인공지능(AI) 기술이 신약개발 여정의 앞부분인 신규 물질 발굴에 활발히 활용되면서 최근 몇 년간 괄목할 만한 성과가 나오고 있다. 일례로 홍콩
스타트업 인실리코 메디슨은 인공지능으로 섬유증 관련 질환 치료를 위한 신약 후보물질의 초기 탐색부터 검증까지 단 46일 만에 끝내면서 업계의 주목을 받았다. 글로벌 제약사
일라이릴리는 영국 베네볼런트AI와 공동으로 인공지능을 이용해 류마티스
관절염 치료제로 개발된 바리시티닙의 약물재창출 연구를 속도 있게 진행하면서 신종 코로나바이러스 감염증(코로나19) 치료제로 긴급사용승인을 획득했다.
올해로 창립 20주년을 맞이한 재미한인제약인협회(KASBP)가 6월 3일부터 5일까지 (현지시간) 온라인으로 '2021 KASBP 봄 e심포지움'을 개최했다. 사흘간 열린 온라인 심포지움에서는 창립 20주년
기념 행사 일환으로 인공지능을 이용한 신약개발을 선도하는 학계 및 산업계 전문가들이 모여 토론하는 특별 세션이 마련됐다.
미국 매사추세스 케임브리지 소재 다케다제약의 선임연구원 신현진 박사가 좌장을 맡은 인공지능
특별 세션에는 미국 네바다주립대(UNLV) 교수 강민곤 박사, 히츠 CEO 김우연 박사, 파로스아이바이오 CTO 남기엽 박사, 신테카바이오 의과학총괄 상무 양현진 박사, 스탠다임
선임연구원 한대희 박사가 패널로 참여하면서 인공지능 기반 신약개발의 도전과 기회에 대한 토론 시간을 가졌다.
향후 수년 내로 큰 변화가 일어날 수 있는 신약개발 분야가 무엇인지에 대한 질문에 대해
히츠 김우연 박사는 "30년 전 당시 인실리코(in silico) 모델링 방법이 신약개발에 혁신을 가져올 것이라고 했으나 현재 알파고와
같이 사람들 기대치에 부응하는 '대박' 사례는 아직까지 없다"며 "하지만 그 사이 많은 발전이 있었고
다양한 생각과 예상들이 점진적 진보하면서 많은 회사들이 실제로 인실리코 모델링 솔루션을 제공하고 있다"고 전했다.
이어 김 박사는 "복잡한 생물학이 연결되는 분야의 경우 어떤 데이터를 어떻게 활용해야 할지 의문이나 그 중에서도 3차원 단백질 구조 및 3차원 구조 기반의 약물 스크리닝은 대체적으로 잘 정의된 분야고 여기서 혁신적 변화가 일어날 것"이라고 전망했다.
스탠다임 한대희 박사는 "특정 타겟이나 프로젝트에 특이적으로 관련된 양질의 데이터가 충분한가에 따라 성패가 좌우됨은 주지의 사실"이며 "다만 인공지능이 신약개발 여정에서 반드시 성공한 사례의 검증에만 쓰이는 것이 아니라 실패한 사례의 검증에도 쓰여진다면 향후 피드백
등 가치 있는 데이터로 남겨지면서 인공지능 기술의 우상향적, 점진적
발전을 도모할 것"이라고 내다봤다.
인공지능 연구의 가장 큰 장애 및 도전은 무엇인가에 대한 질문에 UNLV 강민곤 박사는 "가장 큰 도전은 데이터 그 자체"이며 "제약바이오회사 등 민간에서 보유하고 있는 데이터가 개인정보보호, 지식재산권 이슈 등으로 공유가 어렵지만 일례로 연합학습(federated learning)을 통해 실질적 데이터 공유는 없으나 각각 사이트의
데이터를 활용해서 최종적으로 좋은 연구개발 모델을 만드는 사례로 분위기를 조성하면 시너지가 날 것"이라고 전했다.
신테카바이오 양현진 박사는 "신약개발 전주기 과정에서 현재 인공지능이 적용되는 건 일부분"이며 "일련의 과정들이 잘 연결되어서 물
흐르듯 매끄럽게 진행되어야 하나 단계적으로는 잘 되지만 연결되는 부분에서는 어려움이 많다"고 언급했다.
이어 양 박사는 "인공지능 회사 입장에서 자체 신약 파이프라인을 보유하고 겪은 점은 일례로 유효물질(hit)은 나왔는데 어떻게 검증하고 어떻게 협력하는 지에 대해서 더 많은 시간을 소모하고 있다"는 경험을 전했다.
파로스아이바이오 남기엽 박사는 "인공지능을 활용한 신약개발에서 '성공'을 무엇으로 정의해야 하는지에 대한 것을 우선적으로
생각해야 할 것 같다"며 "초기 단계 탐색부터 비임상 검증까지 인공지능 도움으로 후보물질이 도출되어도
과연 그 물질이 최종적으로 신약이 되는 것은 아니다"라고
지적했다.
제약바이오회사 또는 정부에 대한 제언 질문에 김우연 박사는 "우리 모두가 '신약 연구자'로서 신약개발 프로젝트에 인공지능을
어떻게 활용할 수 있을까라는 인식을 갖추는 것이 중요하다"며 "인공지능이 인류 대결구도가 아닌 도움이
될 것이라는 측면에서 바라본다면 변화와 협력이 일어날 것"이라고 강조했다.
덧붙여 "(한국) 정부가 디지털 혁신에 대한 관심이 많고 데이터
공공화에 노력을 많이 하지만 그 과정에서 선택과 집중이 결여되고 있다"며 "해당 분야의 전문가 및 시장 참여자들의
다양한 의견을 더 청취해서 진행했으면 한다"고 김 박사는
전했다.
한대희 박사는 "인공지능, 딥러닝에 필요한 데이터 활용 측면에서
다국적 제약바이오회사의 역할이 크다고 본다"며 "다국적 제약바이오기업처럼 규모 있는 회사가 보유하고 있는 데이터를 자체적으로
활용한다면 미래가 없고 스핀오프, 전략적 제휴 등 내부 편향(bias)을 최소화하는 객관적 접근과 활용이 중요하다"고 피력했다.
강민곤 교수도 협력의 중요성을 강조했다.
"가장 중요한 부분은 협력이고 협력에 있어 상호 신뢰와 이해가 필요하다고 본다"며 "인공지능, 딥러닝 전문가들도 세부적이지는 못하나
생물학, 의약학에 대한 이해가 어느 정도 있어야 하고 그 반대의
경우도 마찬가지다"라고 언급했다.
양현진 박사는 "(한국) 정부 차원에서 인공지능 신약개발에 대한 관심이
높고 관련 연구과제들을 규모 있게 지원하고는 있으나 국가 연구 과제라는 측면에서 요구하는 마일스톤에 도달하고 평가 받는 등의 애로사항이 있다"며 "요구사항을 다소 완화하고 아울러 민간에서 활발하게 이뤄지는 연구 협력에 대해 정부가 일정 부분 펀드를 매칭하는 등 지원을 다양화한다면
자연스럽게 성공사례가 많아질 것"이라 전했다.
마지막으로 데이터에 대한 전문가 견해를 구하는 질문에 한대희 박사는 "늘 등장하는 데이터 이슈에 있어 하나의 예를 들면 광산은 있지만 금을 채취하는
기술의 여부가 문제인 것 같다"며 "신약 발굴 프로젝트가 불가능하다가 아니라 단지 어렵다라는 측면에서 볼 때
익숙한 길이 아니기에 도전 정신을 잃지 않는 신약 연구자와 리더의 결단과 용기가 분명 필요하다"고 조언했다.
김우연 박사는 "제한적인 스몰 데이터를 어떻게 활용해서 예측할 수 있는 모델을 만들 수 있는가가 더 현실적 과제라고 생각한다"며 "데이터가 충분하면 그 순간 누구나 풀 수 있는 쉬운 문제가 되고 현실처럼 데이터가 부족하거나 없기 때문에 이 부분이 더 도전적이고
흥미롭다"고 강조했다.
이어 김 박사는 "데이터가 제한적인 상황에서 어떻게 하면 문제를 풀 수 있을까가 성과를 가늠하는 기준"이며 "지금보다도 조금 더 나아질 수 있기에
협력한다는 인식과 함께 스몰 데이터를 갖고 문제에 접근하면 더 나은 결과를 만들 수 있다"는 기대감을 내비쳤다.
강민곤 박사도 "데이터가 제한적이며 여기서 모든 걸 다 찾을 수는 없기 때문에 도메인 지식(domain
knowledge)의 활용으로 더 신뢰할 만한 결과를 얻을 수 있다"며 "제한적 데이터에서 어떤 패턴을 찾아내고 어떤 도메인 지식을 활용할 것인지가 가장 큰 도전이지만 스몰 데이터에서도 의미 있는 발견을
얻을 수가 있다"고 강조했다.
