🧬💊Insilico Medicine: 생성형 AI로 신약 개발 프로세스 전반을 혁신하다

제약산업은 원래 많은 자본과 시간이 투입되지만 효율성이 낮아 아주 어려운 산업이다. 그러나 생성형 AI를 도입함으로써 신약 개발 방식의 패러다임을 완전히 바꿀 수 있었다. Insilico Medicine이 아주 좋은 사례이다.

이 회사를 분석해보았다.

회사 소개: Insilico Medicine은 2014년 Alex Zhavoronkov 박사에 의해 설립된 인공지능 기반의 제약 기술 회사이다. 홍콩과 뉴욕에 본사를 두고 있다.

핵심 기술:

생성형 AI, 강화학습, 트랜스포머 등 머신러닝 기술을 활용해

신약 타겟 발굴 및 신규 분자 구조 생성에 특화된 AI 플랫폼 개발

주요 AI 플랫폼

PandaOmics: 멀티 오믹스 타겟 발굴 및 심층 분석

Chemistry42: ML 기반으로 신약 후보 물질을 설계

inClinico: 임상시험 성공률을 예측하고 설계하는 도구

사업 영역:

암, 섬유증, 면역 질환, 중추신경계 질환, 감염병, 자가면역질환, 노화 관련 질환 등의 치료제 개발 

Insilico의 통합 플랫폼 Pharma.AI:  신약 타겟 발굴부터 분자 설계, 임상 시험 예측까지 신약 개발 전 과정을 지원하는 툴

Pharma.AI 구성요소

PandaOmics: 타겟 발굴 및 멀티오믹스 데이터 분석 엔진으로, 유전자 및 경로를 점수화하고 합성하여 인과관계를 추론. NLP로 타겟과 질병 연관성을 평가  

Chemistry42: 분자 설계를 위한 생성형 AI 화학 모듈로, 생성 및 점수화를 통해 약물 유사 분자 구조를 상상하여 생성

inClinico: 임상 시험 결과 예측 엔진으로, GANs를 활용해 약물 발견 및 평가를 하는 딥러닝 아키텍처. druGAN, ORGAN, RANC, GENTRL 등 다양한 모델 존재

기술 개발 타임라인

-2017년에 최초의 end-to-end AI 기반 약물 발견 파이프라인 제시, druGAN, ORGAN, RNN 아키텍처, ACTN, RANC를 포함한 여러 가지 GAN 모델 구축

-2018년에 GENTRL 구축 후 검증

-2019년에 Pharma.AI 플랫폼의 Biology AI 모듈을 사용하여 IPF(특발성 폐섬유증) 치료

기술 특징

-생성형 적대적 네트워크 + 트랜스포머 모델을 포함한 다양한 종류의 딥러닝 신경망 채택

-타사와 달리 생물학&화학 두 분야 모두에 동일한 딥러닝 적용

-NVIDIA의 BioNeMo를 활용해 생성형 AI로 초기 약물 발견 프로세스 가속화

AI 도입 전후 성과 비교

신약 개발 비용

4억 달러 → 4천만 달러 

=> 기존 방법 대비 90% 감소

개발 기간

6년 → 2.5년 

=> 기존 방법 대비 58% 단축

임상 1상 진입 기간

5년 → 18개월 미만

=> 기존 방법 대비 1/3에 불과한 시간

성과 정리

• AI 기반으로 발굴한 폐섬유증 치료제 후보 물질이 임상 2상 진입

• 2023년 기준 누적 4억 달러 이상의 투자 유치

주요 성공 요인

• PHARMA.AI 플랫폼을 통해 다양한 AI 모델을 통합하여 end-to-end 신약 개발 프로세스 구축, 최신 인공지능 기술 활용

• NVIDIA와 파트너십 체결 후 GPU의 컴퓨팅 파워를 통해 연산 능력 극대화

• 주요 제약회사들과 신약 개발 협력

• 암, 섬유증, 면역 질환 등 다양한 영역을 커버할 뿐 아니라 희귀질환 및 노화 관련 질환에 대한 다양한 질병을 타겟

• 30개 이상의 AI 설계 약물 파이프라인 보유

AI 기술의 향후 발전 방향과 사회적 변화

희귀질환 및 난치병 치료제 개발 가속화

AI 기술은 시장성이 낮아 연구가 미진했던 희귀질환 분야에서 큰 변화를 가져올 것으로 보인다. 데이터가 부족한 희귀질환에서도 AI 시뮬레이션을 통해 효과적인 치료법을 발견할 수 있기 때문이다. 2030년까지 현재 치료제가 없는 희귀질환의 30% 이상에서 신약 개발이 이루어질 것으로 전망된다고 한다.

의료 불평등 해소와 글로벌 헬스케어 접근성 향상

인실리코를 비롯한 신약개발과 관련된 AI 기술은 의약품 개발 비용을 낮춰 저개발국의 의약품 접근성이 높아질 것으로 보인다. 장기적으로는 의료 서비스의 글로벌 격차가 감소할 것이다.

윤리적, 법적 도전과 규제 환경 변화

동시에 규제와 관련된 논의도 활발한 상황이다. AI가 설계한 약물의 안전성과 효능을 평가하기 위한 새로운 규제 프레임워크가 필요하기 때문이다. FDA와 EMA 등 규제 기관들은 이미 AI 기반 의약품 평가를 위한 가이드라인을 개발 중이며, 2026년까지는 본격적인 규제 체계가 마련될 것으로 보인다. 특히 AI 알고리즘의 투명성과 데이터 편향성 문제를 해결하는 것이 중요하다.