인공지능이 신약개발 고효율 시대를 열다 > News Insight

   생소하든 인공지능이란 용어가 이 세돌 9단과 인공지능 알파고간의 바둑게임에서 1:4로 완패한 2016년 3월부터는 놀라움과 동시에 국민적 관심이 크게 고조되었다. 바둑의 황제 커제 9단을 0:3으로 압승한 알파고 마스터가 개발된 2017년 5월 이후, Nature지(2017.10)에는 인간이 만든 바둑게임 결과를 기계 학습한 이전까지의 알파고와는 달리, 바둑의 기초 게임 원리를 스스로 학습하는 “알파고 제로”를 발표하면서 더 이상 인공지능 알파고와 인간간의 바둑대회는 무의미하게 되었다.

인공지능이 대중적으로 알려진지 불과 2년이 지닌 지금은 시장규모가 급속도로 커지고 있고 투자 펀딩(Funding)규모도 2016년 6월에 1조 1천억 원($ 975M)에 도달하면서 특허신청 건수도 크게 증가하고 있고 투자규모는 더욱 커질 것으로 예상한다. 인공지능 소프트웨어 시장 규모만도 2017년에 101.1억$ (IDC 2017)이고 연평균 성장률(CAGR)은 41.4%로 2022년까지는 570.8억$에 달할 것으로 예측하고 있다. 소프트웨어를 시작으로 인공지능을 활용한 개인 로봇 시장만 해도 2020년까지 20조원($17.4bn)에 도달할 것으로 예상되어 인공지능의 시장 확장 효과는 지대한다.

인공지능의 산업적 활용은 의료,식품,화학,건축,금융,제조,에너지,보안등 모든 산업의 생산성 향상과 더불어 기술 및 산업 혁신촉발을 유도하여 미래 산업의 주역이 되고 있다. 지금까지 전통적이고 비효율적이어서 성공확률이 낮은 신약개발에도 인공지능 기술을 활용하여 효율성과 생산성을 혁신시키는 방향으로 발전하고 있다. 

  신약개발에 평균 15년의 기간과 17.8억 US$의 비용(Nature Reviews, Drug Discovery, 2010)이 필요하고 약 5년 정도의 연구로 발굴된 후보물질 10,000개중 1개가 시판될 정도의 확률을 가지어 신약개발 R/D생산성은 지극히 낮아서 투자 위험성이 아주 높은 연구 산업 분야이다. 하지만 인공지능을 이용하면 개발기간과 R/D자금을 줄이고 신약개발 생산성을 향상시킬 수 있을 뿐만 아니라 약물의 효과와 부작용을 예측하여 주 타깃으로 한 질병뿐만 아니라 새로운 질병에 적용가능성을 가지게 되어 부가적으로도 성공확률을 높일 수 있다.

 최근 Benches사는 2018년 6월 현재, 구축된 데이터를 기반으로 기계학습(Machine Learning)한 인공지능으로 신약개발에 활용하는 Startup이 전 세계에 86개사로 크게 증가했다고 보고한다. 이들 Startup들은 ①정보의 통합 및 합성, ②질병기전 이해, ③데이터 모델생성, ④기존 의약품 리포지셔닝, ⑤신규후보물질 도출, ⑥후보물질 검증, ⑦의학 디자인, ⑧전 임상 실험설계, ⑨전 임상 실험실행, ⑩임상 디자인, ⑪임상 시험대상자 선정, ⑫임상 시험최적화, ⑬데이터 공개에 이르는 총 13개 연구신약개발 연구 분야에 대한 인공 지능화를 추진하고 있다.

 현재 이중 기업이 가장 많이 참가하는 분야는 정보통합 및 합성분야(14개 기업)와 신규후보물질 구축 분야(28개 기업)이다. 우리나라도 기존 의학물질의 새로운 용도 개발이 가능한 리포지션닝(Repurpose Existing Drugs)분야에 스탠다임(Standigm) 과 약물예측 모델 개발하는 신테카바이오(Syntekabio) 두개사가 신약개발에 인공지능을 개발 및 활용을 연구하고 있다.

인공지능 Startup들은 28개의 글로벌 제약사와 협력하여 실제적 신약개발의 효율성을 높이고자 협력을 하고 있고, 점차 효율적 신약 개발을 위해서 인공지능 업체와의 협력이 증가되고 있는 추세이다. 대표적인 7개 글로벌 제약사의 협력 예를 소개하면, AstraZeneca사는 인공지능Startup Berg Health와 신경계 질환치료제, Astellas사는 Startup Biovista와 기존 의약물질의 용도변경(리포지셔닝), Bechringer Ingelheim사는 Startup Numerate와 전염병에 대한 저분자 의약품 개발하고 있다, 인공지능을 신약개발에 현재 가장 많이 활용하고 있는 GSK(GlaxoSmithKline)사는 Startup Exscientia, Insilico Medicine사와 주로 신규 저분자 의약품 개발 및 디자인, 신규 Biomarker 연구에 협력하고 있다.

Merck사는 Startup Numerate와 심혈관 질환 저분자 치료제, Atomwise와는 비밀 과제를 추진하고 있고, Pfizer는 IBM Watson과 면역 항암치료 신약연구를 하고 있다. Sanofi는 Startup Exscientia와 당뇨병 동반 질환을 위한 이중특이성 저분자물질 개발과 Berg Health와는 독감백신 개발을 위한 바이오마커 개발을, Recursion Pharmaceuticals과는 리포지셔닝 기술로 유전질환에 대한 Sanofi 보유물질의 탐색을 하고 있다. 

 실제적으로 인공지능을 이용하여 신약 개발을 하는 글로벌 기업이 2018년 6월 현재 28개사나 된다는 사실(BenchSci, 28 Pharma companies using AI in Drug discovery, 2018.6)은 이미 인공지능을 신약 개발에 실제적으로 사용하고 있다는 것이다.  GSK는 인공지능을 이용해서 평균 5-6년 걸리는 신약 후보물질 발견을 1년으로 줄이고 비용도 약 ¼로 줄일 수 있을 것으로 기대하고 있다. 또한, 미국의 바이오벤쳐 AtomWise가 개발한 AtomNet를 활용하면 하루에 100만 개의 화학물질을 선별하여 신약후보물질 발굴에 획기적으로 시간을 단축시킬 수 있다.  

 특히, 신약개발 연구단계를 전문적으로 13개 단계로 구분하여 86개의 Startup사가 분야별 글로벌 제약사들과 협력하고 있는 것은 매우 바람직하고 긍정적이다. 신약개발의 초기 단계인 ①정보통합, 합성에서 ⑤신규 후보물질 도출까지의 초기 5단계에 57개 Startup이 참여하고 있고, 중기단계인 ⑥후보물질 검증에서 ⑩임상 실험디자인까지의 6-10단계에 참여하는 Startup은 19개이고, 마지막 말기단계는 ⑪임상시험 대상자 모집에서 ⑬데이터 공개의 3단계에 참여하는 Startup은 10개 회사가 분포되어 있다.

 초기단계에는 전체 인공지능 Startup중 69%가 참여하여 가장 많은 숫자의 Startup이 광범위한 범위의 신약 후보물질 도출에 협력을 하고 있고, 마지막 3개 단계에는 11%의 Startup이 참여하고 있어서, 대부분의 글로벌 제약사들은 초기단계에 협력에 집중하고 있다. 신약개발 분야의 우리나라 인공지능 Startup인 스탠다임(Standigm)은 시스템 생물학기술과 인공지능기술을 접목하여 기존에 개발된 의약품이나 임상단계에서 안전성이 검증된 물질을 이용하여 새로운 약물용도를 찾아내는 약물 용도변경(Repositioning)에 주력하고 있고 신약의 효율성과 성공확률을 높이는 “솔루션”을 2018년 까지 출시할 예정이다. 또한 신테카바이오는 유전체 BigData기반 인공지능 Platform중 하나인 CDRscan(암 의약반응 스켄)을 개발하여 Scientific Reports(2018.6)에 보고한 바가 있다.

 국내의 인공지능 Startup은 우리나라 AI기업 현황조사보고서(Ver 1.01, 2017.6)에 의하면 총 22개소로 이중 6개가 의료관련 업체로 네오펙트(Neofect, 스마트 재활솔루션), 뷰노 코리아(VUNO, 딥러닝 기반 의료데이타SW, 폐CT, 소아 골 연령판독), 토보큐브(Tomocube, 의료용 3차 입체 현미경, 암,당뇨 조기진단), 스탠다임(Standigm, 신약), 루닛(Lunit, 데이터기반 영상 biomark), 비트파인더(Bitfinder, 내부센서로 습도,CO2, 미세먼지 관리로 알레르기 질환 관리)가 있고 2018년 최근 신테카바이오 추가되어 총 7개 회사이다. 

  미래 산업 발전에 비추어 인공지능의 국가 산업적 중요성은 충분히 인지하고 있지만, 국가별 특허 수(Bio Economy Report(2017.6), 한국바이오협회)는 일본이 595개, 미국이 203개, 독일 70개, 우리나라는 36개인데, 우리는 모두 삼성 1개사에서 보유하고 있다. 또한, 기업의 62%가 2018년까지는 인공지능 서비스를 상용화(Narrative Science)할 계획이어서 수요가 큰 고성장 분야이지만, 우리나라 인공지능 전문 인력은 인공지능 SW분야만 보더라도 2018년 소요인력은 1,695명인데 비해 실제 공급 가능한 인력은 53%인 893명(월간 SW중심사회, 2018.4, 소프트웨어정책연구소)에 불과하여 가야 할 길이 바쁘기만 하다.

국내의 인공지능 산업은 인력이나 투자 면에도 외국에 비해 격차가 커고 우선은 Startup기업의 수 자체가 너무 적어서 인공지능에 기술적 경쟁력 있는 창의적 기업의 창업은 정말 중요하다. 

   기존기업에서의 새로운 일자리 창출은 정체되어 있는 반면 인공지능과 같은 고성장 기업이 일자리 창출에 기여도가 커다는 것은 이미 잘 알고 있다. 미국의 경우는 5%의 고성장기업이 신규 일자리에 2/3을 창출하였다는 보고(Kauffman Foundation, 2010)와 영국은 2002년 2008년 사이 6%의 고성장 기업이 신규 일자리 54% 창출하였다는 보고(NESTA 2009)에서 보는바와 같이 고성장 기업에 대한 창업에 각별한 노력이 필요하다. 

  끝으로, 제약업계에서의 신약개발은 대표적인 High Risk, High Return 이었는데, 어쩌면 Medium Risk High Return으로 만들어 줄 수 있는 꿈의 길을 인공지능과 같은 4차 산업 기술에서 찾을 수 있을 것으로 예상되고 있다. 인공지능은 신약개발에 지금까지 문제시 되던 속도, 시간 비용의 장애물을 뛰어넘는 뜀틀이 될 수 있을 것이고 이 분야도 기초 원리를 스스로 학습이 가능한 인공지능이 개발된다면 문제시되는 인류의 질병을 획기적 치료가 가능하게 될 것이다. 만약에 규제 요인이 빨리 해결되고 민간의 투자가 확대되면서 인공지능 분야의 창업이 가속화한다면 현 사회에 가장 큰 어려움인 일자리 문제도 쉽게 해결해 나갈 수 있을 것으로 예측한다. <ifs POST>