[월요신문=이명진 기자] “인공지능(AI)이 신약 발굴·개발 과정을 가속화할 수 있는 광범위한 기회를 열었지만 다양한 한계 역시 남아있다.”

한국제약바이오협회 인공지능신약개발지원센터는 7일 서울 강남구 르메르디앙호텔에서 ‘AI 파마 코리아 컨퍼런스 2019’ 기자간담회를 개최, AI가 적용된 신약개발의 현주소에 대해 이같이 입을 모았다.

이번 컨퍼런스는 ‘신약개발에 AI 활용, 현재 그리고 미래’를 주제로, AI 솔루션에 특화된 전문가들이 참여해 AI를 활용한 신약개발 적용사례를 소개했다. 이날 간담회에 참석한 전문가들은 AI를 통한 신약 개발뿐 아니라 AI 활용이 가능한 데이터 기반 연구 플렛폼을 만들어야 한다는 의견을 각각 내놨다.

안드레아스 벤더 박사는 “인공지능은 언어와 이미지 인식과 같은 분야를 변화시켰지만, 이용 가능한 화학적·생물학적 데이터의 특성상 약물 발견 영역에서는 아직 그렇지 않다”고 지적했다. 화학적 구조, 대상 생물 활동, 유전자 발현 데이터, 장기 조직 병리학 및 기타 정보 출처로부터 충분한 데이터를 이용할 순 있지만 데이터 노이즈(Noise)가 많고 일관성이 없다는 것.

이로 인해 신약개발 협력모델이 신뢰할 수 있는 데이터의 신뢰성을 갖추는 게 가장 큰 과제라는 주장이다. 그는 “제약업계가 데이터에 신뢰를 갖지 못하면 문제가 발생할 수밖에 없다”며 “복잡한 바이오데이터를 구조화해서 믿을 수 있는 모델을 만드는 것이 가장 중요하다”고 지적했다.

아울러 이용 가능한 데이터 역시 불충분하며, 데이터도 많지 않다는 지적이다.

김재영 인공지능신약개발지원센터 책임연구원은 “AI를 활용할 알고리즘은 구축돼 있는 상황이지만 국내는 많이 뒤쳐져 있다”고 설명했다.

그러면서 “제약사들이 글로벌 전문가와 일하기 위한 전문성을 갖추지 못하고 있고 각사 니즈에 대해서도 정확히 파악하지 못하고 있다”고 말했다.

이어 “센터에서 교육을 통해 최신 AI 신약개발 인프라를 활용할 수 있도록 환경을 조성할 것”이라고 덧붙였다.

김병찬 박사(미국 슈뢰딩거)는 “현재는 입출력 데이터의 해석 전략을 설정하는 단계인데, 후보물질 타겟 발굴을 처음 시작할 때 데이터가 거의 없어 AI를 적용하고 싶어도 하지 못하는 현실”이라고 말했다.

임채민 박사 역시 “후보물질 타겟에 대한 제한된 정보만 있을 경우 진정으로 새로운 화학 물질을 만드는 데 여전히 어려움이 존재한다”고 설명했다.

이 같은 상황을 극복하기 위한 협력 기반 노력도 이어지고 있다. 미국 슈뢰딩거는 데이터가 없는 경우에도 활용할 수 없는 모델을 개발했다. 수십년간 구축한 컴퓨터 모델로 신약개발에 필요한 데이터베이스를 구축한 것.

에이투에이는 고유한 디자인 플랫폼을 활용, 약물이 되기 어려운 타겟의 문제를 해결한다. 이 플랫폼은 수십 번의 분자 설계 반복을 통해 고유한 구조의 화학적 트랙션을 가능하게 하며, 사전에 최적화된 대상별 화합물을 생성하기 위해 인공지능·딥러닝 도구를 통합했다. 인공지능신약개발지원센터는 각 회사가 인프라를 활용 및 협력할 수 있는 오픈이노베이션 모델을 구축 중이다.