AI 신약 개발
본 서비스가 제공하는 내용 및 자료가 사실임을 보증하지 않습니다. 시스템은 언제나 실수를 할 수 있습니다. 중요한 의사결정 및 법리적 해석, 금전적 의사결정에 사용하지 마십시오.
AI 신약 개발은 방대한 보건의료 빅데이터와 인공지능(AI) 알고리즘을 활용하여 신약 개발에 소요되는 시간과 비용을 획기적으로 단축하는 방식이다. 전통적인 신약 개발 방식은 평균 10~15년의 기간과 약 3조 원의 비용이 투입되는 고위험·저효율 구조를 가졌으나, AI 기술을 접목하면 이를 약 7년과 6,000억 원 수준으로 줄일 수 있다. 후보 물질 탐색부터 임상 시험 설계, 환자 모집에 이르기까지 전 주기에 걸쳐 데이터 기반의 예측 모델을 사용하여 성공 확률을 극대화하는 것이 핵심이다.
개요
신약 개발은 막대한 시간과 자본이 소요되는 과정이다. 글로벌 상위 제약사 기준으로 신약 하나를 개발하는 데 평균 1012년이 걸리며, 약 2조 9,000억 원의 연구개발비가 투입된다. AI 신약 개발은 이러한 구조적 한계를 극복하기 위해 등장하였다. 인공지능을 활용하면 후보 물질 발굴 기간을 기존 45년에서 12년으로 단축할 수 있으며, 임상 1상부터 허가 승인까지의 기간도 57년 수준으로 줄이는 것이 가능하다.
주요 기술 및 데이터
AI 신약 개발은 방대한 양의 데이터를 학습한 알고리즘을 기반으로 한다. 생성형 AI와 머신러닝 기술은 화합물의 활성을 예측하고 최적의 분자 구조를 설계하는 데 사용된다.
| 구분 | 주요 내용 |
|---|---|
| 데이터베이스 | 알파폴드 단백질 구조 정보, 화합물 라이브러리, 임상 데이터 |
| 핵심 기술 | 생성형 AI, 가상 스크리닝(Virtual Screening), 연합학습 |
| 분석 대상 | 단백질-리간드 결합, 화합물 독성, 환자 유전체 데이터 |
단계별 활용 및 효과
AI는 신약 개발의 전 주기에 걸쳐 효율성을 높인다.
- 후보 물질 발굴: 수억 종의 화합물을 가상으로 스크리닝하여 유효 물질을 찾아낸다. 삼진제약 등의 사례에 따르면 발굴 기간을 2~3년 단축하고 비용을 50% 이상 절감할 수 있다.
- 임상 시험 최적화: 임상 시험 계획 수립, 적합한 의료기관 선정, 환자 모집 및 운영 단계에서 AI 솔루션이 활용된다. 특히 환자 모집 단계에서의 효율성이 강조된다.
- 성공률 제고: 보건산업진흥원에 따르면 기존 55
65% 수준인 임상 1상 성공률을 AI 적용 시 8090%까지 높일 수 있다.
국내 개발 현황
대한민국 제약업계는 자체 플랫폼 구축과 외부 협업이라는 두 가지 전략을 병행하고 있다.
주요 기업 사례
- 대웅제약: 자체 AI 시스템 '데이지(DAISY)'와 8억 종의 화합물 데이터베이스인 '다비드(DAVID)'를 구축하여 비만, 당뇨, 항암제 연구에 활용하고 있다.
- 신테카바이오: 슈퍼컴퓨터 기반의 전주기 AI 신약 개발 플랫폼을 운영하며 100억 개의 화합물 라이브러리를 활용한다.
- 기타: JW중외제약은 플랫폼 내재화를 추진 중이며, 한미약품과 유한양행은 외부 네트워크 및 연합학습을 통해 기술 확장을 꾀하고 있다. 삼성바이오로직스와 SK바이오팜 등도 AI 도입을 통해 R&D 생산성을 높이고 있다.