한국과학기술기획평가원 보고서
신약 연구개발(R&D) |
(서울=연합뉴스) 유한주 기자 = 우리나라 기업이 신약 개발에 인공지능(AI)을 충분히 활용하지 못하고 있다는 지적이 나왔다.
이를 극복하기 위해서는 기업과 정부, 병원 등이 제약·바이오·의료 관련 데이터를 활발히 공유하고 표준화해 AI 활용성을 높여야 한다는 분석이다.
24일 한국과학기술기획평가원(KISTEP)이 발간한 'AI를 활용한 혁신 신약 개발의 동향 및 정책 시사점' 제하의 정책 보고서에 따르면 국내 빅테크의 AI 활용 방식은 신약 개발보다는 의료데이터 분석, 건강관리 서비스 개발 등에 치중돼 있다.
카카오브레인은 신약 개발기업 '갤럭스'와 함께 AI 기반 신약 설계 플랫폼 개발 및 단백질 구조예측 프레임워크 '솔벤트'에 대한 연구 개발을 시도했지만, 지금은 AI 기반 흉부 엑스레이 판독 기술에 집중하고 있다.
이에 대해 보고서는 "제약·바이오 기업 역시 관련 기업 투자 등 간접적 접근에 주력하는 것"이라고 평가했다.
이는 해외 빅테크가 AI, 클라우드 컴퓨팅, 데이터 분석 기술 등을 활용해 신약 개발에 직접 참여하는 것과 비교되는 현상이다.
글로벌 빅파마(대형 제약사)도 빅테크와 오픈 이노베이션(개방형 혁신) 등을 통해 생성형 AI 신약 개발 플랫폼 사업을 확장하는 추세다. 오픈 이노베이션은 신약 연구개발 과정 등에서 외부 기업과 기술을 공유하고 협업하는 방식을 의미한다.
일라이 릴리는 오픈AI와 협력해 항생제 내성(AMR)을 극복하기 위한 새로운 항균제 개발에 착수했다.
화이자는 아마존웹서비스(AWS)를 활용한 AI 플랫폼 '복스'를 활용해 19개 신약 개발을 추진하고 있다.
노바티스는 구글과 협력해 3개 표적에 대한 저분자 치료제를 발굴하고 있고, 구글 모회사 알파벳의 신약 개발 자회사 '아이소모픽 랩스'는 알파폴드를 활용해 신약 개발 과정을 기존 5∼10년에서 10배 단축하는 것을 목표로 하고 있다. 알파폴드는 단백질 구조를 파악하는 AI 모델이다.
의약품 주입 |
보고서는 우리나라 기업도 AI를 활용한 혁신 신약 개발에 주력해야 한다고 촉구했다.
제약·바이오 분야에서 AI는 신약 개발, 임상시험, 제조, 상용화, 시판 등 전반적인 과정에서 활용될 수 있다.
특히 AI 기반 알고리즘을 활용, 분자의 생물학적 활동을 예측하고 잠재적 약물 표적을 효율적으로 식별해 유망한 신약후보 물질을 빠르게 도입할 수 있다.
생성형 AI를 접목한 제약개발 기술을 활용하면 연간 600억∼1천100억 달러 규모 가치를 창출할 수 있을 것으로 글로벌 컨설팅 기업 맥킨지앤드컴퍼니 산하 맥킨지 글로벌 연구소(MGI)는 전망했다.
제약·바이오 분야 데이터는 제대로 공유·구조화되지 않는 등 AI 활용도를 저해하는 요인을 갖고 있다. 개인정보 문제 및 AI 알고리즘과 관련한 윤리적 이슈 등 현실적 어려움도 존재한다.
보고서는 "신약 개발은 임상시험부터 환자 기록에 이르기까지 방대한 데이터가 생성되는 산업"이라며 "AI를 신약 개발에 적용하기 위해서는 일관성과 정확성이 담보된 접근 가능한 데이터를 표준화해야 한다"고 설명했다.
예컨대 미국의 경우 병원, 제약사 등 당사자 간 계약을 통해 원격진료, AI 신약 개발 등에 의료데이터를 활용할 수 있다. 영리 기업에도 데이터 개방이 가능하다.
현재 우리나라는 이와 관련해 '국가통합바이오빅데이터구축사업' 등을 추진하고 있다. 해당 사업은 국민 100만 명의 임상 정보, 유전체 등 오믹스 데이터, 공공 데이터, 개인 보유 건강 정보 등을 통합해 정밀 의료 연구자원을 구축하는 것을 목표로 한다.
보고서는 "AI 기반 신약 개발을 위한 데이터 표준화, 정부 주도의 민첩한 규제 프레임워크 운영 및 전문 인재 육성 등 기반 지원을 강화해야 한다"고 당부했다.
그러면서 "글로벌 빅테크·빅파마의 치열한 신약 개발 경쟁체제를 뚫고 파급력 있는 국내 AI 신약 개발 성공을 위한 전략적 파트너십 확대 지원책을 마련해야 한다"고 조언했다.
hanju@yna.co.kr
▶제보는 카카오톡 okjebo
▶연합뉴스 앱 지금 바로 다운받기~
▶네이버 연합뉴스 채널 구독하기
<저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지>
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.