신년특집- 제약산업, 2018 레벨 업
다국적제약사 신약 파이프라인 AI서 돌파구
[의학신문·일간보사=김자연 기자]2017년은 제약 업계에서 AI(인공지능)를 신약 개발 전분야에 도입한 해가 될 것이란 전망이다. 그동안 업계에선 신약 파이프라인이 말라가고 개인맞춤 치료제 개발에 압박을 받으며 R&D 투자 효율이 꾸준히 하락했지만 AI에서 돌파구를 찾고 있는 것. 지난 2016년 이후부터 상당 수의 대형 제약사와 AI 스타트업의 협업이 시작됐는데 이를 통해서 기존의 가설에 따른 과학과 데이터 과학이 합쳐져 전례 없던 성과가 기대되고 있다.
가장 먼저 AI는 신약 발굴 분야에서 가장 활발하게 적용이 추진되고 있다. AI 알고리즘은 임상시험, 건강기록, 유전적 프로필, 의료영상, 전임상 연구 등 거대한 데이터를 분석해 패턴을 인식하고 가설을 세우며 통찰을 제시할 수 있기 때문이다. 아울러 신약후보 스크리닝에 대해서도 더욱 단기간에 적은 비용으로 보다 높은 정확도로 적용될 수 있을 것으로 기대된다.
특히 GSK는 컴퓨터 및 데이터 처리 경험이 풍부한 천체물리학자까지 고용하는 등 내부적으로도 AI 투자를 증강시키고 있다. 올 초 GSK는 로렌스 리버모어 국립 실험실과 AI 제약 연구개발 제휴를 맺은데 이어 올 중반엔 엑스사이언티아, 인실리코 메디슨과도 각각 신약발굴 제휴를 체결했다.
엑스사이언티아에 따르면 AI 시스템을 통해 신약후보를 기존 접근 방식에 비해 약 1/4 시간에 1/4의 비용으로 발굴해낼 수 있으며 GSK에 의하면 현재 질환 타깃을 발굴하고 거기에 대한 작용 분자를 찾아내는 데 5.5년이 걸리지만 이를 1년으로 단축할 목표다. 인실리코 메디슨의 경우 생성적 적대 신경망(GAN) 딥러닝 기술을 통해 약물에 노출된 인간 세포에 관한 대량의 데이터를 취해 시험 전 신약후보의 효과를 예측한다.
아울러 아스트라제네카도 버그와 AI로 신경장애 신약을 발굴하기로 제휴했다. 버그는 건강한 사람과 환자의 조직 샘플을 모아 상세 데이터를 비교함으로써 신약의 생물학적 타깃을 찾는 AI를 개발했다. 아스트라는 우선 버그에 중추신경계 화학적 화합물 라이브러리를 제공하면 그로부터 신규 타깃 및 치료제를 발굴, 평가해 개발할 신약 후보를 찾기로 합의했다. 또한 로슈의 지넨텍도 정밀의학업체 GNS 헬스케어와 암 치료제에 중점을 두고 기계학습을 이용해 대량의 데이터를 컴퓨터 모델로 전환시키면서 새로운 타깃 규명에 들어갔다. 사노피 역시 인공지능 기술을 이용해 대사질환 분야에서 이중특이적인 저분자 제제를 발굴,검증.디자인하기로 영국 엑스사이언티아와 협력했다. 이밖에도 테바는 IBM 왓슨을 통해 기존 의약품 가운데 묻혀 있던 새로운 약효를 찾는다는 계획이다.
뿐만 아니라 AI는 임상시험 디자인과 의사 결정을 개선시키는데 이용될 수도 있으며 이를 통해 환자 모집.등록, 유지, 모니터링, 경과 예측 및 조정 등에 도움이 될 것으로 기대된다. 대표적으로 아스트라제네카가 영국 종양학 센터와 협력해 만든 아이디사이드라는 임상 정보 플랫폼은 1~2상 임상시험의 안전성 효과 데이터를 빠르게 이해할 수 있는 형식으로 분석해 신속하게 3상 진행할 수 있도록 도와 개발에 드는 시간과 비용을 절감해 줄 수 있도록 해 준다.
일본 쥬가이도 임상시험에 참가하는 사람의 선정기준과 투여경과를 관찰하는 스케줄을 AI가 자동적으로 설계하는 방법을 2018년 도입한다. 과거 임상실적을 토대로 성공률이 가장 높게 예측되는 방법을 제안한다는 계획이다. 시오노기 또한 2018년부터 AI를 활용해 임상데이터 해석프로그램을 거의 자동적으로 작성하고 기술자 작업량을 30% 줄이기로 했다. 아스텔라스는 미국에서 신약판매 후 사용데이터 등을 AI로 분석해 약물 병용 등에 따른 부작용 가능성을 신속하게 판정하는 시스템을 시범 도입했다. 더불어 일본의 제약사들 역시 신약후보 발굴에 AI를 속속 도입하고 있다. 에자이는 AI를 활용해 유망 화합물을 몇시간만에 선별하는 시스템을 도입, 실험실내에서 후보물질을 세포와 반응시키고 세포의 화상으로부터 원하는 변화를 보이는 것을 AI를 통해 몇시간만에 선별한다. 다케다도 AI를 활용해 유전자정보를 해석하는 바이오벤처의 영입을 노리고 있다.
더 나아가 일본은 교토대와 제약·IT관련기업 등 약 70개사로 구성된 공동연구체로 신약개발용 AI 개발에 착수, 1개 제제 당 1000억엔이 넘는 개발비를 반감시키는 목표를 세웠다. 즉, 신약에 관한 논문과 이화학연구소 등이 보유하는 환자 임상데이터 등 정보를 AI에 입력하고 신약후보물질을 탐색해 앞으로 3년간 20종류의 AI를 완성키고 제약사들의 신약개발에 활용토록 할 계획. 특히 정부도 이 프로젝트에 5억엔(약 51억원)의 연구비를 지원하기로 했다. 이에 따라 AI가 본격 도입되면 일본제약공업협회는 통상 한 개의 신약을 만드는데 소요되는 기간을 종전 10년에서 3~4년으로, 또 1천200억엔 가량 소요됐던 개발비용을 절반으로 줄일 수 있을 것으로 기대하고 있다.
월스트리트 저널은 AI 개발과 관련해 거둬진 일부 초기 소득의 예로 J&J가 이미 대다수의 프로젝트에 AI를 활용하고 있다고 소개했다. 즉, 전임상 데이터 세트 등 다양한 데이터 소스로 훈련받은 AI는 실험실에서 어떤 제제를 만들고 검사할지 더욱 잘 선택할 수 있게 해 주고 어떤 제제가 독성 영향이 있을지나, 예상치 못하게 선호될지에 관한 신호를 줌으로써 성과 개선에 상당한 도움이 됐다는 설명이다. 아울러 독일 머크 또한 컴퓨터-시각 소프트웨어로 2개의 약을 개발했다. 머크는 세포와 조직의 영상을 분석하고 유전 및 화학 정보에 관한 공공 데이터베이스로부터 통찰을 이끌어내는 AI 시스템을 이용했다.
다만 제약 연구개발을 위해 AI가 극복해야할 점으로 데이터 세트가 분화되고 호환이 불가능하게 저장된 경우가 많아 서로 조화시키는데 상당한 노력이 필요하며 근래 세계적으로 사이버공격 발발한 가운데 데이터 프라이버시 우려가 지적됐다. 또한 포브스도 AI의 역할에 대해 R&D 노력을 최적화 및 가속화시키고 약물발굴 초기 단계에서 시간과 비용을 최소화시키며 개발 말기 시험에서도 독성 및 부작용 위험 가능성을 예측하는데 도움이 된다고 정리하는 한편, 여전히 성과에 대한 입증이 필요한 단계이며 데이터 자체가 화학적 합성, 실험 및 시험 등을 대체할 순 없다고 덧붙였다.