출처 : https://www.38-8931.com/pharma-labo/column/study/ai10.php

 

막대한 시간과 비용을 필요로 하는 신약 개발에 있어, 인공지능(AI)을 활용하는 ‘AI 제약’이 주목을 받고 있다. 기존의 제약은 암이나 생활습관병 등을 중심으로 진행되어 왔는데, 질병과 관련된 체내의 분자에 작용하는 물질은 대부분 약으로 실용화되었기 때문에, 신약을 만들기가 점점 더 힘들어지고 있다.

 

AI를 활용하면 놀라운 속도로 획기적인 신약을 만들 수 있을 것으로 기대되며, 실제로 그 성과가 나타나기 시작했다.

 

아래에서는 신약 개발의 현재 상황과 과제, AI 제약의 개요, 실제 개발 사례, 앞으로의 동향에 대해 간략히 해설한다.

 

1) 신약 개발의 현재 상황과 과제

 

신약을 개발하려면 막대한 시간과 비용이 필요하다. 여기서는 AI 제약에 대해 이야기하기 전에 신약 개발의 현재 상황과 과제에 대해 정리한다.

 

신약 개발의 과정과 기간

 

한 가지 의약품이 시판되기까지는 9~17년이라는 긴 시간과 수백억~수천억 원의 비용이 필요하다. 신약 개발 및 발매 과정을 보면, 기초 연구(2~3년), 비임상시험(3~5년), 임상시험(3~7년), 승인 신청(1~2년)이 걸리는데, 최근 개발이 진행되고 있는 고분자 화합물은 개발이 어렵기 때문에 개발 기간이 길어지고 비용도 증가하고 있다.

 

개발 중에 유효성이 인정되지 않거나 중대한 부작용이 발견되기라도 하면 개발을 단념할 수밖에 없어, 개발이 성공할 확률은 약 2.5만 분의 1이라고 한다.

 

제약 비용의 증가로 인한 개발 능력 저하가 문제

 

전 세계의 제약회사의 노력으로 인해 지금까지 다양한 질병에 대한 치료제가 개발되어 왔다. 하지만 세상에는 아직 효과적인 치료약이 없는 질병도 많이 있다.

 

기존의 기술로 해결하지 못했던 질병에 대응해야 하기 때문에, 필연적으로 제약의 난도는 높아지고 있다. 또한 효과적인 화합물을 의약품 후보로 정제하려면 방대한 분자 속에서 스크리닝을 해야 하기 때문에, 비용도 증가하게 된다. 일본 정부의 자료에 따르면, 대형 제약회사 1곳의 연구 개발 비용은 2004년에 621억 엔이었으며, 2017년에는 1,414억 엔으로 증가했다.

 

2) AI 제약이란?

 

다양한 문제를 가진 제약 분야지만, 인공지능(AI)을 활용함으로써 연구 개발의 생산성이 향상될 것으로 기대된다. 여기서는 AI 제약에 대해 살펴본다.

 

AI 제약의 개요

 

AI(Artificial Intelligence)는 ‘인공지능’이라는 뜻으로, 대량의 지식 데이터에 대해 고도의 추론을 정확하게 수행하는 것을 목적으로 한다.

 

온갖 분야에서 활용되고 있으며, 제약 분야에서도 약을 연구 개발하는 과정에서 AI를 활용하는 기업이 증가하고 있다.

 

왜 AI를 활용하는가

 

신약을 개발할 때에는 먼저 표적에 해당하는 신체의 단백질을 찾고 신약 후보인 리드 화합물을 찾아낸다. 약의 후보 물질이나 생체 내의 단백질의 수는 방대하기 때문에, 하나하나를 대조하는 기존의 방법으로는 최적의 조합을 찾기 어렵다.

 

AI 제약을 도입하면 방대한 데이터를 이용할 수 있으므로 개발하는 데 들어가는 시간을 단축하거나 뛰어난 성질을 가진 분자를 설계할 수 있을 것으로 판단된다.

 

여러 대형 제약회사와 제휴한 AI 벤처기업 주식회사 MOLCURE는 당사의 AI를 활용하게 되면 기존에 비해 의약품 후보 분자를 발견하는 사이클을 단축(10분의 1 이하)하고, 10배 이상 많은 신약 후보를 발견하며, 뛰어난 성질을 가진 탐색하기 어려운 분자를 설계할 수 있게 된다고 발표했다.

 

또한 AI의 특징 중 하나인 딥러닝(심층학습)을 활용하면 사람은 알아차리지 못하는 작은 차이나 공통점을 발견하여 새로운 분야를 개척할 수 있을 것으로 기대된다.

 

AI 제약의 과제

 

많은 기대가 모아지는 AI 제약이지만, 과제도 지적되고 있다. 그중 하나가 AI로 추출한 방대한 데이터를 활용하기 위한 환경이 마련되어 있지 않다는 점이다.

 

의료 기관이 가지고 있는 환자의 정보와 진료기록 등의 데이터는 아직 AI에게 학습시킬 수 있는 포맷이 아니다. 이를 활용하려면 포맷을 통일시키거나 스토리지를 구축해야 한다.

 

또한 환자의 정보와 약제의 복용 이력과 같은 의료 정보는 개인정보 보호 및 윤리적인 관점에서 주의해야 한다.

 

3) AI 제약이 실용 단계에

 

2020년 1월 30일, 대일본 스미토모 제약회사와 함께 AI 제약을 실시하는 영국의 Exscientia(엑사이언시아)가 강박성 장애의 치료제 후보 화합물 ‘DSP-1181’의 임상시험이 일본에서 시작되었음을 알리는 발표를 했다.

 

Exscientia는 옥스퍼드 대학에 본사를 둔 기업으로서, 인공지능(AI) 기술인 Centaur Chemist AI 플랫폼을 가지고 있다. AI가 만들어낸 의약품이 사람을 대상으로 하는 임상시험 1단계에 들어간 것은 이번이 처음이다.

 

AI 제약이 실용 단계에 있음을 알리는 뉴스는 전 세계에 큰 충격을 주었다. 사례를 보자면, 일반적으로 4~5년이 걸린다고 하는 탐색 연구가 1년 미만에 끝났다고 한다.

 

리드 화합물을 얻으려면 원래 약 2,500개의 후보 화합물을 합성해야 한다. 하지만 이번에 AI를 활용하여 350개의 후보 화합물 중에서 리드 화합물을 찾아낸 것이 기간을 크게 단축할 수 있었던 요인이라고 생각된다.

 

4) AI 제약의  향후 동향

 

많은 기업에서 도입할 것으로 예상되는 AI 제약의 앞으로의 동향에 대해 살펴본다.

 

의료 분야의 AI 시장은 확대되고 Google도 진출

 

2020년에 82.3억 달러를 돌파한 의료 분야의 AI 시장은 앞으로도 연간 두 자릿수의 평균 성장 속도를 보이고, 2030년에는 1,944억 달러에 달할 것으로 예상된다.

 

미국 Google의 모회사인 Alphabet은 현지 시간으로 2021년 11월 4일에, AI를 사용하여 제약 사업을 수행하는 새로운 회사 Isomorphic Labs를 설립할 것임을 발표했다.

 

그 회사에서는 AI를 최우선하는 접근방식으로 제약 과정을 처음부터 다시 구축하고, 생명의 기초적인 메커니즘을 일부 모델화하여 이해하는 것을 임무로 생각하고 있다.

 

영국에서는 AI를 활용한 신약개발 성과가 이미 가시화

 

영국에서는 AI를 활용한 신약개발 성과가 이미 가시화되고 있다. 영국에선 AI가 기존 류마티스 관절염 치료제인 '바리시티닙'의 코로나19 치료 효과를 예측해 코로나19 치료제 개발의 단서를 제공했다. 미국의 경우 섬유증을 학습한 AI가 46일 만에 이 질환의 치료제 후보물질을 개발한 사례가 있다. 또 AI 모델이 약물 분자와 분자의 결합을 예측해 7000여종의 에볼라 바이러스 치료제 후보물질 중 가장 적합한 물질 2개를 골라내기도 했다.(출처 : 동아사이언스)

 

일본에서는 AI 개발을 촉진하기 위한 기반 마련

 

일본에서는 AI 개발을 촉진하기 위한 기반이 마련된다. 일본 후생노동성이 진행하는 보건 의료 분야의 AI 활용 추진 간담회에서는 AI 개발을 진행해야 하는 6가지 중점 영역 중 하나로 의약품 개발을 선정했다. 주요 시책으로는 제약 타깃을 탐색하기 위한 지식 데이터베이스를 구축하는 것과 제약회사와 IT 기업의 매칭을 지원하는 것 등이 있다.

 

또한, 대형 제약회사와 AI 벤처의 협업이 진행된다. 국가의 적극적인 지원도 있어, 앞으로는 제약회사와 AI 벤처 기업의 협업이 진행될 것으로 예상된다.

 

대형 제약회사인 다이치산쿄 주식회사는 2019년 5월부터 AI 벤처 기업 주식회사 엑사위저즈와 함께 저분야 영역에서의 데이터 구동형 제약을 실현하기 위한 개발 프로젝트를 시작했다.

 

또한 츄가이 제약회사에서도 2020년 5월에 제약을 지원하는 AI 시스템을 이용하는 것과 관련하여 AI 벤처 기업 주식회사 FRONTEO와 라이선스 계약을 체결했다. 앞으로도 제약 프로세스를 각사에서 분업하는 등 기업을 넘나드는 AI 제약이 성행할 것으로 보인다.

 

5) AI의 활용으로 제약은 새로운 단계로 접어든다

 

제약에 AI가 활용됨에 따라, 개발하는 데 필요한 시간과 비용이 크게 줄어들 것으로 보인다. 국가의 지원도 있어, 대형 제약회사와 AI 벤처 기업의 협업이 앞으로 더욱 증가할 것이다. 새로운 접근방식으로 인한 혁신적인 제약도 기대할 수 있다.

 

이러한 제약과 관련된 최신 정보를 이해하면, 미래의 경력을 만들거나 직장을 옮기거나 일하면서 정보를 제공하거나 환자를 상대하는 일에도 이를 활용할 수 있을 것이다.