식약처에 따르면 통상적으로 새로운 신약이 개발되기까지 걸리는 시간은 '10~15년', 투입되는 비용은 '1~2조원'에 달한다. 수많은 제약회사들이 신약을 개발하고자 이 과정에 뛰어들고 있으나 표적(타깃) 발굴부터 비임상, 임상 및 허가와 출시 단계까지 도달하는 회사는 약 10% 미만에 불과하다.

이처럼 길고 복잡한 과정에 대응하기 위해 시간을 단축시키고 성공률을 높일 수 있는 방법이 최근 제시되기 시작했다. 그 기술의 중심에는 “AI”가 있다.

Global information 시장 보고서에 의하면 AI를 활용한 신약 개발 시장 규모는 2022년에 약 7억 1,000만 달러였으며, 2030년까지 연평균 성장률 (CAGR) 29.4%로 성장하여 약 9억 3,000만 달러에 이를 것으로 예측된다. 

AI(Artificial Intelligence, 인공지능)란 인간의 지능이 가지는 학습, 추리, 논증 따위의 기능을 갖춘 컴퓨터 시스템으로, 수십년간 쌓은 의약품 데이터와 환자 데이터, 유전체 정보를 기반으로 신약 후보물질을 찾아내고 새로운 적응증을 발견해 내는 등의 방식으로 신약개발 과정을 단축시키고 있다.

이미 국내 제약사와 글로벌 제약사들은 신약개발과 AI를 접목시킨 기술을 도입하고 있다. 국내의 경우 유한양행이 아이젠 사이언스와 파로스 아이바이오의 AI 신약개발 플랫폼을 신규 후보물질을 발굴하는데 활용하고 있으며, 대웅제약, JW 중외제약, 한미약품 등 다양한 제약사들이 AI 기술을 적극 도입하고 있다. 

글로벌 사례로는 영국의 Exscientia와 미국의 Insilico Medicine 등 제약사가 AI로 발견 및 설계한 물질을 활용해 신약개발을 추진하며 전반적인 변화의 흐름을 만들어가고 있다.

이러한 흐름들을 바탕으로 AI는 신약개발 과정에서 어떠한 핵심적인 역할을 하고있는가? 현재의 가능성을 짚어보고자 한다.

AI 신약개발은 신약 후보 물질 발굴(Drug Discovery) , 신약 타겟 발굴 (Target Identification), 신약 설계 및 분자 최적화, 임상시험 최적화, 기존 약물의 적응증 확대 (Drug Repurposing)의 단계에서 핵심적인 역할을 하고 있다. 

· 후보물질 발굴 단계부터 분자 최적화 단계까지의 과정에서 AI는 표적 단백질에 후보물질의 결합 구조를 예측하고, 그 정보를 기반으로 Drug screening을 진행하여 수많은 화합물질 중 약물 후보물질을 발견해내는 역할을 담당한다. 방대한 데이터를 기반으로 물질 간 상호작용을 빠른 시간내에 예측하여 분석 시간을 단축시킴으로써 더 많은 후보물질을 발견하는데 기여한다.

· 임상시험 단계에서 AI는 임상시험 단계에서 적합한 인구 집단군을 발견하는데 도움을 주고 가상 임상 시험을 시행하여 데이터를 조직화 하고 통찰력 있는 임상시험을 설계하는데 도움을 준다.

· 약물의 적응증 확대 단계에서 AI는 세포의 약물처리에 의한 세포의 유전자 발현변화와 약물의 적응증과 연결하여 질병과 약물 간의 새로운 연결을 발견하며 약물 재창출을 이루어 개발비용을 절감하고 승인과정을 단축시킨다.

그러나 AI 신약개발 분야도 데이터 품질 및 표준화의 문제, 비용 및 인프라의 문제 등 아직 해결해야 할 도전 과제들이 존재한다. 이를 해결하기 위해 Standigm 및 IBM Watson Health 등의 제약회사들의 데이터 수집 및 관리체계 고도화, 클라우드 기반 플랫폼을 통한 데이터 공유, EU Horizon Europe 프로그램을 통한 제약사들의 AI기술 자금지원 등 다양한 방법이 시도되는 추세다.

이러한 도전 과제들을 해결해 나가는 과정에서 AI 신약개발의 미래는 더욱 밝아질 것으로 예상된다.

[파이낸셜 와이드=김새벽 대학생 기자]