한국형 AI 신약개발 성공의 조건
페이지 정보
관리자 (211.♡.51.189)
0
19
23-12-22 14:11
본문
[데스크시선] 한국형 AI 신약개발 성공의 조건
노병철 기자 2023-12-22 05:50:15
[데일리팜=노병철 기자] 아스트라제네카·일라이 릴리·BMS의 공통점은 뭘까. 글로벌 빅파마로서 일명 오픈이노베이션 인공지능(AI) 신약개발에 과감한 투자를 진행하고 있는 공통분모를 갖고 있는 점이다. 인공지능을 활용한 신약 개발 성패는 데이터의 통합에 있다. 하지만 대부분의 기업들은 분산·고립방식의 인공지능 신약 개발에 임하고 있어 학습과 성능향상 제한에 봉착해 있다. 따라서 글로벌 빅파마들은 이러한 문제를 연합학습 기술(Federated Learning)을 활용해 극복해 나가고 있다.
먼저 아스트라제네카·일루미나는 지난해부터 AI 기반 게놈 해석과 분석 역량을 융합해 약물 표적 발견 촉진을 목표로 협력해 나가고 있다. 같은 해 이뤄진 일라이 릴리·크리스탈파이의 융복합 프로젝트도 주목된다. 크리스탈파이는 AI와 로봇공학 기술로 알려지지 않은 표적에 대한 약물 후보 물질을 설계·합성, 릴리는 후보물질에 대한 임상·상업적 개발을 담당할 계획이다. BMS·엑센시아도 2019년 파트너십을 통해 단백질 키나아제 C(PKC) 세타 억제제 EXS4318 후보물질을 도출했다.
이처럼 이미 미국·유럽은 우리나라 보다 3~5년 먼저 엣지 컴퓨팅·클라우드와 같은 분산 컴퓨팅 기술·분산 데이터 보호·AI 데이터 활용을 가능하게 하는 연합학습 정보보호 프로그램 개발을 시작, 이를 통한 신약 개발 분야를 리딩하고 있다. 늦은 감이 없지 않지만 우리나라도 과학기술정보통신부·보건복지부·한국제약바이오협회 등이 주축이 되어 올해 초, 연합학습 기반 다기관 데이터 안전 공유 체계 구축을 위한 국가차원의 중장기전략 로드맵이 만들어지고 있는 부분은 고무적이다.
일명 K-멜로디(K-MELLODDY ·Machine Learning Ledger Orchestration for Drug DiscoverY)로 명명된 이번 프로젝트는 물리적 데이터 공유 없이 다기관 데이터 활용·협력이 가능한 플랫폼을 기반으로 신속하고 효율적인 AI 신약개발 방법론을 제시하고 있다. 연합학습은 개별기업의 자산인 데이터는 안전하게 보호하면서도, 다기관 간 데이터 학습을 가능하게 하는 연합학습 기반의 데이터 활용을 통해 개별 기업이 가지는 한계를 지혜롭게 극복하고 성과를 극대화 할 수 있는 기술을 일컫는다.
K-멜로디의 목적은 ▲데이터의 공유·융합을 통한 AI 고도화로 신약개발 경쟁력 향상 ▲국가 차원의 연합학습 기술 산업화에 따른 핵심 기술 시장 선점 등을 들 수 있다. 이 시점에서 연합학습의 중요성이 대두되는 이유는 신약개발 현장과 공공에 축적된 데이터를 AI에 활용하지 못하고 있기 때문이다. 민간 데이터는 신규성 측면에서는 뛰어날 수 있지만 집중 연구로 데이터 소량화와 편향성·지재권 등의 이슈가 존재하고, 공공 데이터는 방대하나 신규성 부족으로 활용이 미진하다.
제약바이오·IT산업은 기술 선점과 직결돼 특정 국가가 먼저 신기술을 발명하면 해당 시장에 종속될 우려가 높아 글로벌 표준을 바탕으로 한 정부 주도 한국형 연합학습 신약개발 플랫폼 구축이 반드시 필요하다. 특히 한국의 경우, 기업별로 폐쇄적 AI 운용체계만을 고집해 통합관리를 통한 업그레이드와 효과적인 결과 도출에 한계를 드러내고 있어 개선이 시급한 상황이다. 복지부·과기부 등 정부 주도 한국형 연합학습 기반 신약개발 가속화 사업 당위성이 바로 여기에 있다.
만약 K-멜로디 프로젝트가 현실·상용화됐을 경우, 참여 제약바이오기업들의 인공지능을 활용한 혁신신약 연구개발 비용의 획기적인 절감이 기대된다. 미국 NIH 보고서에 따르면, 전체 신약개발 과정에서 후보약물의 흡수-분포-대사-배설·독성(ADME/Tox)을 실험·분석 하는데 소요되는 비용이 전체 신약개발 투자비의 22%를 차지한다. 정확도가 높은 ADME/Tox 분야 AI 플랫폼을 확보할 경우, 이 22%의 신약개발 비용을 절반 이상으로 크게 절감할 수 있을 것으로 관측된다.
K-멜로디는 EU-멜로디를 벤치마킹 하고 있다. EU-멜로디는 세계 최초, 유럽연합에서 시행된 10개 제약기업 간 데이터 기반 협력 시도로 경쟁적 제약기업 간 데이터 기반 협력이 연합학습과 블록체인 기술을 통해 안전하게 실행될 수 있음을 입증했다. 2019년부터 3년 간 256억원이 투입된 이 프로젝트는 제약기업의 기밀을 유지하면서 기계학습 기반 협력 ADME/Tox 예측 모델의 정상 학습과 데이터 노출 없이 개별기관이 구축한 단일모델 대비 성능 향상을 확인했다.
K-멜로디의 성공 관건은 개별 기업들의 인식전환과 정부의 과감한 예산 확보다. K-멜로디 프로젝트 연착륙을 위한 필요 예산은 5년 간 300억~500억원 내외로 추정된다. 최근 빅테크기업 엔비디아와 구글에서 신약개발 플랫폼 개발에 뛰어드는 등 국내 AI 신약개발 기술 주권이 위협받고 있는 상황이다. 연합학습 기술개발, 데이터 기반 협력 플랫폼 구축, 실용화까지 포함된 K-멜로디 프로젝트가 하루 빨리 실행돼 인공지능 혁신신약 개발 주권을 확보해야 함은 이제 선택이 아닌 피할 수 없는 당면과제다.
노병철 기자 (sasiman@dailypharm.com)
노병철 기자 2023-12-22 05:50:15
[데일리팜=노병철 기자] 아스트라제네카·일라이 릴리·BMS의 공통점은 뭘까. 글로벌 빅파마로서 일명 오픈이노베이션 인공지능(AI) 신약개발에 과감한 투자를 진행하고 있는 공통분모를 갖고 있는 점이다. 인공지능을 활용한 신약 개발 성패는 데이터의 통합에 있다. 하지만 대부분의 기업들은 분산·고립방식의 인공지능 신약 개발에 임하고 있어 학습과 성능향상 제한에 봉착해 있다. 따라서 글로벌 빅파마들은 이러한 문제를 연합학습 기술(Federated Learning)을 활용해 극복해 나가고 있다.
먼저 아스트라제네카·일루미나는 지난해부터 AI 기반 게놈 해석과 분석 역량을 융합해 약물 표적 발견 촉진을 목표로 협력해 나가고 있다. 같은 해 이뤄진 일라이 릴리·크리스탈파이의 융복합 프로젝트도 주목된다. 크리스탈파이는 AI와 로봇공학 기술로 알려지지 않은 표적에 대한 약물 후보 물질을 설계·합성, 릴리는 후보물질에 대한 임상·상업적 개발을 담당할 계획이다. BMS·엑센시아도 2019년 파트너십을 통해 단백질 키나아제 C(PKC) 세타 억제제 EXS4318 후보물질을 도출했다.
이처럼 이미 미국·유럽은 우리나라 보다 3~5년 먼저 엣지 컴퓨팅·클라우드와 같은 분산 컴퓨팅 기술·분산 데이터 보호·AI 데이터 활용을 가능하게 하는 연합학습 정보보호 프로그램 개발을 시작, 이를 통한 신약 개발 분야를 리딩하고 있다. 늦은 감이 없지 않지만 우리나라도 과학기술정보통신부·보건복지부·한국제약바이오협회 등이 주축이 되어 올해 초, 연합학습 기반 다기관 데이터 안전 공유 체계 구축을 위한 국가차원의 중장기전략 로드맵이 만들어지고 있는 부분은 고무적이다.
일명 K-멜로디(K-MELLODDY ·Machine Learning Ledger Orchestration for Drug DiscoverY)로 명명된 이번 프로젝트는 물리적 데이터 공유 없이 다기관 데이터 활용·협력이 가능한 플랫폼을 기반으로 신속하고 효율적인 AI 신약개발 방법론을 제시하고 있다. 연합학습은 개별기업의 자산인 데이터는 안전하게 보호하면서도, 다기관 간 데이터 학습을 가능하게 하는 연합학습 기반의 데이터 활용을 통해 개별 기업이 가지는 한계를 지혜롭게 극복하고 성과를 극대화 할 수 있는 기술을 일컫는다.
K-멜로디의 목적은 ▲데이터의 공유·융합을 통한 AI 고도화로 신약개발 경쟁력 향상 ▲국가 차원의 연합학습 기술 산업화에 따른 핵심 기술 시장 선점 등을 들 수 있다. 이 시점에서 연합학습의 중요성이 대두되는 이유는 신약개발 현장과 공공에 축적된 데이터를 AI에 활용하지 못하고 있기 때문이다. 민간 데이터는 신규성 측면에서는 뛰어날 수 있지만 집중 연구로 데이터 소량화와 편향성·지재권 등의 이슈가 존재하고, 공공 데이터는 방대하나 신규성 부족으로 활용이 미진하다.
제약바이오·IT산업은 기술 선점과 직결돼 특정 국가가 먼저 신기술을 발명하면 해당 시장에 종속될 우려가 높아 글로벌 표준을 바탕으로 한 정부 주도 한국형 연합학습 신약개발 플랫폼 구축이 반드시 필요하다. 특히 한국의 경우, 기업별로 폐쇄적 AI 운용체계만을 고집해 통합관리를 통한 업그레이드와 효과적인 결과 도출에 한계를 드러내고 있어 개선이 시급한 상황이다. 복지부·과기부 등 정부 주도 한국형 연합학습 기반 신약개발 가속화 사업 당위성이 바로 여기에 있다.
만약 K-멜로디 프로젝트가 현실·상용화됐을 경우, 참여 제약바이오기업들의 인공지능을 활용한 혁신신약 연구개발 비용의 획기적인 절감이 기대된다. 미국 NIH 보고서에 따르면, 전체 신약개발 과정에서 후보약물의 흡수-분포-대사-배설·독성(ADME/Tox)을 실험·분석 하는데 소요되는 비용이 전체 신약개발 투자비의 22%를 차지한다. 정확도가 높은 ADME/Tox 분야 AI 플랫폼을 확보할 경우, 이 22%의 신약개발 비용을 절반 이상으로 크게 절감할 수 있을 것으로 관측된다.
K-멜로디는 EU-멜로디를 벤치마킹 하고 있다. EU-멜로디는 세계 최초, 유럽연합에서 시행된 10개 제약기업 간 데이터 기반 협력 시도로 경쟁적 제약기업 간 데이터 기반 협력이 연합학습과 블록체인 기술을 통해 안전하게 실행될 수 있음을 입증했다. 2019년부터 3년 간 256억원이 투입된 이 프로젝트는 제약기업의 기밀을 유지하면서 기계학습 기반 협력 ADME/Tox 예측 모델의 정상 학습과 데이터 노출 없이 개별기관이 구축한 단일모델 대비 성능 향상을 확인했다.
K-멜로디의 성공 관건은 개별 기업들의 인식전환과 정부의 과감한 예산 확보다. K-멜로디 프로젝트 연착륙을 위한 필요 예산은 5년 간 300억~500억원 내외로 추정된다. 최근 빅테크기업 엔비디아와 구글에서 신약개발 플랫폼 개발에 뛰어드는 등 국내 AI 신약개발 기술 주권이 위협받고 있는 상황이다. 연합학습 기술개발, 데이터 기반 협력 플랫폼 구축, 실용화까지 포함된 K-멜로디 프로젝트가 하루 빨리 실행돼 인공지능 혁신신약 개발 주권을 확보해야 함은 이제 선택이 아닌 피할 수 없는 당면과제다.
노병철 기자 (sasiman@dailypharm.com)