 판별부를 포함하는 것인, 장치.

제 1 항에 있어서,상기 경로 추출부는 페이지 랭크 알고리즘을 이용한 네트워크 전파를 통한 영향력 점수에 기초하여 상기 유전자 네트워크 중 상기 표적에 대응하는 표적 노드 및 상기 표적 노드에 근접한 복수의 근위 노드를 검출하는 것인, 장치.

제 2 항에 있어서,상기 경로 추출부는 유전자 집합 농축 분석(gene set enrichment test) 및 초기하 테스트(hypergeometric test)를 이용한 normalized enrichment score (NES)에 기초하여 복수의 후보 생물학적 경로 중 상기 대상 생물학적 경로를 선정하는 것인, 장치.

제 1 항에 있어서,상기 유전자 네트워크는 단백질-단백질 상호작용(Protein-Protein Interaction) 네트워크인 것인, 장치.

제 1 항에 있어서,상기 면역 항암제는 항 PD-1 항체, 항 PD-L1 항체 및 항 CTLA4 항체 중 적어도 하나를 포함하는 것인, 장치.

제 1 항에 있어서,상기 표적은 PD-1 단백질, PD-L1 단백질 및 CTLA4 단백질 중 적어도 하나를 포함하는 것인, 장치.

제 1 항에 있어서,상기 면역 항암제 반응 판별 모델은 복수의 암환자의 상기 대상 유전자 정보 및 상기 면역 항암제에 대한 반응 유무에 대한 임상 결과에 기초하여 미리 학습된 것인, 장치.

머신 러닝을 이용하여 암환자의 면역 항암제에 대한 반응 유무를 판별하는 방법에 있어서,유전자 네트워크 중 면역 항암제의 표적을 포함하는 대상 생물학적 경로를 추출하는 단계;상기 면역 항암제를 이용하여 면역 요법을 수행할 대상 암환자의 전사체 데이터(transcriptome data)로부터 유전자 활성 정보를 상기 대상 생물학적 경로의 활성 정보로 변환하는 단계; 및미리 학습된 면역 항암제 반응 판별 모델에 상기 대상 유전자 정보를 입력하여 상기 대상 암환자의 상기 면역 항암제에 대한 반응 유무를 판별하는 단계를 포함하는 것인, 방법.

제 8 항에 있어서,상기 대상 생물학적 경로를 추출하는 단계는 페이지 랭크 알고리즘을 이용한 네트워크 전파를 통한 영향력 점수에 기초하여 상기 유전자 네트워크 중 상기 표적에 대응하는 표적 노드 및 상기 표적 노드에 근접한 복수의 근위 노드를 검출하는 단계를 포함하는 것인, 방법.

제 9 항에 있어서,상기 대상 생물학적 경로를 추출하는 단계는 유전자 집합 농축 분석(gene set enrichment test) 및 초기하 테스트(hypergeometric test)를 이용한 normalized enrichment score (NES)에 기초하여 복수의 후보 생물학적 경로 중 상기 대상 생물학적 경로를 선정하는 단계를 더 포함하는 것인, 방법.

제 8 항에 있어서,상기 유전자 네트워크는 단백질-단백질 상호작용(Protein-Protein Interaction) 네트워크인 것인, 방법.

제 8 항에 있어서,상기 면역 항암제는 항 PD-1 항체, 항 PD-L1 항체 및 항 CTLA4 항체 중 적어도 하나를 포함하는 것인, 방법.

제 8 항에 있어서,상기 표적은 PD-1 단백질, PD-L1 단백질 및 CTLA4 단백질 중 적어도 하나를 포함하는 것인, 방법.

제 8 항에 있어서,복수의 암환자의 상기 대상 유전자 정보 및 상기 면역 항암제에 대한 반응 유무에 대한 임상 결과에 기초하여 상기 면역 항암제 반응 판별 모델을 학습하는 단계를 더 포함하는 것인, 방법.