'인공지능'과 '신약' 개발‥여러 가능성 품은 '황금알'

AI를 신약 개발에 적용할 경우 연구 기간 단축과 비용 감축에 기여‥실제 사례 축적 중
박으뜸기자 acepark@medipana.com 2020-05-18 11:55

[메디파나뉴스 = 박으뜸 기자] 인공지능(Artificial Intelligence, AI)을 활용한 신약 개발이 계속해서 언급되고 있다.
 
아직 초기 단계에 머물고 있는 산업이지만, 여러 가능성을 품고 있어 '황금알'이라고 평가된다.
 
하지만 인공지능의 발전은 양날의 검으로도 작용할 수 있다.
 
많은 이들이 인공지능 기술이 고용을 위협할 것이라는 두려움이 있다. 그에 반해 인공지능의 발전은 다양한 산업분야의 기술발전에 크게 기여할 것이라는 기대가 있다.
 
그나마 헬스케어 분야에서 인공지능은 '긍정적'인 시선이 보다 우세한 것으로 보여진다.
 
국가항암신약개발사업단의 '인공지능(AI) 기반 신약 개발' 기고에 따르면, 인공 지능(AI)은 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정해, 사람과 같은 방식으로 과제를 수행 할 수 있도록 지원하는 기술이다.
 
헬스케어 산업에 있어서 인공지능 기술은 꽤나 다양한 분야에 적용이 가능하다.
 
제약산업의 특성상 R&D 비용의 증가와 신약 개발의 효율성 감소로 인해, 신약 개발 프로그램을 유지하는데 많은 어려움을 겪고 있기 때문이다. 효율적인 신약 개발을 위한 새로운 패러다임 전환이 필요한 시점이다.  
 
보로노이바이오 김남두 대표는 "제약산업의 경우 예외없이 인공지능을 적용한 신약 개발 연구에 다수의 제약사가 관심을 가지고 활발히 연구를 진행하고 있다. 신약 개발 과정에서 인공지능 기술을 적용이 가능한 분야는, 약물 개발전략 및 프로세스, 의약품 연구 개발 효율성 증대이다"고 말했다.
 
인공지능과 관련한 하위 분야(subfield)를 이해하면, 제약산업이 얼마나 AI와 밀접하게 연관돼 있는지 알 수 있다.
 
먼저 인공지능에는 기계 학습(Machine Learning, ML)이라는 하위 분야가 있다. ML은 지도(supervised learning), 비지도(unsupervised learning) 및 강화 학습으로(reinforced) 분류할 수 있다.
 
ML에서 지도 학습은 이미 정답이 주어진 상태에서 학습시키는 방법이다. 즉 주어진 입력 값에 대해 어떤 결과가 나올지 알고 있는 데이터를 이용하여, 모델을 만들고 새로운 데이터에 대해 결과값을 추정하는 방법이다.
 
비지도 학습의 경우에는 수많은 데이터를 비슷한 특징에 따라 묶는(clustering) 방식으로 학습이 진행되며, 입력 값에 대한 목표치가 없으므로 데이터에 숨겨져 있는 특징이나 패턴을 찾는 연구에 사용되는 방법이다.
 
강화 학습의 경우에는 학습을 지시하는 쪽이 원하는 답을 만들어 가기 위해 사용하는 방법이다. 원하는 결과가 나왔을 경우에 보상(reward)이 주어지게 되며, 기계는 이 보상을 최대화 하는 방향으로 학습하게 된다.
 
딥 러닝은 머신 러닝의 부분 집합으로, 연속된 층(layer)에서 점진적으로 의미 있는 표현을 배우는데 강점이 있으며, 데이터로부터 표현을 학습하는 새로운 방식이다. 입력된 데이터 값을 이용해 여러 층의 예상 결과 값을 만들고(매핑 과정), 실제 값과 비교해 그 차이(타깃과 손실 함수)를 구한다. 이 차이를 줄이기 위한 방법으로 앞의 층들의 가중치를 수정하는 과정(back propagation)을 반복적으로 수행한다.
 
이러한 AI의 기능을 활용해 의약품을 개발하는 것은 상당히 높은 가능성을 시사한다.
 
저분자 합성 신약 개발의 경우 이론적으로 생성할 수 있는 화합물의 공간(Chemical Space)이 1060개에 달한다. 그런데 지금까지 세상에 알려진 화합물의 수가 109개 정도다. 이와 같이 어마어마한 개수의 화합물 공간에서 새로운 의약품을 개발하는 것은 확률적으로도 매우 어렵다는 것을 알 수 있다.
 
김 대표는 "인공지능 기술을 신약 개발 전 분야에서 활용한다면, 신약 개발의 비효율성과 불확실성을 어느정도 해소하는데 기여할 것으로 기대된다"고 말했다.
 
현 단계에서 인공지능 기술을 이용해 신약 개발 연구에 적용할 수 있는 분야는, 질환 치료제에 대한 신규 표적 발굴, 검증, 신약 설계, 최적화, 지금까지 알려진 약물의 새로운 용도 발굴, 생물의학 정보 수집 및 분석과 같은 다양한 약물 개발 단계다. 세부적으로는 화합물에 대한 합성 경로 예측, 약리학적 특성 예측, 및 약물의 효능 예측 연구에도 적용이 가능하다.
 
인공지능을 이용한 선도 물질 개발의 예로는 인실리코메디슨(Insilico Medicine)이 있다. 이 회사는 새로운 인공지능 시스템(GENTRL이라 명명한 Deep Generative Model)을 개발하고 이를 이용해 섬유증 및 기타 질환치료제로 적용이 가능한 DDR1 kinase target에 대한 저해 물질을 발굴했다.

이 모델은 DDR1과 기존에 알려진 저분자 화합물 데이터베이스를 학습해 우수한 활성을 물질을 단 기간 내에 발굴한 사례다.
 
김 대표는 "인공지능 기술을 적용할 경우 전통적인 방식으로 접근하는 연구 방법에 비해 연구 기간과 비용을 획기적으로 절감할 수 있다"고 말했다.
 
또 다른 예로 영국에 소재하고 있는 엑스사이언티아(Exscientia)가 AI로 개발한 신약 후보물질 임상 1상에 들어갔다.
 
'DSP-1181'는 강박장애(OCD) 치료제 임상 물질이다. 전통적으로 임상에 들어가는 후보 물질 개발 소요 기간이 5년 이상이다. 그런데 엑스사이언티아는 1년만에 후보 물질을 개발했으므로 상당한 성과로 평가할 수 있다.
 
신약 개발은 타깃 발굴부터 전임상 후보물질 선정까지 통계적으로 4.5년 정도가 소요되며, 이후 비임상, 임상 개발을 진행, 신약 판매허가를 받을 때까지 약 10년의 개발기간이 필요하다. 예외적으로 패스트트랙, 혁신의약품, 지정 승인 제도를 이용할 경우 획기적으로 개발기간을 단축 할 수 있지만, 일반적으로 비임상 부터 임상 시험 완료 후 제품 발매까지 개발기간을 단축하는 것은 용이하지 않다.
 
김 대표는 "신약 개발 기간과 비용을 줄일 가능성이 큰 단계는 전임상 후보물질 발굴 단계 전까지라고 할 수 있다. 이 단계에서 AI를 적용할 경우 연구 기간 단축과 비용을 줄이는데 크게 기여를 할 수 있을 것"이라고 바라봤다.


<© 2020 메디파나뉴스, 무단 전재 및 배포금지>'대한민국 의약뉴스의 중심'메디파나뉴스

[제약ㆍ바이오] 최근기사

많이 본 뉴스


댓글 쓰기

독자들이 남긴 뉴스댓글


Generic & OTC


박으뜸기자의 다른 기사

로그인 닫기