인공지능 기반 신약 개발 협력의 증가: 제약 산업의 혁신 동력
1. 서론
제약 산업은 신약 개발에 있어 오랜 기간 동안 시간, 비용, 성공률 측면에서 상당한 어려움을 겪어왔습니다. 전통적인 신약 개발 과정은 평균 10년 이상의 기간과 1조 원 이상의 비용이 소요될 뿐만 아니라, 임상 시험 성공률 또한 매우 낮아 혁신적인 접근 방식에 대한 필요성이 꾸준히 제기되어 왔습니다. 이러한 상황 속에서 인공지능(AI)은 방대한 데이터를 분석하고 예측하는 능력을 바탕으로 신약 개발의 전 과정을 혁신할 수 있는 잠재력을 가진 기술로 주목받고 있습니다. 특히, AI는 신약 후보 물질 발굴, 약물 설계 및 예측, 독성 평가, 임상 시험 등 신약 개발의 각 단계에서 효율성을 높이고 성공률을 개선하는 데 기여할 수 있을 것으로 기대됩니다.
최근 제약 업계에서는 이러한 AI 기술을 신약 개발에 적극적으로 도입하기 위해 AI 기반 신약 개발 플랫폼을 보유한 바이오 기업과의 협력이 증가하는 추세를 보이고 있습니다. 이는 AI 기술 개발 역량이 주로 소규모 바이오 기업에 집중되어 있는 경우가 많기 때문이며 , 제약 기업은 이러한 협력을 통해 AI 기술을 활용하고 바이오 기업은 자금 및 개발 역량을 확보하는 상호 보완적인 관계를 구축할 수 있습니다. 본 보고서는 이러한 AI 기반 신약 개발 협력의 증가 추세와 그 배경, AI가 신약 개발에 미치는 영향, 주요 협력 사례 및 관련 AI 플랫폼, 그리고 AI 신약 개발 시장의 성장 전망에 대해 심층적으로 분석하고자 합니다.
2. 협력의 촉매제: AI가 신약 개발을 혁신하는 이유
제약 산업은 끊임없이 새로운 치료법 개발에 대한 압력을 받고 있으며, 특히 기존 치료법이 없는 질병이나 난치병에 대한 혁신적인 치료제 개발의 필요성이 큽니다. 암, 신경 퇴행성 질환, 희귀 질환 등이 대표적인 예입니다. 또한, 최근의 팬데믹 상황에서 볼 수 있듯이, 공중 보건 위기에 신속하게 대응하기 위한 치료제 및 백신 개발의 중요성이 더욱 부각되고 있습니다. AI는 잠재적인 약물 표적을 신속하게 식별하고 효과적인 치료법을 설계함으로써 신약 개발 속도를 획기적으로 단축할 수 있는 가능성을 제시합니다.
AI는 신약 개발 과정의 여러 단계를 자동화하고 효율화하여 전체 개발 기간을 단축할 수 있습니다. 일부 연구에 따르면 AI는 신약 개발 기간을 최대 80%까지 단축할 수 있는 것으로 나타났습니다. 또한, AI는 연구 개발 과정의 효율성과 정확성을 높여 상당한 비용 절감 효과를 가져올 수 있습니다. 복잡한 표적에 대한 새로운 분자를 전임상 후보 물질 단계까지 개발하는 데 소요되는 시간과 비용을 AI 기반 워크플로우를 통해 최대 40%까지 절감할 수 있다는 분석도 있습니다. AI는 연간 수십억 달러에 달하는 글로벌 신약 개발 비용을 절감할 수 있는 잠재력을 가지고 있습니다.
더욱이, AI 알고리즘은 유전체, 단백체, 임상 데이터 등 방대하고 복잡한 데이터 세트를 분석하여 잠재적인 약물 표적을 식별하고 약물의 효능 및 독성을 예측하는 데 탁월한 능력을 보입니다. 이러한 데이터 분석 능력을 통해 AI는 임상 시험 성공률을 향상시킬 수 있는 유망한 신약 후보 물질을 발굴하는 데 기여할 수 있습니다. 실제로 AI를 활용하여 발굴한 약물의 임상 1상 성공률은 기존 방식 대비 현저히 높은 80~90%에 달하는 것으로 보고되고 있습니다. 이는 AI가 제약 산업의 고질적인 문제였던 낮은 신약 개발 성공률을 극복하는 데 중요한 역할을 할 수 있음을 시사합니다.
3. AI의 힘: 신약 개발 가속화 및 성공률 향상
AI는 방대한 화합물 라이브러리를 신속하게 스크리닝하여 특정 약물 표적에 대한 잠재적인 후보 물질을 식별할 수 있습니다. 이는 전통적인 고속 처리량 스크리닝 방식보다 훨씬 빠르고 효율적인 과정입니다. AI는 또한 분자의 효능, 독성, 약동학적 특성을 예측하고 이를 최적화하여 효능과 안전성을 향상시키는 데 활용될 수 있습니다. AI 기반의 생체 내 시뮬레이션은 실험실 연구 및 동물 실험의 필요성을 줄여 전임상 시험 단계를 가속화할 수 있습니다.
AI는 신약 개발 기간 단축뿐만 아니라 비용 효율성 측면에서도 큰 장점을 제공합니다. 개발 가능성이 낮은 약물 후보 물질을 조기에 식별하고 개발을 중단함으로써 불필요한 비용 지출을 막을 수 있으며 , 실험실 실험 및 동물 실험에 소요되는 비용을 절감할 수 있습니다. AI는 신약 개발의 전반적인 생산성을 향상시켜 R&D 효율성을 두 배로 높일 수 있는 잠재력을 가지고 있습니다.
더욱이, AI는 환자 데이터를 분석하여 특정 약물에 대한 반응을 예측할 수 있는 바이오마커를 식별함으로써 임상 시험에서 환자 분류를 개선하고 치료 효과를 극대화할 수 있습니다. AI는 질병 메커니즘에 대한 깊은 이해를 바탕으로 새로운 약물 표적을 발굴하고 , 약물의 효능과 독성을 정확하게 예측하여 더 안전하고 효과적인 치료법 개발에 기여함으로써 궁극적으로 환자 치료 결과를 향상시킬 수 있습니다.
4. 협력 사례 연구: AI 기반 신약 개발의 선두 주자
코로나19 팬데믹 상황에서 화이자는 AI 기술을 활용하여 백신 개발 과정을 가속화했습니다. AI 기반 기계 학습 알고리즘은 방대한 양의 바이러스 유전체 데이터를 분석하여 잠재적인 백신 표적을 신속하게 식별하는 데 중요한 역할을 수행했습니다. 또한, AI 기반 모델은 코로나19 확산 추세를 실시간으로 예측하고 임상 시험 장소 선정 및 최적화를 지원했습니다. 임상 시험 데이터 분석에도 AI를 활용하여 데이터 품질을 확보하고 규제 당국의 승인 절차를 신속하게 진행할 수 있었습니다. 이러한 AI 기술의 적극적인 활용 덕분에 화이자는 이례적으로 짧은 기간인 10.8개월 만에 코로나19 백신을 개발할 수 있었습니다.
HLB 그룹은 자회사인 HLB파나진과 HLB인베스트먼트를 통해 AI 신약 개발 기업인 아론티어에 총 50억 원을 투자하여 12.5%의 지분을 확보했습니다. HLB파나진은 PNA(인공 DNA) 기반 분자 진단 제품 개발 분야에서 오랜 경험과 기술력을 보유하고 있으며 , 아론티어의 AI 플랫폼 AD3를 활용하여 치료제 개발 분야로 사업 영역을 확장할 계획입니다 [user query]. 아론티어의 AD3 플랫폼은 환자의 유전체 및 임상 데이터를 기반으로 약물 표적을 발굴하고 mRNA 디자인 및 단백질 합성 구조 설계를 수행하는 데 뛰어난 기술력을 갖춘 것으로 알려져 있습니다. HLB 그룹은 AD3 플랫폼을 적극적으로 활용하여 혁신적인 신약 후보 물질을 발굴하고 개발하는 데 주력할 것으로 예상됩니다. HLB 그룹의 또 다른 자회사인 HLB바이오스텝은 HLB파나진과 아론티어가 공동 발굴한 신약 후보 물질에 대한 비임상 시험을 지원할 예정입니다.
JW중외제약은 AI 신약 개발 벤처 기업인 온코크로스와 협력하여 개발 중인 항암 및 재생의학 분야의 혁신 신약 파이프라인에 온코크로스의 AI 기술을 적용하고 있습니다. 양사는 온코크로스의 AI 플랫폼인 랩터(RAPTOR) AI를 활용하여 JW중외제약의 신약 후보 물질에 대한 새로운 적응증을 탐색하고 개발 가능성을 검증하여 임상 성공률을 높이는 것을 목표로 하고 있습니다. 랩터 AI는 신약 후보 물질 또는 기존 개발 약물에 대한 최적의 적응증을 스크리닝하는 플랫폼으로, 수백 종의 질병 코호트 데이터와 수만 개의 화합물 데이터를 보유하고 있습니다. JW중외제약은 이미 2022년에 온코크로스와 협력하여 랩터 AI 기술을 1차 면역 질환 적응증 탐색에 활용한 경험이 있으며 , 자체 AI 기반 데이터 사이언스 플랫폼인 주얼리(JWELRY)와 클로버(CLOVER)를 통해 Wnt 및 STAT 신호 전달 경로를 표적으로 하는 신약 후보 물질을 발굴하는 등 AI 신약 개발에 적극적으로 참여하고 있습니다.
동국제약은 올해 2월 AI 신약 개발 기업인 온코빅스와 손잡고 온코빅스의 약물 도출 플랫폼인 토프오믹스(TOFPOMICS)를 다양한 질환의 약물 설계에 적용하여 연구 영역을 확장할 예정입니다. 토프오믹스는 절편의 합성과 결합을 통해 인체 내 손상된 효소에 맞는 물질을 생성하는 기술로, 자체 보유한 256만 개의 화합물 가상 절편 라이브러리에서 조각들을 결합하여 더 큰 분자를 만들고 이를 최적화하여 후보 물질을 도출합니다. 동국제약은 토프오믹스 플랫폼을 활용하여 현재까지 알려진 유효 성분 외에 추가적인 약리 활성을 나타내는 유효 성분을 찾고 항암제 신약 포트폴리오를 확충하는 것을 목표로 하고 있습니다.
표 1: 주요 AI 기반 신약 개발 협력 현황
| 화이자 | (미공개) | AI (일반) | 코로나19 백신 개발 | 팬데믹 추세 예측, 임상 시험 데이터 분석, 개발 기간 단축 (10.8개월) |
| HLB 그룹 | 아론티어 | AD3 | PNA 진단 외 치료제 개발 확장 | HLB파나진 40억 투자 (10%), HLB인베스트먼트 10억 투자 (2.5%), 표적 발굴, mRNA 디자인, 단백질 합성, HLB바이오스텝 비임상 지원 |
| JW중외제약 | 온코크로스 | 랩터 AI | 항암 및 재생의학 신약 후보 물질 적응증 탐색 및 개발 가능성 검증 | 질병 코호트 및 화합물 데이터 기반 최적 적응증 스크리닝, 2022년 면역 질환 적응증 탐색 협력, 자체 AI 플랫폼 주얼리 및 클로버 활용 |
| 동국제약 | 온코빅스 | 토프오믹스 | 다양한 질환의 약물 설계 및 연구 영역 확장 | 절편 합성 및 결합 기술, 256만 개 화합물 가상 절편 라이브러리, 추가 유효 성분 발굴 및 항암제 포트폴리오 확충 목표 |
5. AI 플랫폼 집중 분석: 혁신의 엔진
아론티어의 AD3 플랫폼은 연구자들이 AI 방법을 활용하여 신약 후보 물질을 쉽게 발굴할 수 있도록 설계된 통합 AI 기반 신약 개발 플랫폼입니다. AD3는 아론티어가 자체 개발하고 논문으로 검증한 다양한 AI 신약 개발 알고리즘을 앱 형태로 제공하며 , 사용자 친화적인 인터페이스를 통해 신약 표적 단백질 선택만으로 후보 물질 탐색 과정을 시작할 수 있습니다. 3천만 개 이상의 화합물 라이브러리를 검색할 수 있는 "Docking of Millions" 서비스와 단백질 구조 기반 신규 화합물 생성을 지원하는 "de novo Design" 서비스를 제공하며 , 표적 단백질 구조 예측 및 특성 분석을 위한 15개 이상의 앱을 통해 다양한 연구 요구를 충족시킵니다. 또한, 화합물의 모든 인체 단백질 결합 가능성을 예측하여 표적 및 부작용 예측 기능을 제공합니다.
온코크로스의 랩터 AI는 전사체 기반 질병 및 약물 스크리닝 플랫폼입니다. 랩터 AI는 약물 또는 질병으로 인한 유전자 발현 변화를 분석하여 최적의 치료법을 제시하며 , 전사체 데이터를 사용하여 약물과 질병의 효과 보완성(반대칭성)을 예측하는 ReDRUG 알고리즘을 활용합니다. 수백 개의 질병 코호트와 수만 개의 화학 데이터를 포함하는 데이터베이스를 기반으로 , 다양한 알고리즘을 통해 질병과 약물의 반대칭성을 평가하고 최적의 질병-약물 조합을 탐색합니다. 특히, 약물 효과 데이터가 세포주에서, 질병 효과 데이터가 인체 조직에서 얻어지는 점을 고려하여 세포-조직 유사성 기반 미세 조정 방식을 통합하여 예측 정확도를 높입니다. 또한, 두 가지 약물의 최적 시너지 효과를 예측하고 최적의 병용 비율을 탐색하는 기능도 제공합니다.
온코빅스의 토프오믹스는 절편 기반 약물 설계에 특화된 약물 발굴 플랫폼입니다. 토프오믹스는 AI, 특히 OpenAI를 활용하여 다양한 질병 그룹에 대한 약물을 설계하며 , 인체 내 손상된 효소에 맞는 물질을 절편의 합성 및 결합을 통해 생성합니다. 256만 개의 화합물 가상 절편 라이브러리를 보유하고 있으며 , 이 절편들을 결합하여 더 큰 분자를 만들고 최적화하여 후보 물질을 도출합니다 [user query]. 또한, 기존에 알려진 유효 성분 외에 추가적인 약리 활성을 나타내는 유효 성분을 발굴하는 데 활용될 수 있습니다 [user query].
JW중외제약은 자체 개발한 데이터 사이언스 플랫폼인 주얼리(JWELRY)와 클로버(CLOVER)를 AI 기반 R&D 통합 플랫폼인 제이웨이브(JWave)로 통합하여 신약 개발 역량을 강화하고 있습니다. 주얼리는 약 2만 5천 개의 펩타이드 유사 구조 화합물 라이브러리를 기반으로 암 또는 면역 질환의 병리학적 과정에 중요한 단백질-단백질 상호 작용을 조절하는 혁신적인 신약 후보 물질 발굴에 특화되어 있으며 , Wnt 신호 전달 경로에 작용하는 약물 평가 및 기전 연구에 강점을 가지고 있습니다. 클로버는 암 세포주, 조직 및 유전체 정보 등의 빅데이터를 축적하는 플랫폼으로 , JW중외제약의 연구 법인 자회사인 C&C신약연구소의 R&D 플랫폼으로서 STAT 단백질 표적 신약 개발에 주력하고 있습니다. 제이웨이브는 400개 이상의 유전체 데이터베이스와 4만 5천 개 이상의 화합물 데이터를 활용하여 신약 개발을 가속화하는 것을 목표로 합니다.
6. AI 신약 개발 시장의 성장: 추세 및 전망
글로벌 AI 신약 개발 시장 규모는 2023년 기준 9억 달러로 추정되며 , 2028년에는 49억 달러에 이를 것으로 전망되어 연평균 40.2%의 높은 성장률을 보일 것으로 예상됩니다. 다른 시장 조사 기관의 보고서에서도 비슷한 성장 추세를 예측하고 있으며, 2029년에는 68억 9천만 달러에 달할 것이라는 전망도 있습니다. 이는 AI 기술이 신약 개발 분야에서 빠르게 확산되고 있으며, 앞으로도 지속적인 성장이 예상됨을 시사합니다.
AI 신약 개발 시장의 성장을 견인하는 주요 요인으로는 전통적인 신약 개발 방식의 높은 비용과 긴 개발 기간을 절감하고자 하는 요구 증가 , 제약 회사, 바이오 기업, 기술 제공 업체 간의 협력 및 파트너십 증가 , 그리고 암과 같은 복잡한 질병에 대한 효과적인 치료법 개발에 대한 관심 증대 등을 들 수 있습니다. 특히, 종양학 분야는 AI 신약 개발에서 가장 활발한 연구가 이루어지는 분야 중 하나입니다.
AI 신약 개발 시장은 바이오 기술 산업의 성장과 새로운 시장의 출현 , 개인 맞춤형 의료에 대한 수요 증가 , 그리고 기존 약물의 새로운 용도를 발굴하는 약물 재창출 및 항체와 같은 새로운 생물학적 제제 설계 분야에서의 AI 활용 증가 등 다양한 측면에서 성장 기회를 맞이하고 있습니다.
7. 결론
본 보고서에서 살펴본 바와 같이, 제약 업계는 전통적인 신약 개발의 한계를 극복하고 효율성과 성공률을 높이기 위해 AI 기술을 적극적으로 도입하고 있으며, AI 기반 신약 개발 플랫폼을 보유한 바이오 기업과의 협력이 증가하는 뚜렷한 추세를 보이고 있습니다. 화이자의 코로나19 백신 개발 사례, HLB 그룹과 아론티어, JW중외제약과 온코크로스, 동국제약과 온코빅스의 협력 사례는 AI가 신약 개발의 전 과정에서 혁신적인 변화를 가져올 수 있음을 보여줍니다.
AI는 신약 후보 물질 발굴, 약물 설계 및 최적화, 전임상 및 임상 시험 효율성 증대 등 다양한 방식으로 신약 개발 과정을 가속화하고 비용을 절감하며 임상 성공률을 향상시키는 데 기여할 수 있습니다. 특히, AI 플랫폼들은 방대한 데이터를 분석하고 예측하는 강력한 능력을 바탕으로 기존의 신약 개발 방식으로는 어려웠던 새로운 가능성을 제시하고 있습니다.
AI 신약 개발 시장은 앞으로도 높은 성장률을 지속할 것으로 예상됩니다. 이는 제약 업계의 지속적인 혁신 노력과 AI 기술의 발전, 그리고 미충족 의료 수요에 대한 해법을 찾고자 하는 열망이 결합된 결과입니다. 다만, 데이터 품질 확보 및 표준화, 변화하는 규제 환경에 대한 적응, 전문 인력 양성 등의 과제들을 해결해 나가야 AI 기술이 신약 개발 분야에서 그 잠재력을 최대한 발휘할 수 있을 것입니다. AI 기반 신약 개발 협력은 제약 산업에 새로운 혁신의 시대를 열고 궁극적으로 환자들에게 더 나은 치료 기회를 제공하는 데 중요한 역할을 할 것으로 기대됩니다.