출처 : https://ai-market.jp/industry/medicine_ai/#AI-4

 

▣ 제약 분야에서 AI가 활용되는 사례 9가지

 

제약 사업에서 실제로 AI를 활용하는 사례를 소개한다.

 

1. AI로 주문 제작 암 백신 개발(NEC/Transgene)

 

암 백신 ‘TG4050’은 프랑스 바이오 기업 Transgene과 일본전기주식회사(NEC)가 공동으로 개발한 AI를 활용하여 만들어졌다. NEC에서는 AI를 활용하는 제약 사업에 참여하여 처음으로 내놓은 것이 바로 이 TG4050이다.

 

이 백신을 만드는 방법은 주문 제작형 치료법이라 불리며, 환자와 각각의 전용 백신을 만들 수 있다.

 

TG4050은 환자의 정상적인 세포와 암세포를 비교하고, 암세포에서만 볼 수 있는 이상 단백질 ‘네오안티겐’을 AI를 통해 예측한다. AI가 예상한 이상 단백질을 환자의 체내에서 증식시키는 백신을 개발하고, 체내에 이상 단백질이 증가하면 면역 세포가 이물질로 판단하여 공격함으로써 원래 존재하던 암세포에도 효과를 발휘한다.

 

앞으로도 NEC는 AI를 활용하는 제약 사업을 진행한다.

 

2. 빅데이터를 기반으로 의약품 개발(아스테라스/도시샤대학교/와카야마현립의과대학)

 

대형 제약 기업 아스테라스 제약 주식회사는 AI로 빅데이터를 분석하고 의약품 개발의 가치관을 최대화하기 위해 대학과의 공동 연구를 시작했다. 아스테라스 제약과 도시샤대학교, 와카야마현립의과대학이 공동으로 AI 및 통계를 활용하여 의약품의 가치를 최대화하는 연구를 진행한다. 빅데이터를 바탕으로 하는 통계 모델 및 시뮬레이션을 활용하는 연구를 하고 있다.

 

도시샤대학교와는 의약품 개발의 의사결정을 최적화하는 것에 대해 연구한다. 의약품 연구개발에서는 대상 질환 선택, 임상 체험 설계 등 많은 중요한 선택들이 이루어진다. 이것을 데이터에 근거하여 해석함으로써, 선택지의 장단점을 평가하고, 의약품 개발의 의사결정 속도를 높이며, 최적화할 수 있다.

 

와카야마현립의과대학교와는 치료 효과의 최대화에 대해 연구한다. 환자의 상태에 맞춰 약의 효과를 예측하고, 적절한 것을 선택할 수 있다면, 치료 효과가 향상되어 비용을 절감할 수 있다.

 

이러한 두 가지 공동 연구를 통해 얻은 성과와 노하우를 상호 간에 활용하여 더욱 정확한 추정에 근거하여 의사결정을 할 수 있다.

 

3. 논문 데이터 분석을 통한 제약 주제 창출(LInC)

 

일본 국내의 100개가 넘는 제약회사와 IT 기업이 참가하는 산학 연계 프로젝트 ‘LInC(라이프 인텔리전스 컨소시엄)’는 제약 프로세스 전체에서 AI를 활용하여 개발 방식을 변화시키려 하고 있다.

 

LInC에서는 다양한 프로젝트를 진행하고 있으며, 그 중 큰 프로젝트 주제 중 하나가 바로 ‘제약 주제 창출’이다.

 

그에 더해 4가지 프로젝트로 세분화되어, 하나의 프로젝트인 ‘방대한 논문 데이터를 통해 공동 연구자를 발굴하는 AI 창성’에서는 LInC의 프로토타입을 발전시켰고, 주식회사 지서치가 ‘JDream Expert Finder’라는 이름으로 서비스를 제공하고 있다.

 

이 서비스는 학술 문헌 데이터베이스에 수장되어 있는 논문의 약 100만 명의 저자를 바탕으로 탐색 주제를 입력하면 저자가 어떤 분야에서 치험하고 있는지, 공동 저자는 누구인지 알 수 있다.

 

또한 저자 등의 데이터를 바탕으로 한 가지 지점을 다루는 경우가 많을수록 중심성이 높아지는 ‘매개 중심성’이라는 계산 방법을 사용하여 인적 네트워크 관계를 통해 성장 가능성이 높은 유망한 연구자를 찾아낸다.

 

4. 빅데이터 분석을 통한 제약 효율 향상(다이이치산쿄/엑사위저드)

 

제약 대기업 다이이치산쿄 주식회사와 함께 AI를 개발하는 주식회사 엑사위저드는 제약 연구에서 AI를 활용하는 공동 개발 프로젝트 ‘데이터 구동형 제약’을 시작했다.

 

빅데이터를 바탕으로 하는 제약 프로세스의 고도화 및 효율화를 추진한다. AI 기술과 제약 현장 전문가들의 고도의 융합을 지향한다는 것이 특징이다. 제약에 대한 전문 지식이나 프로세스에 대한 이해를 바탕으로 하면서, AI의 힘을 최대한 발휘시킴으로써 목적에 따라 데이터를 분석할 수 있도록 하는 접근방식을 만들고, 분석 결과 및 활용 방법을 종합적으로 평가하여 판단한다.

 

프로젝트는 엑사위저드의 제약 지식을 가진 엔지니어와 다이이치산쿄의 제약 연구자가 함께 ‘딥러닝을 포함한 AI 기술의 현장 적용’과 ‘제약 연구자에 의한 해석 결과 평가 및 피드백에 근거한 영역 지식을 융합하는 데이터 활용 추진’ 등의 활동을 하고 있다.

 

5. AI에 의한 전자동 제약 로봇 HAIVE(MOLCURE)

 

바이오 벤처 주식회사 MOLCURE는 AI에 의한 제약을 지원하며, 제약기업에 의약품의 분자 설계를 담당하는 AI를 제공하고 있다. 제약회사가 가진 바이오 기술과 MOLCURE가 가진 AI 및 대규모 데이터 수집 기술을 조합하여, 각 제약회사의 맞춤 제작 AI를 구축할 수 있도록 하는 강점을 가지고 있다.

 

신약 후보가 될 수 있는 화합물군을 실험하고, 결과 데이터를 AI를 통해 분석한다. 화합물을 추려내는 것뿐 아니라, 찾아낸 화합물의 원시배열을 바꾸는 등 복잡한 시뮬레이션을 반복할 수 있어, 이상적인 형태로 설계할 수 있다.

 

로봇도 자체적으로 개발하고 있는데, ‘HAIVE’는 모듈식 실험 로봇군으로서, 벌집 모양의 육각형 상자 형태로 만들어져 있다. 바이오 의약품의 분자 구조는 매우 복잡하며, 원래는 인간이 수작업으로 펩타이드 항체를 여러 번 스크리닝하고, 수천 개의 패턴을 가진 후보 중에서 한 가지의 유용한 펩타이드 항체를 찾아야 했다. 그런데 로봇과 AI를 사용하여 대량의 스크리닝과 분자 설계를 자동화할 수 있게 되었다. 개발 시간을 크게 단축하고, 지금까지의 방법으로는 발견할 수 없었던 의약품의 분자를 설계하거나 탐색할 수 있게 되었다.

 

6. 환자의 빅데이터에서 제약으로(츄가이제약)

 

제약 대기업 츄가이제약은 항체 의약품 제약에 AI의 기계학습을 활용하는 ‘MALEXA’를 개발하기 시작했다. 제약의 표적 분자에 결합하는 의약품의 씨가 되는 리드 항체의 배열을 제안한다.

 

AI를 활용하면 가능성 높은 화합물을 최대한 빠른 단계에서 찾아내고, 단숨에 임상시험까지 이어 나갈 수 있을 것이라고 생각하는 듯하다. AI를 통해 제약의 성공 확률을 높이고, 프로세스 전체의 효율을 향상시키는 것을 목적으로 한다.

 

츄가이제약에서는 신약에 대한 연구개발부터 생산에 이르는 각 공정에서 디지털 기술을 활용하는 DX(디지털 트랜스포메이션)를 진행한다. AI 및 의료 빅데이터, 디지털 공장 등을 조합하여 업무의 변혁을 꾀한다.

 

그 배경에는 신약 개발의 장벽이 높아지는 것에 대한 위기감이 있다. 의료용 의약품은 화학 합성으로 인한 ‘저분자 의약품’에서 바이오 기술을 활용하는 ‘항체 의약품’으로 전환되고 있다. 다양한 환자의 치료제가 이미 존재하는 상황에서, 기존의 약을 뛰어넘는 효과와 환자에 대한 편리성을 가져다주지 못하면, 신약으로서 승인받기가 어려워지고 있기 때문이다.

 

신약 개발의 성공 확률은 해마다 낮아지고 있으며, 많은 시간과 비용이 들어가기 때문에, 디지털 기술을 활용하여 효율을 높인 전략이 제약 업계에서 살아남는 필수 요소가 되었다.

 

7. 희소 질환의 치료제를 AI를 통해 찾아낸다(DeepMind/메르크)

 

Google을 산하에 두고 있는 알파벳의 자회사로서 AI를 개발하고 있는 DeepMind는 희소 질환의 치료 방법을 AI를 통해 탐색하고 있다. NPO와 연계하여, 주로 개발도상국에서 맹위를 떨치는 전염병 등의 치료제 후보를 탐색하고 있다.

 

DeepMind에서는 지금까지도 단백질의 구조를 예측하는 AI ‘AlphaFold’를 개발하였고, 단백질 구조 예측은 의약품 및 백신 개발, 질병 해명 등에 있어 매우 중요한 의미를 가진다.

 

독일에 본거지를 둔 제약회사 메르크에서는 AlphaFold를 활용하는 독자적인 알고리즘을 개발하여, 유용한 단백질 구조의 검토가 가능해질 것이라고 생각된다. 이 AI 모델을 바이오 의약품 및 항체 의약품 연구로 이어 나갈 수 있을 것으로 기대된다.

 

8. 의약품의 화학 계산을 AI를 통해 대폭 단축한다(프리퍼드 네트웍스/교토약과대학)

 

주식회사 프리퍼드 네트웍스는 의약품 개발 속도를 향상시키는 AI를 활용하는 제약 기술을 개발한다고 발표했다. 딥러닝과 대규모 계산 자원의 기술을 사용하여 제약의 초기 공정인 화합물 탐색 및 분자 설계 등을 자동화한다.

 

의약품 개발 초기 공정에서 리드 화합물을 얻기 위한 후보 물질을 탐색하고, 모델링, 분자 설계, 최적화 속도를 향상시키는 AI 제약 기술을 개발한다. 리드 화합물이란 본격적인 제약 과정으로 나아가기 위한 충분한 성질을 가졌다는 것이 실험을 통해 드러난 화합물을 가리킨다. 리드 화합물을 특정하는 것은 제약의 출발점이며, 그 후에 약효 및 안전성을 높이는 최적화 과정에 돌입한다.

 

기존의 제약 방법은 연구자의 지식에 크게 의존해 있었다. 화합물 라이브러리를 스크리닝한 후에 사람의 손으로 일일이 설계하여 생물 실험을 통해 평가해야만 했다. 그 방법으로는, 대량의 화합물을 설계하거나 평가하는 일을 반복하는 데만도 방대한 시간이 걸린다.

 

주식회사 프리퍼드 네트웍스가 개발한 AI 제약 기술은 기존 방식의 공정을 계산상으로 자동화하여, 화합물 설계 및 최적화를 신속하게 수행할 수 있다. 기존의 방식으로는 상상하기 어려웠던 구조도 제안할 수 있다.

 

9. AI를 통한 정신ㆍ신경계 질환의 치료제 후보 탐색(시오노기제약/인베니AI)

 

대형 제약기업 시오노기제약 주식회사는 AI를 사용하는 제약 기술을 가진 미국 기업 인베니AI와 업무 제휴를 맺었다. 인베니AI의 기술을 활용하여 정신ㆍ신경계 질환의 치료제 후보를 탐색한다.

 

정신ㆍ신경계 질환은 여러 요인에 의해 발생하기 때문에, 약의 표적 및 치료에 사용하는 후보 물질을 발견하는 데 방대한 시간과 비용이 들어간다. 인베니AI가 가진 AI 제약 플랫폼 ‘AlphaMeld’를 활용하여, 연구의 효율을 향상시킬 생각이다. AlphaMeld는 과거 10년 이상이 걸쳐 축적해온 데이터세트를 바탕으로 구축된 기계학습 알고리즘이다. AlphaMeld는 특정한 질환과 관련된 표적 분자를 선정하는 일만 하는 것이 아니다. 그 질환과 관련된 주변 인자를 가시화할 수 있어, 관련된 다양한 표적 및 그 표적에 대한 기존 약을 제안할 수 있는 AI 제약 플랫폼이다.

 

인베니AI와의 제휴를 통해 약의 표적 및 조합을 효율적이며 망라적으로 탐색할 수 있게 되어, 과제를 해결하는 데 필요한 리소스를 줄이고 제약 속도를 향상시킬 수 있을 것으로 기대된다.

 

▣ 제약 업계에서 AI를 활용하는 사례 6가지

 

제약 업계에서 제약 이외의 분야에서 AI를 활용하는 사례를 소개한다.

 

1. AI로 의료종사자의 문의에 자동 대응한다(사와이제약/노무라종합연구소)

 

제네릭 의약품 대기업 사와이제약 주식회사는 의료종사자의 문의에 대한 응답 품질을 향상하기 위해 주식회사 노무라종합연구소의 ‘TRAINA VOICE 다이제스트’를 도입하였다. TRAINA VOICE 다이제스트는 음석 인식과 대화 요약 기술이 포함된 AI다.

 

사와이제약에서는 해마다 의료종사자의 문의 건수가 증가되고 있다. 의료종사자의 문의에 대응하는 데에는 다음과 같은 과제가 존재한다.

• 건수 증가

• 다양하고 복잡하다
• 자격을 가진 전문 직원이 대응해야 하기 때문에 인원을 쉽게 충당할 수 없다

 

사와이제약에서도 해마다 취급하는 제품의 종류와 수가 증가하고 있어, 대응하는 의약품 정보 센터에서 생산성을 향상시키기 위해 TRAINA VOICE 다이제스트를 도입하였다.

 

지금까지는 전화 문의 내용과 답변 내용을 시스템에 입력해야 했지만, 입력 업무에 대한 부담을 크게 줄일 수 있어, 생산성이 향상되었다.

 

2. AI를 통해 의약품 시장의 매출 예측 모델 개발(IQVIA/브레인패드)

 

의약 정보 서비스를 제공하는 IQVIA 솔루션 재팬 주식회사는 주식회사 브레인패드의 AI에 의한 매출 예측 모델을 도입하여, 제약회사의 의사결정을 지원하게 했다.

 

IQVIA 재팬은 의약품에 관한 다양한 데이터를 보유하고 있으며, 판매 및 컨설팅을 수행하는 비즈니스를 전개하고 있다. 지금까지 제공해왔던 의약품 시장의 매출 실적 데이터에 더하여, 기존의 매출 예측값을 기계학습 모델을 구축하여 산출함으로써 가능하게 하였다.

 

미래의 매출 예측값은 클라이언트 기업의 니즈가 높은 것부터 서비스화했다고 한다. 그리고 그 AI 모델을 구축하고 실장하고 서비스화하는 지원 회사로서 브레인패드를 파트너로 삼았다.

 

3. AI를 통해 연구ㆍ치험 관련 논문을 효율적으로 작성한다(츄가이제약/NTT데이터)

 

제약 업계에서 빼놓을 수 없는 치험 업무 작업의 효율을 향상하고자, 2020년 1월부터 6월까지, 츄가이제약 주식회사와 주식회사 NTT가 함께 AI 기술을 활용하는 작업 효율화 실증실험을 수행했다. 신약 개발 공정에는 연구, 치험을 통한 임상 데이터 수집ㆍ분석, 안전성 확인 등의 프로세스가 있으며, 평균적으로 9~17년이 걸린다. 각 개발 공정에서는 반드시 고품질의 문서를 작성해야 하며, 당사는 AI 기술과 온솔로지/시맨틱이라는 기술을 사용하여 이들을 연쇄적ㆍ망라적으로 작성할 수 있는 시스템을 개발했다.

 

효과를 보면 ‘동의 설명 문서’에서 약 60%, ‘증례 보고서’에서 약 40%의 작업 효율을 달성했다. 상업화 론칭은 하지 않았지만, 제약 업계에서의 활용을 중심으로 확대해 나갈 예정이다.

 

4. 의약 MR이 데이터를 중시, 의사의 데이터를 AI를 통해 분석(GSK)

 

영국에 본거지를 둔 제약 대기업 글락소스미스클라인(GSK)에서는 의료종사자의 정보 니즈를 AI를 통해 분석하여, 의약 정보 담당자(MR)의 방문 계획을 책정하기 시작했다. 의사의 연구 주제 등을 AI가 분석하고, 의약 MR에 대해 정보를 제공하는 데 도움이 되는 시스템을 개발한다. 의사를 비롯한 의료종사자의 데이터를 AI를 통해 분석하고, MR의 효율적인 방문 계획을 책정하는 데 도움을 주고 있다.

 

기존에는 MR이 발로 뛰어 획득했던 정보와 경험 등을 바탕으로 방문 계획을 책정하고 실행할 수밖에 없었다. 하지만 GSK의 시책에서는, 정보를 제공한 의료종사자의 전문 영역 및 연구 내용, 기존의 접점, 취급 제품의 처방 실적 등과 같은 다양한 데이터를 AI가 학습하도록 하여 복합적으로 분석한다. 최적의 방문 계획 및 빈도, 방법 등을 포함한 정보를 MR에 제시할 수 있기 때문에, 생산성을 향상시킬 수 있다.

 

방문 계획을 AI가 책정하도록 하는 시책을, 기관지 천식 치료제에서 시험적으로 추진한 후에, 주력품에도 본격적으로 전개할 예정이다.

 

5. 의약품 재고 고갈을 AI를 통해 개선(어사이클)

 

IT 사업을 운영 및 개발하는 어사이클 주식회사는 조제 약국의 재고 과잉 및 부족을 개선하기 위한 AI 시스템을 개발하고 있다.

 

의약품의 수요를 예측하기 위한 AI를 탑재한, 재고 관리와 발주가 가능한 시스템이다. 점포별 판매 실적 데이터를 AI가 학습하도록 하고, 고객 속성, 계절 변동, 지역 특성 등을 분석 및 예측하여, 발주해야 하는 의약품을 표시한다. 계절 변동의 예를 들자면, 꽃가루 알레르기가 유행하는 시기에 항알레르기 약품의 수요가 증가하는 경우 등이 있다.

 

원래는 의약품의 재고가 일정량에 미치지 못할 때 발주했었지만, 현재의 재고가 아니라 미래의 수요에 근거하여 발주를 지원하게 되어, 발주 담당자의 부담을 줄일 수 있다. 처방전을 취급하는 조제 약국에서는 재고 부족을 피해야 하지만, 재고가 넘쳐나면 수익 악화로 이어질 수 있다. 과잉 재고 및 부족을 개선함으로써 점포의 효율을 향상시킬 수 있다.

 

약의 공급이 불안정한 요즘 상황에서는 조제 약국의 재고를 관리하기가 더 어렵다. 제조사의 재고 부족으로 특정한 약을 주문할 수 없게 되어도 같은 성분을 가진 다른 약의 후보 목록이 표시되는 시스템이기 때문에, 약을 전환해야 할 때 겪는 업무 부담도 줄일 수 있다.

 

6. 전자 진료기록 데이터 분석 결과를 제약에서 활용한다(NTT데이터/엑사위저드)

 

주식회사 NTT데이터와 주식회사 엑사위저드는 전자 진료기록 및 일상의 의료ㆍ건강에 관한 데이터를 가지고 임상의 질환ㆍ치험 실태를 파악하는 AI 서비스를 공동으로 개발하기 시작했다. 전자 진료기록 및 일상의 의료ㆍ건강에 관한 데이터는 ‘의료 실세계 데이터’라 불리며, 제약 영역의 연구에 활용되고 있다.

 

NTT데이터는 의료 정보 플랫폼 ‘천년 진료지록’에 100만 건 이상의 전자 진료기록 데이터를, 의료 실세계 데이터로서 축적해 두고 있다. 잘만 활용한다면 좋겠지만, 증례 수와 항목 수가 방대하기 때문에, 전자 진료기록에 포함된 치험 실태 및 효과에 관한 정보를 구조화 및 표준화해야 한다.

 

그래서 의료 영역에서 강점을 가진 엑사위저드의 AI 기술을 통해 데이터를 분석하고, 희소 질환을 대상으로 하는 등 기존의 방식으로는 개발하기 어려웠던 의약품에 대한 연구 및 환자 개개인에 맞는 개별화 의료를 형성하고 있다.

 

질환에 따라 환자가 언제 어떤 치료를 받고 있는가 하는 치료 실태를 가시화하는 서비스 등을 제공할 수 있다. 또한 제약회사의 입장에서는 임상에서 질환 및 치험 실태를 파악할 수 있기 때문에, 의약품 연구개발 주제를 더 효율적으로 검토할 수 있다.

 

 

[AI, 빅데이터, XR 등 ICT 융복합 기술로 성장하는, 국내외 디지털 바이오 시장 동향과 기술개발 전략] 보고서 상세보기

https://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=91356&goods_bu_id=