[메디칼업저버 양영구 기자] 신약개발에 AI 기술은 폭넓게 활용되고 있다. 비용을 절감해주기도 하고, 빠른 속도로 분석 작업을 수행하기도 한다. 

그러나 국내 제약업계의 AI 기술 도입은 아직 걸음마 단계다. AI 기술 활용을 위한 데이터 확보도 쉽지 않을뿐더러 제도적 한계로 데이터가 교류되지 못한다는 단점도 있다. 

본지는 한국제약바이오협회 김화종 인공지능신약개발지원센터장을 만나 국내 제약업계가 신약개발에서 AI 기술을 접목하기 위해 어떤 준비를 해야 하는지 들어봤다.

[신년기획-①] AI 활용 신약개발, 선택 아닌 필수 
[신년기획-②] 국내사도 AI 신약개발에 '속도'...한계는 여전
[신년기획-③] "AI 신약개발 위해 민·관이 정책 같이 만들어야"

- 인공지능신약개발지원센터는 어떤 업무를 하는 곳인가.

신약개발 시간과 비용을 단축하면서 더 효과적인 후보물질을 찾기 위한 AI기술 접목을 돕고 있다. 제약바이오업계는 AI 기술에 대한 전반적인 이해와 다양한 교육이 필요한 상황이다. 우리는 필요한 교육 프로그램을 제공하고 있다. 이에 올해 온라인 공개 교육플랫폼도 오픈했다. 또 기업이 필요로 하는 AI 솔루션을 찾는 걸 돕는 역할도 한다.

- 어떤 AI 기술이 신약개발에 도움을 줄 수 있나.

신약개발에 활용되는 대표적인 AI 알고리즘은 GAN (Generative Adversarial Network)와 CNN(Con- volution Neural Network)이다. GAN은 Generator(생성자)와 Discriminator(판별자), 두 개의 모델이 동시에 학습을 진행한다. 

생성자는 이미지를 진짜와 최대한 유사하게 생성하고 판별자는 주어진 이미지의 진위 여부를 구별하는 방식으로 적대적으로 학습하면서 새로 생성된 모델을 실제와 최대한 유사하게 만들어 낸다. 

GAN을 기반으로 단백질에 결합할 수 있는 새로운 후보물질을 도출할 수 있다. Insilico Medicine은 GAN을 활용하는 대표적 기업이다. Insilico는 GAN의 알고리즘 기반 GENTRL 모델로 DDR1 억제제 후보물질을 도출했는데 최종 후보물질을 도출하는데 46일이 소요됐다고 알려져 있다.

다른 주요 알고리즘인 CNN은 이미지의 특징을 사람이 추출할 필요 없이 스스로 학습하기에 패턴 인식에 우수한 성능을 내는 딥러닝 모델이다. Atomwise는 CNN을 기반으로 한 구조기반 신약개발 플랫폼 Atomnet을 출시했다. Atomnet은 저분자 물질의 Bioactivity(생체활성)를 예측하도록 설계됐고 타깃에 결합하는 새로운 물질의 결합도를 예측할 수 있다.

- 국내 산업계가 AI 기술 도입을 위해 가져야 할 마인드는 무엇인가.

AI 활용 신약개발을 위해서는 보건의료데이터를 공유·활용할 수 있는 방법을 제공하는 게 핵심이다. AI 신약개발은 일대일 협업만으로는 효과적인 성과를 내기 어렵다. 
글로벌 빅파마들과 경쟁하기에는 국내 데이터 활용 경쟁력은 부족하다. 글로벌 빅파마들은 2016년부터 컨소시엄 형태를 이뤄 연구개발을 수행하고 있고, AI 스타트업에도 적극적으로 투자하고 있다. 

국내 제약업계도 글로벌 시장 경쟁에서 앞서 나가기 위해 데이터 기반 협력 마인드셋이 중요하다. 현재 국내 제약업계도 이런 상황을 인식하고 신약개발 가속화를 위해 협업하는 분위기로 변화하고 있다.

- AI 신약개발 시장이 커지려면 어떤 노력이 필요한가.

제약바이오산업 AI 시장은 2025년 38억 8000만달러 규모로 성장할 것으로 예상되며, 특히 신약개발 부분은 성장폭이 가장 클 것으로 전망된다. 다만 데이터 경쟁, 인프라 개선, 규제 준수, 윤리 문제, 인재양성이 과제로 꼽히고 있어 이를 어떻게 해결할 것인지가 관건이다.

데이터 활용 규제 장벽은 여전히 높고, 각 기업은 데이터를 폐쇄적으로 활용하고 있다. 또 개인정보 이용 제한은 시장 발전을 제약하고 있다.

시장이 성장하려면, 기업과 정부가 함께 나서 정책을 만들고 시장 발전의 저해 요인들을 하나씩 해결해야 한다. 아울러 AI 전문인재 교육도 필요하다.

- 정부의 지원도 필요하지 않나.

국내사는 글로벌 빅파마에 비해 신약개발 경험이나 자원이 부족하다. 하지만 빅데이터와 AI를 활용한 신약개발 기술 격차가 좁아 추격할 수 있는 상황인 만큼 정부의 적극적인 투자와 지원이 필요한 시기다. 

AI 기반 신약개발 가속화를 위해서는 무엇보다 협력 프로세스를 정립할 필요가 있다. 우리나라는 데이터중심병원, 건강보험심사평가원, 국립암센터, 질병관리청 등에 신약개발에 필요한 데이터가 산재돼 있다. 

제약기업, 대학, 연구소, 의료기관이 관련 데이터를 공유·활용해 실시간으로 분석할 수 있는 플랫폼을 구축하기 위해 정부와 민간이 협력하는 체계가 마련돼야 한다. 이런 협력 체계 구축은 특정 민간 기업 주도로는 한계가 있다. 정부의 지원 하에 공적 차원에서 추진해야 한다.

- 향후 국내 제약업계에 대한 전망도 궁금하다.

AI 기술 발전은 이제 시작 단계다. 향후 AI 기술 발전 범위와 활용 가능성은 분석 능력과 데이터 교류 상호작용으로 가속도가 붙어 전자, 컴퓨팅 기술 발전을 뛰어넘을 것으로 예상한다. 

신약개발처럼 중간 과정을 사람이 이해하기 어려운 분야일수록 AI 기술은 성과를 낼 가능성이 높다. 사람이 거의 이해하지 못하는 생물학적, 화학적, 의학적 현상을 AI 모델은 보다 잘 예측할 수 있어 신약개발에도 큰 변화가 올 것이다.