2016年 알파고가 이세돌 프로바둑 棋士 9段을 4勝 1敗로 이겼을 때 人工知能(AI)의 犯接할 수 없는 效用性이 立證됐다. 이를 어떻게 利用할지에 對한 問題가 話頭로 떠올랐다. 人間의 삶을 더욱 풍요롭고 이롭게 하는 데 使用돼야 한다는 命題에는 모두 同意하지만 어디에 活用해야 모두의 欲求가 充足될 수 있을까. 이에 最近 가장 注目받고 있는 分野가 바로 人間의 生命과 直結되는 新藥 開發이다. 

人間의 健康을 지키는 데 크게 寄與하는 블록버스터級 新藥 하나가 誕生하기란 모래沙場에서 바늘 찾기만큼 어렵다. 블록버스터級이 아니더라도 藥效를 認定받는 新藥 1個를 開發하기까지 通商 10~15年이 걸린다. 글로벌 製藥社의 硏究開發費 統計를 살펴보면 新藥 1個 開發에 한 해 10兆 원씩 들어가는 境遇가 많다. 

天文學的인 硏究開發費와 期間을 조금이라도 줄이려면 人工知能에 希望을 걸 수밖에 없다. 人工知能은 人間 數十 名이 數個月 동안 1000餘 篇의 論文을 읽어야 겨우 10餘 個 찾아낼 수 있는 新藥 候補物質을 單 하루 만에 찾아내기도 한다. 國內外 製藥業界가 人工知能에 거는 期待가 큰 理由다.

AI 新藥 開發, 拒否할 수 없는 世界的 趨勢

人工知能은 큰 範疇에서 머신러닝에 屬한다. 그 가운데 딥러닝(deep learning)이라는 神經網을 利用하는 머신러닝이 있다. 딥러닝은 여러 非線形 變換 技法의 組合을 통해 높은 水準의 抽象化를 試圖하는 머신러닝 알고리즘의 集合이다. 쉽게 말해 사람의 思考方式을 컴퓨터에게 가르치는 머신러닝의 한 分野다. 

딥러닝에서 가장 重要한 것은 데이터 學習이다. 알파고 事例에서 보듯이 一連의 補償을 極大化하는 方向으로 움직이도록 學習된 人工知能은 一定 回數의 經驗을 蓄積해 勝利를 導出한다. 2014年 구글의 人工知能 ‘딥마인드’는 클래식 게임 아타리의 ‘甓돌깨기’를 아무 事前知識 없이 畵面만 보고 4時間 동안 學習해 完璧하게 勝利下祈禱 했다. 



이런 學習過程은 新藥 開發에서도 必要하다. 一般的으로 新藥 開發의 細部過程은 情報 探索, 新藥 設計, 標的 發見, 前 臨床試驗 設計, 臨床試驗, 스마트 藥物 監視, 計量 藥理學, 新藥 開發 意思決定 等으로 나뉘는데 딥러닝은 모든 段階에 適用될 수 있다. 

이미 2016年부터 글로벌 製藥社들은 實驗的으로 人工知能 技術을 新藥 開發 週期에 맞게 活用해 硏究를 進行 中이다. 技術力을 인정받은 人工知能業體는 製藥社들과 共同硏究를 하고 있다. 認知컴퓨팅 시스템의 代名詞로 꼽히는 IBM의 人工知能 컴퓨터 왓슨(Watson)은 글로벌 製藥社 화이자, 테바 等과 손잡고 新藥 開發에 나섰다. 英國 人工知能 스타트업 베네볼런트AI(BenevolentAI)는 얀센, 美國 바이오 벤처企業 아톰와이즈(AtomWise)는 머크, MSD와 共同으로 新藥 開發을 進行하고 있다. 

日本도 2017年부터 國家的으로 人工知能 新藥 開發에 突入했다. 다케다藥品工業, 시오노機制約 等 製藥業體와 후지쯔, NEC 等 情報技術(IT) 企業 50餘 個가 文部科学省 傘下 科學技術硏究所人 理化學硏究所, 교토대 等과 함께 新藥 關聯 人工知能의 共同開發에 着手한 것. 이들은 各 企業과 硏究所, 大學에서 選拔한 硏究者 100餘 名을 모아 新藥 開發에 特化된 人工知能을 開發 中이다.

딥러닝 위해 데이터 蒐集 急先務

우리나라도 2017年부터 本格的으로 個別 製藥社들이 人工知能을 活用한 新藥 開發에 나섰다. 韓美藥品은 美國 IT 企業 메디데이터와 協力해 臨床試驗에 人工知能 플랫폼을 導入했고, CJ헬스케어는 國內 誘電體 分析 企業 신테카바이오와 免疫抗癌劑 開發을 위해 共同硏究를 進行하고 있다. JW중외제약은 自體的으로 傘下 C&C新藥硏究所에서 300餘 種의 癌細胞 遺傳 情報에 基盤을 둔 플랫폼 ‘클로버(CLOVER)’를 開發해 9種의 新藥 候補物質을 發掘했으며, 대웅제약은 蔚山科學技術院(UNIST)과 協約을 맺고 데이터 사이언스 力量을 結合한 新藥 開發에 總力을 기울이고 있다. 

現在 우리나라 製藥社들의 人工知能 新藥 開發 速度는 글로벌 製藥社들에 비해 크게 뒤지고 있지 않다. 글로벌 製藥社度 2016年부터 本格的으로 始作했기 때문에 우리나라 製藥社度 努力을 기울인다면 얼마든지 意味 있는 結果를 導出해낼 수 있다. 

이런 時點에서 무엇보다 重要한 것은 얼마나 많은 資料를 모으느냐다. 人工知能 技術은 學習을 통해 成長하는 만큼 데이터를 最大限 모아야 學習할 根據도 充分해질뿐더러 良質의 結果도 導出할 수 있다. 鑄鐵휘 世宗大 소프트웨어學科 敎授는 “지난해 製藥業界를 對象으로 需要 調査를 한 結果 全般的으로 ‘데이터 確保’를 時急한 事案으로 꼽았다. 新約과 關聯된 여러 國內 데이터뿐 아니라 公開된 글로벌 데이터 確保도 必要한 時點이다. 國內에서도 블록버스터級 新藥의 誕生을 期待하려면 데이터 蒐集이 先行돼야 할 것”이라고 指摘했다. 

또 人工知能 新藥 開發은 製藥會社 單獨으로 解決할 수 없는 課題다. 新藥 開發을 專門으로 하는 硏究者와 더불어 人工知能 技術을 硏究하는 開發者의 協業度 必須的이다. 現在 우리나라에는 傘下에 硏究所를 만들어 머신러닝 技術로 新藥을 開發하는 製藥會社가 더러 있다. 하지만 硏究開發에 더욱 速度를 내려면 人工知能 專門企業의 딥러닝 技術이 必要하다. 이미 글로벌 製藥社들은 自社 머신러닝뿐 아니라 여러 人工知能 企業과 新藥 開發 前 段階에 걸쳐 協業을 進行하고 있다. 

現在 우리나라도 製藥社와 人工知能 企業의 效果的인 協業을 위한 土臺 마련을 推進 中이다. 지난해 3月 韓國製藥바이오協會에서 人工知能新藥開發志願센터 推進團을 設立해 1次 17個社, 2次 7個社 等 總 24個 製藥社의 硏究者들과 함께 태스크포스(TF)팀을 꾸려 동아廣場意見 收斂을 통한 人工知能 新藥開發 生態系 造成을 하고 있다. 

또 韓國硏究財團에서 지난해 6月부터 1年 半 동안 示範事業으로 ‘바이오·醫療技術開發 事業 빅데이터/人工知能 基盤 新藥開發 플랫폼 構築事業’을 進行하고 있다. 旣存 硏究로 蓄積된 國內 데이터를 活用하고 韓國化合物銀行 保有 데이터 等을 모아 딥러닝을 통해 標準化한 뒤 分析, 視覺化하는 시스템을 構築하게 된다. 이와 함께 빅데이터 分析 情報 오픈 플랫폼 서비스를 構築하는 것도 目標다.

AI 스타트업 刮目 成長, 人材 養成으로 跳躍 必要

國內 製藥業界와 人工知能 技術 業界는 協業을 위해 兩側의 메커니즘을 全般的으로 理解할 수 있는 人材 養成의 必要性에 共感한다. 鑄鐵휘 敎授는 “人工知能을 잘 아는 사람이 新藥 開發을 배우는 게 빠른지, 아니면 그 反對가 빠른지에 對해 論議하고 있다. 事實 製藥業界가 新藥 開發에 人工知能 技術을 導入하고 싶어도 專門家를 求하기가 쉽지 않다. 韓國保健産業振興院에서도 苦悶하는 것이 어떤 專門機關이든 主導的으로 關聯 人材를 키워야 한다는 것이다. 두 主體 間 協力을 통해 開放型 革新을 試圖하고 人材를 養成하는 것이 重要하다”고 말했다. 

人材 養成이 뒷받침된다면 人工知能 新藥 開發 速度를 높일 수 있다. 最近 2~3年 새 國內 人工知能 技術이 飛躍的으로 發展하면서 近來 成果를 보이고 있는 企業들이 늘어났기 때문이다. 一例로 스탠다임, 신테카바이오 等 新藥 開發에 特化한 人工知能 스타트업도 續續 登場하는 趨勢다. 

스탠다임은 지난해 11月 덴마크 코펜하겐에서 열린 ‘第24回 國際 파트너링 콘퍼런스 바이오 유럽’에서 人工知能 技術 基盤의 新藥 候補先導物質 最適化 서비스인 ‘스탠다임 베스트(Standigm BEtter STructure)’를 선보였다. 그동안 카카오벤처스 等으로부터 總 37億 원의 投資를 誘致한 스탠다임이 國際舞臺에서 글로벌 製藥社와 協業을 눈앞에 둔 成果를 거두게 된 것이다. 신테카바이오 亦是 지난해 5月 스마일게이트 인베스트, KDB産業銀行 等 5個 機關으로부터 投資를 誘致해 精密醫療 新藥 開發 모델의 臨床檢證 資金을 確保하기에 이르렀다. 

國內 新藥 開發에 特化된 人工知能 技術 企業들이 빠르게 成長하는 趨勢지만 한 段階 跳躍하려면 國家 支援도 必須다. 日本의 境遇 2017年 3月 人工知能 技術을 3年 안에 全 産業에 걸쳐 商用化하고자 3段階 로드맵을 마련하고 積極的으로 支援하고 있다. 特히 新藥 開發 分野에서는 山·學·硏·官 協力 프로젝트를 進行하는데, 3年 안에 人工知能 技術로 開發한 新藥을 普及하는 것을 目標로 1000億 원 規模의 豫算을 쏟아붓고 있다.

政府 次元 支援으로 制約强國 育成해야

우리나라도 國家 次元에서 努力을 기울이고 있다. 이미 2012年 ‘製藥産業 育成 및 支援에 關한 特別法’을 施行해 5年마다 綜合計劃을 樹立하고 每年 施行計劃에 따라 履行하고 있다. 2017年 樹立된 ‘第2次 製藥産業 育成·支援 5個年 綜合計劃’에 따르면 2022年까지 製藥産業 일자리를 14萬 個 創出하고 글로벌 新藥도 17個 開發하는 것이 目標다(표 參照). 

지난해 3月 열린 ‘新藥 開發의 새로운 패러다임, 人工知能’ 세미나에서 保健福祉部 關係者는 “國內에서도 人工知能 技術 導入을 통해 5年, 10年 後에는 世界的 醫藥品이 나올 것이라고 생각한다. 2019年 中企豫算에 反映해 人工知能 新藥 等을 支援할 수 있도록 努力할 것”이라고 公言한 바 있다. 

國內 製藥社, 人工知能 技術 企業, 政府 機關 等의 積極的인 努力으로 海外에서도 人工知能 新藥 開發의 可能性을 認定받고 있다. 글로벌 市場調査 專門企業 茅島르인텔리전스가 2017年 發表한 報告書 ‘生命科學市場에서의 글로벌 人工知能’에 따르면 우리나라는 全 世界 生命科學市場에서 1.7% 占有率을 보이는데 2025年에는 5%까지 成長하고 12萬 個의 일자리가 創出될 것으로 展望했다. 또 政府와 産業界, 外國人 投資者 等이 헬스케어 스타트업에 投資해 全體 藥물 開發 過程을 다루는 技術移轉을 導入하고자 9億 달러(約 1兆160億 원) 規模의 硏究開發 基金 造成을 앞두고 있는 點도 글로벌市場에서 注目받고 있다. 더불어 政府가 生命科學 分野 全般에 革新 技術 採擇을 늘리고, 韓國製藥바이오協會는 新藥 開發 過程을 簡素化하고자 AI 플랫폼 購買를 위한 共同 TF팀을 만든 것도 照明되고 있다. 

製藥業界는 人工知能 技術 導入 以後 進行될 新藥 開發 産業에 對해 薔薇빛 未來를 그린다. 嚴繩人 韓國製藥바이오協會 常務는 “新藥 開發에 들어가는 費用은 줄이고, 時間은 短縮하며, 確率을 높이는 人工知能 技術의 導入은 우리나라 製藥産業에 적합한 콘셉트다. 單純 數値만 比較하면 우리나라 全體 人工知能 新藥 開發 硏究人力이 화이자 硏究院의 몇 分의 一도 되지 않을 것이다. 하지만 우리나라 技術人力이 뛰어난 만큼, 人工知能 技術 導入을 발 빠르게 導入한다면 빅파마(大型製藥社)만 新藥 開發에 成功하는 게 아니라 國內 製藥社度 充分히 勝算이 있다”고 展望했다.