바이오인

AI 신약개발, 무엇이 가능하고 무엇이 한계인가?

BioINwatch(BioIN+Issue+Watch): 24-78

◆︎ AI 기술의 빠른 발전과 함께 신약개발의 패러다임이 실험에서 빅데이터 기반의 분석·예측·설계 중심으로 빠르게 변화

○ 빅테크기업(구글, NVIDA)이 AI 신약개발에 투자를 확대하고 있으며 글로벌 제약사도 AI 신약 및 IT 기업과 협력하며 AI를 본격적으로 도입하기 시작

※ 2024년 노벨 화학상은 AI로 단백질 구조를 예측 및 설계할 수 있어 신약개발 및 생명과학 발전에 크게 기여한 3명의 과학자가 수상

○ 이러한 상황에서 “AI가 개발한 약물이 과연 효과적일까?”라는 질문이 제기되는 가운데 지난 10년간 AI가 발굴한 약물의 효과를 분석한 리뷰 논문*을 BCG(보스턴컨설팅그룹)에서 발표

* Drug Discovery Today, How successful are AI discovered drugs in clinical trials?, 2024.6

- 이 논문에서는 공개된 DB를 활용해 116개 AI 신약개발 기업의 파이프라인에 대한 데이터를 수집하여 분석

- AI가 신약개발 프로세스에서 어떤 강·약점을 보유하고 있으며 향후 어떻게 발전된다며 더 효율적일지 논의하는 계기를 마련

○ AI는 생물학적 데이터를 기반으로 타겟 물질 발굴, 약물 탐색·설계에 적합한 알고리즘을 개발하여 기존의 신약개발 프로세스*를 획기적으로 단축하여 비용을 크게 절감

- 기존의 신약개발 프로세스: 10∼15년, 1∼2조원, 0.01%의 성공 확률

* 전통적 신약개발 프로세스는 타겟 발굴(1~2년) → 후보물질 발굴·최적화(3~4년) → 전임상(1~2년) → 임상(6~7년)으로 평균 10~15년의 긴 시간과 평균 1~2조원 이상의 비용이 소요되며, 약 1만 개의 후보물질 중 1개(0.01%)만이 신약으로 출시

※ Insilico Medicine은 타겟 발굴에서 전임상 후보물질 도출까지 소요되던 기존의 기간(5~6년)을 AI를 활용하여 18개월에 완료, 해당 약물은 현재 임상 2상에 진입

- 따라서 글로벌 제약사는 신약개발의 시간과 비용을 줄이기 위해 AI 기술을 활용한 디지털 혁신 협력을 확대하고 있으며, 미국 FDA에서도 AI 신약 승인 요청이 증가

○ 한편, 타겟 발굴에서 후보물질 도출, 임상시험 성공률 예측까지 End-to-End로 진화하는 생성형 AI 신약개발 플랫폼*과 클라우드 기반의 SaaS 플랫폼이 신약개발의 생산성을 크게 향상시킬 것으로 기대

* NVIDIA의 BioNeMo, 구글 딥마인드의 AlphaFold3와 AlphaProteo, IBM의 MoLFormer 등

- 이에 따라 글로벌 제약사들을 중심으로 대규모 AI 기반 협력(공동연구, 기술이전, 인수합병 등)이 크게 증가하며 AI 기술이 본격적으로 도입되기 시작

 ...................(계속)

☞ 자세한 내용은 로그인 후 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.