AI 기반 신약 개발 과정과 개발사례, 미래 전망

AI 기반 신약 개발 과정과 개발사례, 미래 전망

전통적인 신약개발 과정은 매우 많은 비용이 들고 시간적으로도 신약 개발에 평균 10~15년이 걸리고, 수십억 달러의 비용이 소요되는 복잡한 과정이다. 그러나 인공지능(AI)의 발전으로 인해 신약 개발의 패러다임이 변화하고 있다. AI를 활용하면 실험의 수를 줄일 수 있고, 과거 데이터를 바탕으로 실패 확률을 줄일 수 있으며, 개발 주기를 크게 단축할 수가 있어서 전체적인 신약 개발 비용을 크게 절감할 수 있다. 이로 인해 많은 바이오 기업들이 더 많은 자원을 효율적으로 이용할 수 있게 되었다. 또한 AI는 축척된 데이터를 통해 정밀한 예측이 가능하고 이것은 곧 약물의 효능과 부작용을 사전에 평가할 수 있게 한다. 이런 예측 모델은 인체에 미치는 영향까지 시뮬레이션하여 임상 시험전에 발생 가능한 문제를 사전에 찾고 해결 할 수 있도록 도와준다. 이것은 곧 임상 시험 성공율을 높이는 결과를 가져온다. 이런 AI를 이용한 장점으로 최근 몇 년간 글로벌 제약사와 바이오테크 기업들이 AI 기반 신약 개발을 적극적으로 도입하면서 실제로 임상 단계에 진입한 AI 개발 신약 사례도 등장하고 있다. 과연 AI가 신약 개발 과정에서 어떻게 활용되는지, 그리고 실제 사례를 통해 AI 기반 신약 개발의 가능성을 살펴보자

1. AI 기반 신약 개발 과정

신약개발 과정은 크고 작은 과정을 모두 합치면 크게 8가지 과정을 거친다. 먼저 문제를 정의하여 목표를 설정하고 데이터 수집를 수집하여 이것을  AI 모델을 선택 및 학습을 시킨다. 이 과정을 통해 신약 후보 물질을 뽑아 내고 실험과 검증을 거치면서 임상시험과 승인/출시의 과정을 거친다.AI는 상대한 방대한 생물학적 데이터를 분석하여 질병과 관련된 유전자 및 단백질을 신속하게 식별할 수 있으며 이것은 기존 연구보다 훨씬 빠르고 정확하게 신약 타겟을 발굴할 수 있도록 도와준다. 문제 정의 및 목표 설정 단계는 해결하고자 하는 질병과 상태를 정의하고 목표를 설정한다. 이 과정에서는 병리학적 메커니즘, 현재의 치료법과 한계를 명확하게 이해하는 것이 중요하다. 데이터 수집 및 전처리 단계는 신약 개발을 위해 필요한 생물학적, 임상학적, 화학적인 데이터를 수집하는 단계이다. 이 과정에서 빅데이터가 사용되고 있으며 데이터의 양과 질이 매우 중요하다. 양질의 데이터가 곧 좋은 예측과 결과를 가져올 수 있기 때문이다. 수집된 데이터는 전처리 과정을 통해 AI가 학습할 수 있는 형태로 변환된다. AI 모델을 선택하고 학습시키는 단계는 데이터를 분석하고 예측하기 위해 적합한 AI 알고리즘을 먼저 선택한다. 일반적으로 딥러닝 및 기계학습 모델이 많이 사용된다. 이 선택된 모델은 수집된 데이터를 바탕으로 학습하여 신약 후보 물질의 효능 및 안정성을 예측할 수 있게 된다. 신약 후보 물질 도출은 위의 학습된 AI 모델을 통해 적합한 후보 물질을 도출하는 단계이다. 수많은 화합물을 가상으로 테스트하여서 효과가 있을 것으로 예상이 되는 후보 물질을 도출하는 것이다.이 과정에서는 신약 후보 물질의 구조와 이 물질이 타겟팅하는 단백질 간의 상호 작용을 예측한다. 실험 및 검증의 단계, AI 학습을 통해 도출된 신약 후보 물질을 실제 실험을 통해 검증을 하는 단계이다. 이 단계에서는 생물학적 실험과 동물학적 실험등으로 후보 물질의 효과와 부작용을 시험하게 된다. 임상 시험 단계는 실험 단계에서 좋은 결과가 나온 후보 물질을 가지고 임상 단계에 들어가게 된다. 임상 시험은 1상, 2상, 3상으로 나뉘어지며 각 단계에서 신약의 안정선과 효능, 최적 용량 등을 평가하게 된다. 승인 및 출시는 임상 시험이 성공적으로 완료가 되면 규제 당국의 승인을 받아서 신약을 출시하게 된아. 이 과정에서 신약의 생산, 마케팅, 배포 계획도 수립되는 등 본격적으로 출시를 위한 준비까지 하게 된다. 모니터링 및 피드백, 임상에서 성공하여 통과를 하였더라도 임상이 모든 결과를 대표하지는 못한다. 임상에서 놓친 부작용이 나타날 수도 있기 때문에 출시 이후에도 신약의 효과와 부작용을 모니터링하면서 수집된 피드백을 바탕으로 개선점을 도출하여 성능을 개선하게 된다. 이 과정을 통해 신약의 장기적인 안정성과 효능을 지속적으로 평가하게 된다.

 

2. AI 기반 신약 개발 사례

1) 인실리코 메디슨(Insilico Medicine) – 최초의 AI 설계 신약

인실리코 메디슨은 2014년에 설립되었다. AI를 활용하여 신약을 설계하는 대표적인 바이오테크 기업이다. 이 회사는 2019년 AI를 이용해 46일 만에 신약 후보 물질을 도출했으며, 이후 실험을 통해 폐섬유증 치료제를 개발했다. 기존 방식으로는 수년이 걸릴 작업을 AI를 통해 단기간 내에 완료한 것이다. 인실리코 메디슨은 AI를 활용한 신약 개발에서 여러 중요한 성과를 이루어내었다. 특히, AI가 설계한 신약 후보 물질이 임상 시험 단계에 진입한 사례가 있다. 만성 폐 질환인 특발성 폐섬유화증(IPF)을 치료하기 위해 AI가 개발한 치료제 'INS018_055'는 임상 2상 시험에 도달하였다. 이는 AI가 신약 개발에 실질적으로 기여할 수 있음을 보여주는 중요한 이정표가 되었다. Harbour BioMed와의 협력을 통해 AI 기반 항체 발견 및 개발을 진행하고 있으며, Tenacia Biotechnology와의 협력을 통해 중추신경계(CNS) 치료제 개발을 위한 연구도 함께 진행하고 있다.

2) 엑스사이언스(XtalPi) – 양자물리와 AI를 활용한 신약 개발

엑스사이언스(XtalPi)는 AI와 양자물리학을 결합하여 신약 개발을 진행하는 기업이다. 이 회사는 AI를 활용해 신약 후보 물질의 물리적 특성을 정밀하게 예측하고, 분자 결합력을 분석하는 기술을 보유하고 있다. 이 방식으로 기존 방식보다 신약 설계 과정이 빠르고 정교해졌다. Centaur Chemist라는 플랫폼은 AI를 활용하여 신약 후보 물질을 설계하고 최적의 화합물을 도출하는데 사용된다. Centaur Biologist 플랫폼은 AI로 생물학적 데이터를 분석하고 신약 후보 물질의 효능과 안정성을 예측하는데 쓰이고 있다. 엑스사이언스는 글로벌 제약 회사인 사노피(Sanofi)와 협력하여 AI를 활용한 신약 개발도 진행을 하고 있다. 이 협력을 통해 엑스사이언스는 사노피의 연구 데이터를 활용하여 신약 후보 물질을 도출하고, 신약 개발의 효율성을 극대화하고 있다.

3) 바이오엑스셀 테라퓨틱스(BioXcel Therapeutics) – 정신 질환 치료제 개발

바이오엑스셀 테라퓨틱스는 AI를 활용하여 정신 질환 치료제를 개발하는 바이오 기업이다. 이 회사는 자체적인 AI 플랫폼을 보우하지 않고 있으나 BioXcel Corporation의 Novare AI 기술을 라이선스 형태로 활용하고 있다. 이 플랫폼은 2,000만개 이상의 과학 논문과 임상 데이터를 AI로 분석하여 약물과 적응증에 대한 매칭을 최적화 한다. 이것은 신약 개발의 초기 단계를 크게 단축할 수 있는 효과를 가져온다. 바이오엑스셀 테라퓨틱스사의 경우도 AI가 설계한 신약 후보 물질이 임상 시험 단계에 진입한 사례가 있다. 정신분열증 및 양극성 장애의 급성 초조 증상을 치료하기 위한 IGALMI는 FDA 승인을 받았으며, BXCL501의 가정 내 사용 확대와 BXCL701의 임상 연구를 통해 지속적으로 신경과학 및 항암 치료 분야에서 회사의 입지를 다지고 있다.

3. AI 기반 신약 개발의 미래 전망

AI 기반 신약 개발은 여전히 발전 중이지만, 앞으로 더욱 활발히 활용될 것으로 예상된다. 특히, AI는 다음과 같은 방식으로 신약 개발의 효율성을 높일 것이다. AI를 기반으로 하는 신약 개발은 기존에 10~15년이 걸리던 신약 개발 과정을 2~5년으로 단축하는 것이 가능하게 할 것이다. 개발 비용도 실험실 실험과 임상 시험을 최적화하여 수십억에 달하는 비용을 절감할 수 있다. 또 AI는 환자 개인의 유전자 정보를 분석하여서 맞춤형 신약을 개발하는데도 활용될 것이다. 유전학과 AI의 멋진 결합이라고 할 수 있다. 이를 통해 희귀 질환에 대한 신약 개발에 큰 희망을 줄 수 있으리라 본다. 또한 기존 연구에서는 찾기 어려웠던 새로운 치료법과 약물 적응증을 발견할 수 있는 가능성도 높다고 보여진다. 향후 AI 기술과 생물학적 연구의 융합이 더욱 심화될 것으로 예상된다. AI를 활용하여 단백질 구조를 예측하고, 이를 바탕으로 신약 후보 물질을 설계하는 기술이 발전할 것이다. 또한, AI를 통해 유전자 편집 기술인 CRISPR을 활용한 맞춤형 치료법 개발도 가능해질 것으로 보여진다. 앞으로 AI 기술이 발전하면서 신약 개발의 혁신적인 변화가 가속화될 것으로 보인다. AI가 제약 산업에서 더욱 중요한 역할을 하게 됨에 따라, 제약사와 바이오 기업들은 AI 기술을 적극적으로 도입하고 있으며, AI 기반 신약 개발이 향후 바이오 산업의 핵심 트렌드로 자리 잡을 것으로 예상된다. 로봇공학과 결합을 하게 되면 신약개발의 자동화도 가능해진다. 로봇이 실험실에서 다양한 실험을 수행하고 AI가 그 결과를 분석해서 후보 물질을 도출하는 시스템 구축이 가능해 질것이다.