인공지능을 이용한 신약개발

평균 10년  1조 원의 비용이 일반적으로 알려진 신약개발에 드는 기간과 비용이다.

 

이렇게 막대한 시간과 비용이 드는 이유는 무엇인가.

신약 후보 물질을 찾는데 상당한 시간과 비용이 투입되기 때문이다.

 

하지만 천문학적인 시간과 비용을 들여도 정작 성공 가능성은 매우 적다.

때문에 신약 개발은 흔히들 복권에 당첨되는 것과 비교되기도 한다.

 

그래서 업계 관계자들은 늘 이런 고민에 빠지게 된다.

신약개발에 드는 시간과 비용을 획기적으로 줄이는 방법은 없을까 하는 것이다.

 

그리고 최근  급부상하고 있는 대안에 주목하게 됐는데 바로 인공지능이다.

그렇다면 신약개발에 있어 인공지능은 어떻게 사용되는가에 대해 알아보기로 한다.

 

신약개발의 핵심은 얼마나 유효한 개발 후보를 선정하느냐에 달렸으며 이를 찾아내기 위해서는 간편하고 신속하며 정확한 검색법이 필요한데 바로 여기서 주목받는 것은 '인공지능 기계학습 딥러닝'이다.

 

즉 딥러닝을 통해 수백만 건의 논문과 임상 데이터를 순식간에 분석할 수 있기 때문에 신약개발에 드는 수많은 시간과 막대한 비용이 획기적으로 감소할 것으로 기대하고 있다.

 

 

그런 기대 속에 딥러닝 인공지능 네트워크 기술을 활용해 분자들의 화학반응과 생물적 반응을 예측하고 주요 질병을 치료할 신약개발 시스템을 개발했다.

 

미국 샌프란시스코에 본사를 두고 있는 Atomwise가 개발한 Atomnet은 의료연구와 신약개발을 위해 새로운 화합물질을 설계하고 시뮬레이션하는 인공지능 시스템이라고 소개됐다.

 

그렇다면 Atomnet은 어떠한 활약을 할 수 있을까 기대가 된다.

 

암, 다발성 경화증, 에볼라 바이러스 등 심각한 질병과 관련된 과학적 원리를 밝혀내고 이러한 질병에 효과를 보이는 신약을 테스트 해 어떻게 작용하는지 확인할 수 있다.

 

뿐만 아니라 사람이 실행하기에 불가능한 횟수의 연구를 단시간에 진행할 수 있기 때문에 새로운 발견을 이끌어 낸다는 가능성에서 대단히 혁신적이라고 할 수 있다.

 

더 이상 쥐나 침팬지 등 동물을 이용한 잔인한 임상실험을 하지 않아도 되고 최종 단계인 사람을 대상으로 하는 임상시험만 거치면 된다는 장점도 있다.

 

Atomnet의 책임자 Kong Nguyen 박사는 이런 Atomnet의 가능성에 대해 속도만 빠른 것이 아니라 매우 높은 정확성이 장점으로 나타나며 천만 가지 화합물을 조합하고 테스트할 수 있어 가능성 자체는 거의 무한대라고 평가하고 있다.

실제로 영국의 한 제약회사는  Atomnet을 이용한 다발성 경화증과 에볼라 바이러스 퇴치에 필요한 신약을 개발한 바 있고 현재 임상 시험을 위해 일부 심사를 거치고 있는 단계라고 알려져 있다.

 

이렇듯 세계 다수의 기업들은 신약 개발에 인공지능 기술 개발 도입을 활발히 하고 있으며 미국 스타트업 투사는 신약 후보 물질을 식별하고 기존 연구 결과를 이용하여 가치와 리스크를 평가하는 인공지능 기반의 플랫폼을 제공하고 있다.

 

이를 통해 유전자 발현, 단백질 상호작용, 화학구조, 임상 데이터 등을 포괄적으로 활용한 신약 발굴의 가능성을 열었다.

 

뿐만 아니라 일본의 제약기업 산텐은 투사의 플랫폼을 이용해 녹내장 신약을 개발 중에 있고

다국적 기업 화이자는 IBM의 인공지능 왓슨을 이용해 신약개발을 추진하고 있다

.

 

존슨 앤 존스의 자회사인 얀센 역시 영국의 인공지능 스타트업 베네 볼란트 AI와 신약 후보물질에 대한 독점 라이선스를 체결 한 바 있다.

 

우리 주변에는 희귀병으로 고생하며 치료제가 없어 고통받으며 죽음으로 내몰린 사람들이나 약이 있어도 값이 너무 비싸 치료는 엄두조차 내지 못하는 의료 사각지대가 많다.

 

이런 현실 속에서 연구 시뮬레이션 인공지능을 신약개발에 도입하면 희귀 의약품 가격을 빠르게 낮출 수 있고 이러한 변화는 미래의 의료 사각지대에 놓인 사람들에게 새로운 희망이 될 수 있을 것이다.

 

그리고 비싼 로열티를 내고 적은 양의 약을 수입하는 우리나라와 같은 국가들에게는 인공지능 시스템의 도입으로 의료 선진국으로 도약할 수 기회도 열릴 것이다.