AI와 빅데이터, 성공사례, 미래와 역할

AI와 빅데이터, 성공사례, 미래와 역할

 

최근 인공지능(AI)과 빅데이터 기술이 신약개발 분야에서 혁신적인 변화를 일으키고 있다. 1990년대 이래로, 과학과 기술의 발전은 생물학적 제제(biologics)로 알려진 더 광범위하고 복잡한 생물학적 치료법의 발견으로 이어졌다. 현대의 의약품개발은 과거까지 시간과 비용이 많이 들고 대체로 성공률이 낮은 편이었다. 한 분자를 출시하기까지 평균적으로 10년에서 12년이 걸린다. 딜로이트의 2018년도 보고서인 “제약혁신의 수익 측정”은 상위 12개 제약 회사의 한 약품당 평균 R&D 비용이 21억6,800만 달러라고추산했다. 이는 2010년에 추산된 11억8,800만 달러의 거의 두 배에 달한다. 동시에 2018년에 최종단계에 있는 자산당 예상 최대 매출의 평균 금액은 2010년도의 8억1,600만 달러에서 절반이 채 안되는 4억700만 달러로 줄었다. 그 결과 예상 투자수익률은 2010년의 10.1%에서 2018년 1.9%로감소했다. 신약을 시장에 출시할 때 효율성과 비용효과의 향상 방안의 발견이 산업에서 매우 중요하다.이를 성공시킬 한 가지 방법은 현재 위의 비용에서 3분의 1가량을 차지하는 신약 개발의 정확성,예측성, 속도의 향상이다. 처음 선별된 10,000개의 분자 중 오직 10개만이 임상 시험 단계까지 갈 수있다. 게다가 한 화합물이 임상 시험의 첫 단계인 1상 임상 시험에 진입할 확률은 10%가 채 되지않으며 이수치는10년동안증가하지않았다. 시장에 약품을 출시하는데 드는 비용이 증가한다는 점을 고려할때,예측의 정확도를 10% 향상시키면 신약개발에 드는 수십 억 달러를 절감할수있다.

이제 AI와 빅데이터를 활용함으로써 이 예측의 정확도 및 연구 속도를 높이고 비용을 절감할 수 있는 길이 열렸다. AI는 신약 후보 물질을 발굴하고, 약물의 효능과 부작용을 예측하며, 임상시험 설계를 최적화하는 데 활용된다. 빅데이터는 전 세계의 방대한 의료 데이터를 분석하여 새로운 치료법을 발견하는 데 기여한다. 

 

AI 기반 신약 후보 물질 발굴과 가상 스크리닝

전통적인 신약개발은 연구자들이 수천 개에서 수십만 개의 화합물을 실험하고 분석하면서 유망한 후보 물질을 찾는 방식이었다. 그러나 이 과정은 시간과 비용이 많이 소요되며, 성공 확률도 낮았다. AI는 이러한 과정을 획기적으로 단축할 수 있도록 돕는다. AI 기반 ‘가상 스크리닝(Virtual Screening)’ 기술을 활용하면, 기존 데이터를 바탕으로 신약 후보 물질을 빠르게 예측할 수 있다.

예를 들어, 딥마인드(DeepMind)의 '알파폴드(AlphaFold)'는 단백질 3차원 구조를 예측하여 신약개발에 필요한 단백질-리간드 결합 구조를 분석하는 데 도움을 주었다. 알파폴드는  지구상에 존재하는 100만종의 생명체가 만들어낼 수 있는 2.14억 개 단백질 전체의 삼차원(3D) 구조 예측을 완료했다 . 또한, 미국의 인실리코 메디슨(Insilico Medicine)은 AI가 직접 신약 후보 물질을 설계하는 기술을 개발하여 폐섬유증 치료제의 후보 물질을 2년 만에 도출했으며 이에 투자된 자금은 약 260만 달러를 사용했다. 이는 기존의 연구 방식보다 10배 이상 빠른 속도로 신약 후보를 발굴한 사례로, AI가 신약개발의 속도를 얼마나 향상시킬 수 있는지를 보여준다.

뿐만 아니라, AI는 기존 약물의 새로운 용도를 찾는 ‘약물 재창출(Drug Repositioning)’에도 활용된다. AI를 이용해 기존 항바이러스제를 코로나19 치료제로 전환하는 연구가 성공적으로 이루어졌으며, 이는 전염병 팬데믹 상황에서 신속한 대응을 가능하게 했다.

빅데이터를 활용한 임상시험 최적화

임상시험은 신약개발에서 가장 비용이 많이 들고 여러 단계의 임상 실험을 거치면서 가능성을 검증한다. 임상 실험을 거치면서 막대한 자금이 들어간다. 평균적으로 신약 후보 물질 중 90% 이상이 임상시험 과정에서 실패하며, 이로 인해 제약회사에 막대한 손실을 입힌다. 빅데이터는 이러한 문제를 해결하는 데 중요한 역할을 한다. 전 세계에서 축적된 방대한 의료 데이터, 유전체 정보, 환자 기록 등을 분석하여 임상시험 설계를 최적화할 수 있다.

대표적인 사례로, IBM 왓슨(Watson)은 전자 건강 기록(EHR)과 유전체 데이터를 분석하여 환자 맞춤형 임상시험 설계를 지원하고 있다. AI와 빅데이터를 활용하면 특정 약물이 효과적일 가능성이 높은 환자군을 사전에 선별할 수 있어, 임상시험의 성공 확률을 높이고 실패율을 줄일 수 있다. 인도 마니팔 병원에서는 왓슨이 제공한 정보에 기반해 1000건의 유방암, 폐, 대장암 환자 사례 중 13.6%의 치료 방법을 변경했다. 이는 의사들이 왓슨을 통해 새로운 치료법에 대한 최신 결과(55%)와 환자 개인에 대한 맞춤형 대안(30%), 유전자형·표현형과 관련된 새로운 정보와 진화하는 임상 경험을 기반으로 한 새로운 인사이트(15%)가 제시됐기 때문으로 조사됐다. 다른 예로는 베이징 차오양 병원의 암 전문의들이 7단계의 환자 참여·상담 과정에 왓슨 포 온콜로지를 도입한 사례가 있다. 그 결과 암 환자가 자신의 병명과 치료법에 대한 이해도가 이전보다 향상됐으며, 치료 계획에 더 확신을 갖고 만족도 또한 높아진 것으로 나타났다.

또한, 빅데이터 분석을 통해 임상시험에 적합한 피험자를 빠르게 모집할 수 있다. 기존에는 환자 모집에만 수년이 걸리는 경우가 많았지만, AI 기반 환자 매칭 시스템을 활용하면 몇 개월 만에 적절한 대상자를 선정할 수 있다. 예를 들어, 미국의 메디데이터(Medidata)는 빅데이터를 이용해서 환자의 유전자와 질병 이력을 분석하여 최적의 임상시험 대상자를 추천하는 시스템을 개발했다.

AI와 빅데이터 기반 신약개발 성공 사례

최근 AI와 빅데이터를 활용한 신약개발 성공 사례가 점점 늘어나고 있다. 인공지능과 빅데이터는 약물 설계 단계에서부터 약 시판 후 사후추적 단계에 이르기까지 신약개발 과정의 전 단계에서 활용되고 있다. 전임상 단계에서는 전임상실험 설계, 독성 예측, 전임상 시험 자동화 등에 활용되고 있으며, 임상 단계에서는 임상시험 설계, 임상시험 피험자 모집, 임상시험 최적화, 계량약리학 분야 등에서 인공지능이 쓰이고 있다. 그 외에도 스마트제약공장과 같은 제조단계, Real-World Evidence 기반 미국 식품의약국(FDA)의 인허가 의사결정, 인공지능 기반 약물감시, 신약개발 의사결정 등에도 활용되고 있다.

대표적인 사례로는 영국의 제약사 GSK가 AI를 활용해 신약 후보 물질을 발굴하는 연구를 적극적으로 진행하고 있다. GSK는 빅데이터와 AI 기술을 적용하여 신약 개발 기간을 3~4년 단축하는 데 성공했다. 또한, 미국 바이오 기업 베르텍스는 빅데이터 분석을 활용하여 낭포성 섬유증 치료제를 개발하는 데 성공했다. 이 치료제는 유전적 변이를 표적으로 하는 방식으로 설계되었으며, 빅데이터를 이용한 질병 패턴 분석 덕분에 빠르게 임상시험을 통과할 수 있었다.

바이오 스타트업인 베네볼런트AI(BenevolentAI)는 AI 기술을 이용해 신약 후보 물질을 발굴하고, 기존 치료제의 새로운 적응증을 탐색하는 연구를 수행하고 있다. 이 기업은 AI 기반 플랫폼을 활용해 류머티즘 관절염 치료제를 신속하게 개발하는 데 성공했으며, 현재 다른 질병 영역으로 연구를 확장하고 있다.

신약개발의 미래, AI와 빅데이터의 역할

AI와 빅데이터의 발전은 신약개발의 패러다임을 변화시키고 있다. 기존의 신약개발 과정이 인간의 직관과 실험 중심이었다면, 이제는 AI의 데이터 분석과 예측 알고리즘이 중요한 역할을 하고 있다. 신약 후보 물질 탐색부터 임상시험 설계, 약물 재창출까지 AI와 빅데이터는 신약개발의 모든 단계에서 핵심적인 역할을 하며, 성공 가능성을 높이고 개발 비용을 절감하는 데 기여하고 있다.

앞으로 AI와 빅데이터 기술이 더욱 발전하면 신약개발의 속도는 더욱 빨라질 것이며, 개인 맞춤형 정밀의료(Precision Medicine) 시대가 도래할 것으로 예상된다. 특히, AI는 희귀질환과 난치병 치료제 개발에도 중요한 역할을 하며, 기존의 전통적인 연구 방식으로는 접근하기 어려웠던 질병에 대한 새로운 치료법을 제시할 것으로 예상된다.

제약업계는 이러한 변화에 발맞춰 AI와 빅데이터를 적극적으로 도입하고, 신약개발의 효율성을 극대화하는 전략을 마련해야 한다. 정부와 연구기관 또한 AI 기반 신약개발 연구를 지원하고, 데이터 공유와 협력을 통해 혁신적인 신약이 빠르게 개발될 수 있도록 환경을 조성할 필요가 있다. 앞으로 AI와 빅데이터가 가져올 신약개발 혁신을 기대해본다.