AI BIo 산업의 비젼

https://www.ifs.or.kr/bbs/board.php?bo_table=News&wr_id=54454

 

 

미국 제약사가 지난 15년간 투자한 신약 개발 연구 투자는 520조 원에 달하는데 이런 연구비용은 항공 산업의 5배, 컴퓨터 산업의 2.5배로 고위험(High Risk) 비용으로 인식되고 있어서 바이오 연구 투자는 회임기간이 아주 긴 투자로 인식하고 있다. 이런 이유로 투자 대비 신약 개발 생산성이 감소하여서 실제 FDA에서 허가한 신약 건수는 2015년 45건, 2016년 22건으로 줄어들다가 2017년에는 단백질 신약의 대거 허가로 46으로 증가했다가 2018년 59건으로 최대로 허가를 승인받다가 2021년까지는 평균 50건 수준으로 증가했다가 2022년은 37건으로 2012년 수준으로 감소(FDA 홈페이지)하였다.

 

 참고로 미국 FDA는 신약 허가 심사는 크게 전문의약품(PDUFA), 복제 의약품(GDUFA), 단백질 복제약(BsUFA)으로 구분 심사하고 있고 2023년 10월부터 2024년 9월까지 적용되는 허가심사료도 전문의약품의 경우는 404만 8,695US$ (현재, 환율로 약 52억9,100만 원)으로 전년 대비 24.9% 인상하고 있다. 전통적인 신약 FDA 허가는 10.5~18년이 소요되지만, 빅 데이터 근거 인공지능을 활용하면 6~9년으로 50%의 시간 단축되고 획기적 비용 감소도 예상된다. 

 

결국, 전통적인 방법은 연구개발 시, 관련 논문을 400~500편 선정하여 후보물질을 탐색하는데, 적어도 수십 명의 전문가가 많게는 5년 이상의 시간이 필요하다. 하지만, 인공지능은 한꺼번에 100만 편 이상의 논문 탐색이 가능하고, 10억 개 이상의 기존 화학물질 탐색을 단 하루 만에 검색할 수 있어 임상시험 전까지 시험을 1~2년이면 가능하다. 특히, 임상시험에서도 인공지능은 화합물의 구조와 생체 내 목표 단백질과의 결합 또는 친화도를 제시할 수 있어서 맞춤형 의약품개발과 약물과의 상호작용을 예측하여 시행착오를 줄일 수 있다고 한다. 특히, 임상 2상 a, b와 임상 3상에서는 질병 타켓과 관련성이 높은 임상 대상 환자군을 선발할 수 있어서 효과적인 임상효과를 얻을 수 있고 나중 신약 허가 후에도 환자에게 맞는 적절한 사용이 가능하다.