약물 발견 AI 사용 글로벌 시장 5년간 6배 이상 성장

약물 발견에 AI를 통합하는 것은 효율성과 정확성을 크게 향상시키는 게임 체인저이고, 사용은 폭발적으로 급증할 전망이다.

컨설팅업체인 M&M(Markets and Markets)의 새로운 보고서에 따르면, 약물 발견에 AI 사용의 세계 시장 규모는 2022년 6억 달러에서 2027년 40억 달러 규모로 6배 이상 성장(연 45.7%)이 예상된다.

시장의 3개 주요 부문(자연어 처리, 상황 인지형 컴퓨팅, 딥 러닝) 중, 딥 러닝이 2022년에 가장 큰 시장 점유율을 차지했다.

이 분야의 주요 업체는 IBM 왓슨 헬스(IBM Watson Health), 아톰와이즈(Atomwise), 인실리코 메디신(Insilico Medicine), 엑스사이언티아(Excientia), 베네볼런드AI(BenevolentAI), twoXAR 등으로, 약물 발견 프로세스를 강화하는 혁신적인 AI 기반 솔루션 개발에 많은 투자를 하고 있다.

인실리코 메디신은 현재 치료제이 없는 조직 흉터가 특징인 섬유증의 잠재적인 새로운 치료제를 확인하기 위해 AI(인공지능) 기반 플랫폼을 이용했다.

아톰와이즈는 에볼라에 효과적일 수 있는 2개 약물을 발견하기 위해 딥 러닝 알고리즘을 사용했다.

베네볼런트AI는 특발성 폐섬유증(IPF)의 잠재적 치료제를 식별하기 위해 AI를 사용했다.

방대한 양의 데이터를 분석하고 주요 유전자 표적을 식별한 후, 바리시닙(baricitinib)을 개발했다.

이 약품은 인사이트와 파트너 릴리가 류마티스 관절염 치료에 2018년 미국 FDA에서 올루미안트(Olumiant)란 브랜드로 승인을 받았다.

시장 드라이버

약물 발견에서 AI의 성장은 보다 효율적이고 비용 효율적인 약물 개발 프로세스의 필요성, 전통적인 방법에 비해 약물 개발과 관련된 시간과 비용의 큰 감소 등이 드라이브했다.

또한, 전 세계적으로 암, 신경질환, 심혈관질환 등 만성질환의 유병률이 높아지면서 신약과 치료법에 대한 수요 증가도 AI 성장의 주요인이다.

AI는 방대한 양의 데이터를 분석하고 인간이 놓칠 수 있는 패턴을 식별함으로써 연구자들이 그 어느 때보다 빠르고 효율적으로 유망한 약물 후보를 찾을 수 있게 도움을 주고 있다.

다른 드라이버는 약물 발견에서 성공적인 AI 응용에 필요한 대용량 데이터 세트의 가용성 증가이다.

빅 데이터의 증가로 전자 의료 기록, 게놈 데이터베이스, 임상 시험 데이터 등, 다양한 소스로부터 방대한 양의 정보를 수집하고 분석할 수 있게 됐다.

또한, 기술의 발전도 성장 동력으로서 중요한 역할을 했다.

머신러닝(ML) 알고리듬은 시간이 지남에 따라 점점 더 정교해져 복잡한 생물학적 시스템에서 이전보다 더 높은 정확도로 패턴을 식별할 수 있게 됐다.

또한 전 세계 다양한 최종 사용 분야에 걸쳐 AI 기술의 채택 증가와 함께, 헬스케어 R&D 활동을 촉진하기 위한 정부의 호의적인 정책도 이 분야의 상당한 성장 기회를 드라이브하고 있다.

이러한 성장 동력은 새로운 기술이 등장하고 더 큰 데이터 세트를 분석에 사용할 수 있게 됨에 따라 이 분야의 확장을 계속 촉진할 것으로 예상된다.

채택 제약

반면, 약물 발견에서 AI의 잠재력은 방대하지만, 광범위한 채택에 대한 특정 제약이 있다.

주요 도전 중 하나는 AI 알고리듬이 학습하고 개선할 수 있는 상당한 양의 고품질 데이터가 필요하다는 것이다.

이러한 데이터에 접근없이, ML 알고리듬은 효과적으로 패턴을 식별하거나 결과를 예측할 수 없다.

다른 과제는 AI가 약물 발견의 특정 측면을 가속화할 수는 있지만 기존의 실험실 테스트를 완전히 대체할 수는 없다는 점이다.

신약의 개발과 시험은 여전히 살아있는 유기체에 대한 물리적 실험을 필요로 하며, 이 과정은 시간과 자원을 필요로 한다.

또한, FDA 등 규제 기관은 아직 AI를 약물 발견의 수단으로 완전히 수용하지 않고 있다.

ML 모델에 의한 의사 결정의 투명성과 책임성, 알고리즘을 개발할 때 많은 회사에서 사용하는 데이터 세트 내 다양성 부족 등에 대한 우려도 있다.

이러한 제약은 현재 약물 발견에서 AI 사용의 유망함과 한계 모두 강조하지만, 시간이 지남에 따라 계속 진화하는 기술은 미래 비전을 실현하기 위한 진전을 계속 보게 될 것이다.

새로운 추세

AI 알고리즘은 분자 상호 작용부터 조직 수준 반응까지 다양한 규모에 걸쳐 복잡한 생물학적 시스템을 분석하기 위해 개발되고 있다.

생성형 모델은 완전히 새로운 약물의 설계에 사용되고 있다.

클라우드 컴퓨팅은 약물 발견을 지원하는 또 다른 기술이다.

클라우드 기반 인프라는 규모에 맞는 계산을 가능하게 함으로써 약물 발견과 관련된 시간과 비용을 크게 절감했다.

연구자들은 자체 컴퓨팅 인프라를 구축하지 않고도 자원에 접근할 수 있어, 약물 발견의 주요 과제에 집중할 수 있다.

가상 약물 스크리닝은 잠재적인 약물 후보와 질병 표적 사이의 상호 작용을 시뮬레이션 함으로써, 수천 개의 화합물을 신속하게 선별해 약물 발견 과정을 가속화할 수 있다.

통합적 접근은 약물 발견 과정에 혁신을 일으켰다.

분자, 유전자 및 임상 데이터 등 다양한 데이터 소스를 결합함으로써, 연구자들은 질병 생물학의 포괄적인 이해를 얻고 잠재적인 약물 표적을 식별할 수 있다.

이 접근법은 후기 임상 실패의 위험을 줄여 더 효과적이고 안전한 약물을 발견하게 한다.

M&M은 AI가 잠재적 가능한 약물 발견을 고려할 때 미래는 밝지만, 기업은 이런 솔루션을 실행할 때 R&D 투자와 이런 기술을 가장 잘 활용하는 방법에 대한 인력 교육 등 기술의 잠재력을 최대한 활용할 조치를 취하는 것이 중요하다고 밝혔다.