14년에서 4년으로, 20조원에서 1조원으로. 하나의 신약이 탄생하는 데 필요한 시간과 비용이 이만큼 절약될 수 있을까.

줄어들 수 있다. 인공지능을 활용한다면 가능한 일이다. 신약개발의 가치와 어려움을 이미 알고 있다면, 신약개발에 인공지능처럼 '절대적으로 효율적인 수단'이 절실하게 필요하다는 데에 이견이 없다.

어떤 인공지능 프로그램이 수십만 개 기보로 바둑을 학습하는 사이, 어떤 인공지능은 수천, 수만 건의 논문과 수십, 수백만 건의 연구자료를 바탕으로 질병을 치료할 신물질을 빠르게 찾고 있다. 또 다른 인공지능은 지금까지 실험 결과를 모두 스크리닝해, 실험하지 않고도 정확도 높은 결과를 예측하는 방법을 학습하고 있다.

일주일만에 후보물질 5개를 뚝딱 골라낸 '베네볼렌트 AI'

이미 알려진 사실이지만, 다시 봐도 놀라운 건 신약개발 분야에 인공지능을 활용해 나온 지금까지 성과들이다.

얀센과 후보물질 독점 라이센스 계약을 체결한 인공지능 개발사 베네볼렌트의 인공지능은 한나절 만에 루게릭병을 치료할 잠재적인 방법 리스트를 작성했다. 과학자 검토를 거친 후 인공지능은 그로부터 또 일주일만에 리스트 중 루게릭병 치료 가능성이 가장 높은 치료제 5가지를 추려 연구소로 보내왔다.

또 다른 인공지능 개발사 엑스사이엔티아가 찾아낸 정신질환 치료제 후보물질은 임상시험을 앞두고 있다. 엑스사이엔티아는 후보 물질을 단 1년 만에 찾아냈다. 기존 방식으로 4.5년이 걸리는 일이었다.

이외에도 아톰와이즈의 아톰넷, IBM 등 수많은 IT 기업과 벤처회사가 제약사와 손잡고 신약이 될 물질을 찾고 임상시험 결과를 예측하면서 '신약개발' 업무를 수행하고 있다.


지금 이 시점에서 우리가 무엇보다 먼저 받아들여야 할 것은, 인공지능을 활용한 신약개발이 더 이상 '아직 오지 않은 미래'의 막연하고 모호하며 지금 일상과는 관계 없는 일이 아니라는 점이다.

이르면 당장 내년 즈음 약국에서 인공지능이 골라낸 후보물질에서 기인한 파킨슨 병 치료제를, 지금 이 글을 읽고 있는 의사가 처방하고 약사가 조제하고 있을 지 모른다.

이 기사를 쓰는 기자 역시 이르면 1년 안에 '인공지능으로 개발한 첫 신약, 식약처 허가 완료'라는 제목의 기사를 쓸 지 모른다고 생각하면 믿기지 않긴 마찬가지지만 말이다.

그렇다면 어떻게 이런 일들이 가능할까. 교육받은 전문인력 수십, 수백 명이 투입돼 해온 일을, 인공지능 혼자 1, 2년만에 해낸 건, 바로 인공지능이 방대한 정보를 검색하고, 연계해 결과를 추론하고 예측하도록 '학습'하기 때문이다.

인공지능의 무수히 많은 주요 기능을 이해하기 위해 배영우 전문위원과 기자의 대화 일부를 소개한다.

한국IBM에서 26년간 인공지능을 연구해온, 그러다 신약개발을 위한 인공지능이라는 분야가 '내 일이다'라는 확신에 퇴사 후 현재 한국제약바이오협회 R&D정책위원회 4차산업 전문위원으로 활동하는 배영우 박사는 '인공지능을 알아보니, 마치 계산기를 쓰던 사람이 엑셀을 만난 것 같다'는 기자의 말에 "좋은 비유"라고 동의했다.


매커니즘은 이렇다. 신약을 개발하는 데에 셀 수 없을 만큼 많은 학문과 연구, 전문가, 지식, 기술이 복합적이고 유기적으로 필요한데, 여기에서 후보물질 도출에서부터 인공지능의 데이터 취합과 분석, 연계, 도출 기능이 힘을 발휘한다.

배 위원은 인공지능에 대한 전문가들의 우려가 무엇이냐는 질문에 '엑셀과 같다. 기능을 숙지하는 과정이 필요하고, 낯섦에 대한 막연한 거부반응 정도'라고 답했다. 효과와 효율이라는 빛에 비하면 '부작용'이라 할 만한 어둠은 미미한 수준이다.

그는 "신약개발은 화학, 생물학, 물리학, 의학, 약학 등 수많은 단계에 수많은 학문이 복합적으로 필요한 분야다. 그만큼 각기 다 다른 단계마다, 각각의 기능마다 서로 다른 인공지능 프로그램이 필요하다"며 "이 모든 인공지능을 제공하는 회사는 없다. 각각의 프로그램을 사용하기 위해 그 프로그램의 수만큼 각기 다른 많은 업체와 협력해야 한다"고 밝혔다.

현장에서 전문가들이 가장 원하는 툴은 '원하는 주제 별 필요한 정보를 요약하는 기능', 즉 서머라이제이션(summarization)이다. '폐암'에 관련된 모든 자료와 논문을 모아 그 중 내가 원하는 주제에 따른 데이터를 정리해 일목요연하게 볼 수 있길 원한다는 것이다. 현재, 이 기능이 가장 잘 구현된 인공지능은 IBM이 개발한 암 진단 인공지능 '왓슨 포 온콜로지'다.

배 위원은 "의사들은 내가 간과한 걸 제시해주면 좋겠다고 말한다. 인간은 어쩔 수 없이 자신이 중요하다 여기는 쪽으로만 지식과 연구가 함몰될 수 밖에 없다. 그래서 내가 놓치고 있었던 정보를 보완해주는 기능이 꼭 필요하다. 전문가들이 놓친 후보물질을 빠르고 정확하게 제시하는 것, 인공지능이 그 자리를 채울 수 있다"고 강조했다.

또한, 인공지능의 예측 기능을 통해 임상 효율성은 높이고 비용은 줄일 수 있다.

그는 "전임상 단계에서만 평균 15만 마리의 쥐가 죽는다. 인곤지능이 기존 자료를 통해 도출한 결론으로 실험 결과를 정확도 높게 예측한다면 동물실험을 줄일 수 있다. 더 나아가 생체, 인체 내 반응, 안전성이 어떨지를 예측하면 좋지 않겠나"라며 "여기에 인공지능이 또 많이 발전하고 있다. 학습을 통해 예측 신뢰도가 높아진다는 뜻이다"라고 말했다.

업계는 인공지능의 예측 정확도가 높아지면 개량신약 정도의 약물에서 아예 시험 패스가 가능하지 않을지 조심스레 내다보고 있다.


인공지능으로 '9회말 역전 만루 홈런' 노리는 국내 제약사들

그러기 위해 필요한 것은 정부의 적극적인 지원과 규제 완화다. 다행인 것은 정부도 그 중요성을 감지하고 있다.

미국 FDA만 해도, FDA 자체가 AI전문 인사를 영입하는 등 이 분야에 적극적으로 나서고 있다. 의료비가 증가하고 있어 대안이 필요하며, 무엇보다 국민건강에 도움이 된다는 판단 때문이다.

과학기술정보통신부는 지난 2월 인공지능을 통한 신약개발 지원에 거대 예산은 물론 제도적 지원도 아끼지 않겠다고 발표했다.

과기정통부는 "별도의 법령 제·개정 없이 가이드라인 마련 만으로 활용할 수 있는 연구데이터를 통해 단기에 성과 창출이 기대되는 후보물질 발굴 단계 프로젝트를 우선 추진하기로 했다"며 당장 법적 규제 없이 연구가 가능하다는 점을 강조했다.

배 위원은 "현재 인공지능의 신약개발에 대해 정부 태도는 상당히 전향적이다. 가이드라인을 마련하는 것 만으로도 지금까지 정부의 태도에 비해 상당한 오픈마인드를 보이는 것이다. 당장 병원에 왓슨이 도입되는 것을 보면 정부의 적극적인 의지가 느껴진다"고 설명했다.

이어 "우리나라 법률도 포지티브에서 네거티브로 전환해 좀 더 자유로운 연구와 상용화 환경을 만들어줘야 한다"고 주장했다.


이러한 분위기에서 제약바이오협회가 설립한 '인공지능을 이용한 신약개발 추진단은 지난해 TF에 참가하는 국내 제약사 R&D 담당 관계자들과 IBM 본사 연구진들이 웹콘퍼런스를 여는 등 의욕적으로 돌아가고 있다.

협회 관계자는 "수요 조사 끝에 국내제약사 17곳이 참여하기로 결정해 TF가 꾸려졌다. 올해 초 추진단을 통해 현재 왓슨디스커버리 프로그램 무료 테스트(체험판)를 진행하고 있다"고 설명했다.

배 위원은 "인공지능 사용 경험을 쌓자는 취지에서, 인공지능 프로그램을 시범 사용(pre-trier)하되, 인공지능 회사가 제공하는 기능을 유료로 사용하는 수준으로 제한 없이 모두 사용할 수 있도록 국내 뿐 아니라 해외 유수의 인공지능 업체들과 접촉하고 있다"고 설명했다.

앞으로 가능한 모든 인공지능 업체에 접촉하고 세션도 계획하고 있다. 국내제약사가 인공지능을 통해 발굴한 신약 후보 물질로 임상에 들어갈 날이 곧 올 가능성이 가시화되는 것이다.

인공지능과 제약사 협업은 이미 진행 중..."인공지능도 진화하고 있다"

그는 이러한 트렌드가 당연한 결과라고 말한다. 결과적으로 제약사들이 인공지능을 쓸 수 밖에 없다고 말한다. 너무 뻔한 정답을 외면할 제약사가 있겠냐는 것이다.

그는 "계산기에 익숙한 사람은 엑셀이 불편할 수 있다. 그러나 계산기로 안 되는 것들을 엑셀로는 할 수 있다. 인공지능은 그저 툴이다. 다만 전문가가 사용하는 툴로, 그 효과가 아주 혁신적이라는 점이 다르다"고 강조했다.

이어 "이미 신약후보 물질 리스트를 확보한 인공지능 업체들이 제약사에 이 후보군을 두고 협업하고 계약을 맺고 있다. 신약개발 생태계가 완전히 달라지는 것"이라고 말했다.

마지막으로 "결국, 사람들이 실험과 시험에 따라 만들어 놓은 데이터를 인공지능이 학습해 우리가 활용하는 것"이라며 이 분야의 변화에 대해 이렇게 예측했다.

"지금 현재 모든 질병과 모든 성분, 모든 데이터베이스를 통합적으로 다 가지고 있는 인공지능은 없다. 만들려 해도 불가능하다. 앞으로는 적응증 별로, 질병 별로 각각 데이터베이스를 구축해 이를 연관 분석하는 식으로 가지 않을까 생각한다. 예를 들어 '폐암 전문 인공지능', '백혈병 전문 인공지능'과 같은 식으로 말이다. 인공지능도 각자 영역을 구축해 전문화되지 않겠느냐."