“인공지능”… 혁신 신약개발 동향과 대응

[디지털비즈온 김맹근 기자] 인공지능은 신약개발에 대한 접근방식을 근본적으로 변화시키며 신약개발 가속화, 효율적 임상시험, 환자 맞춤형 치료법 제공, 신속한 규제승인 등 혁신을 주도하고 있다. 높은 성공률의 최적화된 제약개발 달성을 위한 후보물질 발굴을 위해서는 단백질 3차원 구조를 예측하고 설계하는 인공지능 접목이 필수적인 시대가 도래했다.

현재 제약･바이오 업계는 고가치 자산에 대한 특허권 대거 만료*, 임상시험의 성공률 감소와 다수의 후보물질 파이프라인 보유에 따른 개발비용 증가로 인한 수익성이 악화되고 있다. 이에 제약·바이오 분야 R&D 생산성 개선의 필요성이 높아지고 있으며 이를 돌파하기 위해서는 AI를 활용한 혁신 신약개발이 주요 해결책이 될 수 있을 것이다. 인공지능 및 디지털 기술을 활용한 표적발견의 최적화는 AI기반 약물발견 적용, 초기단계 R&D 데이터 활용, 신규 치료분야 및 모달리티 모색 등의 효율성을 대폭 증가시킬 것으로 기대된다.

인공지능의 적용 범위

제약·바이오 분야에서의 인공지능은 신약개발, 임상시험, 제조, 상용화, 시판 등 전반적인 과정에서 활용 가능하며, 인공지능을 활용한 결과 예측, 프로세스 최적화, 연구시간 단축 등은 신약 출시를 위한 시간·비용의 효과적인 절감이 기대된다.

신약개발 가속화는 AI 기반 알고리즘은 분자의 생물학적 활동을 예측하고 잠재적 약물 표적을 빠르게 식별하여 후보물질 탐색 가속화를 통해 유망한 신약후보 물질 도입을 효율화 한다.

임상시험 최적화는 과거 임상시험 데이터를 분석하여 새로운 임상시험에 적합한 환자 집단을 식별함으로써 성공 가능성을 높이며, 실시간 환자 모니터링으로 진행 상황 추적 및 조정 가능하다. 임상시험 시작 시간을 15~20% 단축 가능하며, 기업은 AI와 실제 데이터를 활용하여 임상시험 종료 지점을 최적화함으로써 임상시험 기간을 15~30%까지 단축 가능하다.

비용･시간 절감은 AI 결과 예측, 프로세스 최적화, 연구개발 효율화는 신약 출시 시간 및 비용을 크게 줄일 수 있으며, 치료 접근성을 높일 뿐 아니라 제약･바이오 업계의 전반적 효율성 향상 도모한다.

맞춤형 의학 설계는 유전 정보부터 치료 반응에 이르기까지 방대한 양의 환자 데이터를 분석함으로써 개인 고유의 유전적 구성에 적합한 개인별 맞춤화된 치료 계획 설계 가능하다.

약물 전달 시스템 개선은 인공지능은 신체의 특정 부위에 약물을 보다 정확하게 전달할 수 있는 나노 기술 기반의 운반체와 같은 혁신적인 약물 전달 시스템의 개발에도 중요한 역할한다.

국내･외 주요기업 현황 분석

해외의 빅테크 기업들은 인공지능, 클라우드 컴퓨팅, 데이터 분석 기술을 활용하여 신약개발에 직접 참여하는 경향이 강하며, 글로벌 빅파마는 빅테크 기업과 오픈이노베이션 등의 전략을 통해 생성형 AI 신약개발 플랫폼 사업을 확장 중이다. 대표적으로 엔비디아 생성형 AI 플랫폼인 '바이오니모(BioNeMo)'에 리커전파마슈티컬스의 AI 모델을 통합하였으며, 이를 통해 신약개발 파운드리 사업까지 협업의 범위를 확장한다.

국내 빅테크 기업은 직접적인 신약개발보다는 의료데이터 분석, 건강관리 서비스 개발을 우선 추진하고 있으며, 제약･바이오 기업 역시 관련 기업 투자 등 간접적 접근방법이 강세이다.

네이버는 2019년도 대웅제약과 의료빅데이터 기업 ‘다나아데이터’를 합작 설립하였으나 현재는 건강검진 데이터 활용을 위한 서비스*를 제공하는 형태로 참여하고 있으며, 국내 바이오벤처와 AI 기반의 바이오 빅데이터 및 문서 인텔리전스 기능 공동연구 수행 중이다.

카카오브레인은 스타트업 갤럭스*와 공동으로 AI 기반 신약 설계 플랫폼 개발 및 단백질 구조예측 프레임워크인 솔벤트(Solvent)를 연구개발 시도 후, 현재는 AI 기반 흉부 엑스레이 판독 기술에 집중하고 있다. 서울대 화학과 석차옥 교수가 창업한 스타트업으로 계산화학을 이용한 단백질 구조설계 개발 중이다.

삼성의 경우 삼성물산, 삼성바이오로직스, 삼성바이오에피스가 공동으로 2,400억 원을 출자하여 조성한 ‘라이프사이언스 펀드’*를 통해 단백질 신약을 설계하는 AI 플랫폼을 보유한 미국 제너레이트 바이오메디슨에 투자하였으며, 이는 AI 기반 신약개발 분야로는 첫 사례이다.

다만, 최근 세계적으로 AI 신약개발 플랫폼 기술 고도화 경쟁이 본격화되면서 국내 대기업 및 제약･바이오 기업도 바이오테크, IT 기업 등과 함께 AI 신약개발에 속도를 내는 추세이다.

LG AI연구원은 서울대 백민경 교수*팀과 협력하여 단백질 다중 상태 구조예측 AI 개발 연구를 통해 인체 내 다양한 상태로 존재하는 단백질 구조 예측을 통한 신약개발 원천기술 확보를 주요 신사업으로 추진한다고 밝혀다. 미국 잭슨랩(Jackson Laboratory)의 유전체 데이터와 자체개발 생성형 AI ‘엑사원(EXAONE)’을 결합한 질병 예측 및 신약･치료제 개발에 활용할 수 있는 AI 모델 공동 개발도 추진 중이다.

주요 특징으로는 협업의 형태보다는 자체 AI 신약개발 플랫폼을 별도로 구축하여 독자적 AI 신약 개발 파이프라인을 보유하는 경향이 강하다. 임상시험 계획 또는 임상에 진입한 단백질 치료제도 다수 있으나 가시적 성과로 이어지고 있지 못한 상황이다.

결론적으로 미국은 인공지능 혁신 정책 기조에 힘입어 빅테크･빅파마 주도의 인공지능 기반 신약개발이 활발히 이루어지고 있으며, 우리도 국내 시장에 맞는 데이터･AI와 바이오 분야의 연구간 융합 방안 모색을 통해 AI 기반 신약개발 촉진 필요하다.

인공지능의 신약개발 분야의 잠재력에도 불구하고 국내 제약･바이오 업계의 AI 도입을 통한 구체적 성과는 영세한 규모로 추진되거나 도전하는 초기 단계이다.

AI 기반 신약개발을 위한 정부 주도의 민첩한 규제 프레임워크 운영, 데이터 표준화 및 전문인재 육성 등 기반 지원을 강화하고, 기추진 중인 K-멜로디프로젝트를 비롯한 관련 투자 확대를 통해 개별 보유 신약 데이터의 공유 플랫폼을 효과적으로 구축하여 실제 제약･바이오 산업계로의 파급력 도출이 필요하다.

또한, 제약･바이오 기업별 자체 AI 신약개발 플랫폼을 보유하여 소규모로 분절화되어 추진되는 국내 AI 신약개발의 현주소를 다시 진단하고, 글로벌 빅테크･빅파마의 치열한 신약개발 경쟁체제를 뚫고 파급력 있는 국내 AI 신약개발 성공을 위한 전략적 파트너쉽 확대 지원책 마련 필요하다.