예측 모델 지속 등장…대형제약사 중심의 생태계 탈피 가능성↑
AI를 통해 신약의 개발 시계를 한단계 끌어올렸던 신약의 '설계로'가 최근에는 각 단계에서의 예측모델 개발로 보다 단축된 형태로 진화되는 것으로 나타났다.
후보물질 개발 이후 전임상과 임상 단계에서 확인됐던 생리활성, 독성확인 등이 후보물질 탐색과정에서 진행돼 신약의 성공가능성을 높이고 있다는 평가다.
한국전자통신연구원은 지난 14일 발간한 '신규 약물 설계를 위한 인공지능 기술 동향(한영웅 의료정보연구실 책임연구원, 정호열 책임연구원, 박수준 디지털바이오의료연구본부 책임연구원)을 통해 "독성이나 약물 동태 등을 신약 설계 단계부터 고려할 수 있다면, 후보물질들의 낮은 탈락률과 신약 개발 기간의 단축을 기대할 수 있다"면서 "최근 연구들에서는 타겟 결합 특성이나, 전임상/임상에서 평가되는 약물 특성들을 신약 설계단계에서 미리 고려해 승인 가능성 높은 신약 후보물질을 발굴하려는 연구들이 발표되고 있다"고 전했다.
보고서에 따르면 현재 인공지능 기반 신약 설계는 ▲화합물의 분자 구조를 인공지능에 입력할 수 있는 형태로 나타내는 표현 모델링(Representation of Molecules) ▲기존 화합물의 특징을 학습해 새로운 화합물을 만들 수 있는 생성 모델(Generative Model) ▲화합물의 물리화학적/약리학적 특성 및 생리학적 활성값을 정량화할 수 있는 예측 모델(Predictive Model) ▲생성 모델과 예측 모델을 동시에 최적화해 원하는 특성을 갖는 최적의 신규 약물 후보군을 도출할 수 있는 최적화 기술(Optimization) 등이 있다.
이밖에도 신규 약물 후보군 생성기술, 특성 정량화 예측기술, 생성모델과 예측 모델의 손실값을 통합한 최적화 기술 등이 인공지능을 기반한 신약 개발절차로 자리 잡고 있다.
보고서는 "초기의 인공지능 기반의 신약 설계는 전통적인 화합물 라이브러리 기반 스크리닝을 대체하는 역할을 수행할 뿐 전체 신약 개발 프로세스에 변화를 가져오지는 못했다"면서 "하지만 최근 연구들에서는 타겟 결합 특성이나 독성과 같은 신약 설계 이후의 단계들에서 평가되던 특성들을 신약 설계 단계부터 고려해 후보물질들의 탈락 가능성을 현저히 낮추고 신약 개발의 효용성을 제고하려 하고 있다"고 전했다.
그러면서 "최근에는 화합물의 분자 구조를 이용해 타겟과 결합을 예측할 수 있는 인공지능 기술들이 발표되고 있고, 예측된 타겟 결합 친화도를 신약 설계에 활용하는 연구도 수행되고 있으므로 가까운 미래에는 신약 설계 단계에서 타겟과의 결합을 고려한 후 보물질의 발굴이 가능할 것으로 예상된 보고서는 최근 딥러닝(Deep Learning)과 같은 인공지능(AI, Artificial Intelligence) 기술의 발달과 알려진 화합물 분자 구조에 대한 데이터의 지속적인 증가로 신약 개발 분야에서도 인공지능 기술이 빠르게 도입되고 있다"고 설명했다.
이어 "최근에는 약물 동태나 독성에 대해서 기계학습이 가능할 정도의 데이터를 모을 수 있는 환경이 갖춰졌기 때문에, 이를 이용한 예측 연구가 진행되고 있다"면서 "가까운 미래에는 전임상/임상에서 검증되는 약물의 특성들을 신약 설계 단계부터 고려하여 후보 물질을 발굴할 수 있을 것으로 예상된다"고 내다봤다.
보고서는 "인공지능 기술의 발전을 통해 가까운 미래에는 적중률 높은 신약 후보물질을 효과적으로 발굴할 수 있게 됨에 따라 연구 개발 비용을 획기적으로 절감해 중소업체들의 진입장벽을 낮춤으로써 대형 제약회사 중심의 기존 관련 산업 생태계를 탈피하고, 이에 따라 자연스러운 시장 경쟁을 유도함으로써 의료 비용이 감소될 수 있을 것"이라고 전망했다.
