AI기반의 신약개발 시장의 변화?

 

 

AI 기반 신약개발의 패러다임 변화

최근 5년간 글로벌 제약사와 스타트업들은 빅데이터와 인공지능(AI) 기술을 활용한 신약개발에 주목하고 있습니다. 단순히 새로운 약물을 개발하는 것을 넘어, **약물 재창출(re-purposing)**과 혁신적인 신약 후보 물질 탐색에 집중하고 있습니다.

의약품은 질병 치료에 필수적이며, 이를 위해 의료 및 제약바이오 산업은 효과적인 신약 개발을 목표로 막대한 투자를 이어가고 있습니다.

AI 도입의 기대 효과

AI 기술을 통해 신약 개발 과정에서 다음과 같은 이점을 기대할 수 있습니다:

1. 특허 회피 약물 후보 물질의 신속 발견: 초기 단계에서 특허 회피가 가능한 후보 물질을 찾아내 개발 시간을 단축할 수 있습니다.
2. 임상시험 단계의 효율성: 초기 임상 단계에서 실패 여부를 빠르게 파악하여 개발 시간과 비용을 절감할 수 있습니다.
3. 신규 질병 타겟 및 약물 후보 물질 탐색: AI의 생성(generative) 모델을 통해 기존에 발견하지 못한 타겟 및 약물 후보 물질을 빠르게 식별할 수 있습니다.

 

국내 신약개발의 AI 활용 한계점

국내에서도 AI 기반 신약개발에 대한 관심이 높지만, 실제적인 데이터 활용 체계에는 한계가 존재합니다. 보건의료 빅데이터와 바이오 데이터의 기관 간 연계가 부족하고, 각 기관이 데이터를 개별적으로 폐쇄적으로 운영하고 있어 협업이 어렵습니다.

 

FDD(Federated Drug Discovery) 플랫폼의 제안

AI 신약개발지원센터에서는 FDD(Federated Drug Discovery) 플랫폼을 해결책으로 제시하고 있습니다. 이는 기관이 보유한 원시 데이터를 직접 공유하지 않고, 데이터에서 도출된 분석 능력만을 공유하는 방식으로 연합학습(Federated Learning) 기술을 활용합니다.

• 연합학습이란? 2019년 구글에서 발표한 기술로, 각 로컬 클라이언트와 중앙 서버가 협력하여 데이터를 공유하지 않고 공통 모델을 학습하는 방법입니다. 이는 모델을 공유함으로써 데이터 보호와 동시에 협업의 효과를 얻을 수 있는 방식입니다.

FDD를 통한 기대 효과

1. AI 전문인력 부족 문제 해결: 공통 모델을 공유함으로써 각 기관이 별도의 AI 전문인력을 확보하지 않아도 분석 역량을 강화할 수 있습니다.
2. 신규 파이프라인의 신속한 구축: 협력 과정을 통해 양질의 데이터를 기반으로 신속하고 넓은 범위의 신약 개발 파이프라인을 구축하여, 시간과 비용을 절감할 수 있습니다.

AI 신약개발지원센터는 FDD 플랫폼을 시작으로 FDA 승인까지 이어지는 신약 개발을 목표로 하고 있으며, 이를 통해 산학연관 데이터 기반 협업의 중심적인 역할을 할 것으로 기대됩니다.