[4차산업 바이오⑲] “바이오메디컬”… R&D 패러다임 새로운 조직 모델

중앙 집중화된 의사결정 프로세스가 자동화 및 AI에 의한 이익에 대항 아키텍처의 바이오메디컬 R&D 혁신 모델 생물과학 데이터, 자동화, 컴퓨팅 파워 및 AI의 진보와 결합 생물의학 연구개발

2023-01-09     김맹근 기자
사진 : pixabay

[디지털비즈온 김맹근 기자] 기업들은 이미 새로운 바이오메디컬 R&D 가치사슬의 다른 요소 중 일부를 생물학적 진보, AI 및 자동화의 도움으로 연결하는 프로젝트를 진행하고 있다. 그러나, 우리가 아는 한, 모든 것을 연결하는 시스템을 갖추고 있는 회사는 없다. 따라서 관련 데이터를 어디에 있든 찾아 사용할 수 있다. 이를 위해서는 데이터가 상호 접속되고 기계적으로 판독 가능하며 품질 향상 메커니즘(허위 긍정 식별 등)이 존재하는지 확인하기 위한 새로운 기술 인프라가 필요하다. 그러나 조직적인 변화도 필요할 것이다.

많은 조직에서 초기 R&D와 후기의 R&D는 분리되어 있으며, 클리닉과 실제 세계의 증거는 연구자에게 서서히 피드백될 뿐이다. 연구자들은 종종 단일 치료 분야에 초점을 맞춘 사업부에 격리되어 있으며, 다양한 생물학 모델에 대한 많은 병렬 시스템과 분류법이 있다. 새로운 패러다임에서는 이러한 경직된 부문은 R&D 프로세스와의 연계를 통해 팀 구성 방법, 팀 구성 능력 및 회사의 혁신 모델에 영향을 미칠 수 있다.

팀은 빠른 정보 교환을 통해 이익을 얻으려면 훨씬 더 넓은 범위를 필요로 할 것이다. R&D 프로세스의 모든 요소를 망라하는 기능을 통해 국경이 없다. 팀에는 깊은 전문 지식을 가진 전문 인력이 포함되지만, 가치 사슬 전체를 이해하고 생물학 및 기술 모두의 잠재력을 활용할 수 있는 다분야 전문가가 필요하다. 예를 들어 가장 신뢰할 수 있는 과학적 접근 방식을 선택하고 고품질 데이터를 보장할 수 있다.

R&D 팀이 신속하게 움직일 수 있도록 새로운 거버넌스 메커니즘이 요구될 것이다. 팀은 유망한 치료 후보자를 다음 단계로 발전시키고(자동적으로 진행되지 않는 경우), 돌파 가능성이 가장 높은 아이디어를 식별하고 우선 순위를 정하며, 예를 들어 예산 배분을 결정할 권한이 필요하다. 더디고 중앙 집중화된 의사결정 프로세스가 자동화 및 AI에 의한 이익에 대항할 수 있다. 또한 팀은 외부의 전문 지식과 용량을 활용할 수 있는 권한이 필요하다. 성공은 독점 의약품, 기술 및 모달리티 플랫폼만이 아니라 알고리즘, 데이터 세트 및 디지털 솔루션에도 좌우되기 때문이다.

필요한 요소 중 일부는 오픈 소스 자산이다. AlphaFold 단백질 구조 데이터베이스 및 다양한 omics 데이터 세트와 같은 폭넓게 접근할 수 있는 알고리즘은 오픈 소싱 추세의 초기 예이다. 그러나 다른 자산은 의료 기술 및 데이터 및 분석 회사가 소유하게 되어 더욱 긴밀한 협업과 파트너십이 요구된다. 많은 분야에 걸쳐 요구되는 전문 지식의 범위는 단일 제약 회사가 필요한 모든 기능과 기술을 사내에서 개발하는 데 어려움을 겪을 수 있음을 나타난다.

이러한 상황과 R&D 내의 빠른 변화 속도를 감안할 때 기업은 데이터, 알고리즘, 검증 방법 등의 컴포넌트를 필요에 따라 심리테스트 하게 삽입할 수 있는 오픈 아키텍처의 바이오메디컬 R&D 혁신 모델이 가장 효과적이라고 생각할 수 있다. R&D 프로세스의 적절한 시점에 최적의 방법과 솔루션을 투자하고 도입할 수 있는 유연성을 기업에 제공하는 창조적 혁신 모델이다.

생물의학 연구개발의 패러다임 전환은 2000년대 초반 학습 확인 접근법의 도입과 비슷한 규모다. 그 이전에는 약물 발견과 개발 아이디어가 종종 후반기 실험 때까지 체계적으로 우선순위를 매기고 검증되지 않아 성공률이 저조했다. 학습 및 확인 모델은 프로세스와 고품질 파이프라인을 더욱 엄격하게 도입했다. 하지만 파이프라인 깔때기는 근본적으로 바뀌지 않았다. 그것은 순차적으로 유지되었고, 다음 번에는 이전 단계에서 학습하는 데 필요한 제한된 양의 학습만 있었다.

현재의 테크놀로지의 진보는, 데이터 피드백의 루프에 의해서 고속으로 추진되는, 덜 우연한, 보다 결정적이고 순환적인 생물의학 연구 개발의 가치 사슬을 형성해, 이러한 접근방식을 방해하고 있다. 새로운 패러다임은 여전히 진화하고 있으며, 최종 판도는 불분명하다. 우리가 설명하는 것은 앞으로 나아갈 수 있는 한 가지 방법일 뿐이다. 그러나 생물과학이 데이터, 자동화, 컴퓨팅 파워 및 AI의 진보와 결합하면 생물의학 연구개발에 대한 전통적인 환원주의적 접근법이 개선되어 환자의 결과가 개선될 것이 분명하다. 그것은 준비할 가치가 있는 미래이다.