AI, 신약 개발 가속화한다… '모르는 것' 아는 똑똑한 AI 방법론 제시¶
원제목: Smarter search for new medicines with artificial intelligence - Eindhoven University of Technology
핵심 요약
- AI는 신약 개발 과정을 획기적으로 단축시킬 잠재력을 지니고 있음.
- AI 모델이 자신의 한계를 인지하도록 하는 '모르는 것'을 아는 능력 강화가 중요함.
- 활성 학습과 낯섦 점수 활용으로 AI의 데이터 효율성과 신뢰성을 높일 수 있음.
상세 내용¶
인공지능(AI)은 신약 개발 속도를 획기적으로 높일 수 있지만, AI의 한계를 이해하는 것이 전제되어야 합니다. 에인트호벤 공과대학교(Eindhoven University of Technology)의 Derek van Tilborg 박사 연구는 자기 학습 컴퓨터 모델을 더 신뢰할 수 있고 데이터 효율적으로 만드는 새로운 방법을 개발했습니다. 이 연구는 AI가 자신이 모르는 것을 인식하게 함으로써 신약 개발 분야에서 더 똑똑하고 안전한 응용을 가능하게 합니다.
새로운 의약품 개발은 막대한 시간과 비용이 소요되는 과정입니다. 실험실에서 연구자들은 수많은 분자를 테스트하여 치료 효과를 확인하는데, 이는 매우 느린 절차입니다. 따라서 과학자들은 AI가 이 과정을 더욱 스마트하고 빠르게 만들 수 있을 것으로 기대하고 있습니다. 컴퓨터가 가장 유망한 분자를 학습할 수 있다면, 연구자들은 최적의 후보 물질만 테스트하면 되므로 약물 개발 효율성이 크게 향상될 것입니다.
Derek van Tilborg의 연구는 신약 개발에 AI를 더 효과적으로 사용하는 방법을 탐구했습니다. 언뜻 단순해 보일 수 있지만, 화학 세계는 매우 복잡하며 수백만 가지의 다른 분자가 존재합니다. 가장 뛰어난 AI 모델조차도 이전에 접한 것과 너무 다른 것을 마주치면 혼란스러워할 수 있습니다.
Van Tilborg는 이러한 경계를 '화학적 카르만선'이라고 명명했으며, 이는 지구와 우주를 구분하는 실제 카르만선에 비유한 것입니다. AI 모델은 종종 자신의 지식 한계를 인식하는 데 어려움을 겪는데, 즉 자신이 모르는 것을 알지 못하는 경우가 많습니다. 이 문제를 해결하기 위해 두 가지 핵심 기술이 중요하게 작용합니다. 첫째, '활성 학습(Active learning)'은 모델이 스스로 가장 많은 것을 배울 수 있는 데이터를 선택하게 합니다. 둘째, '낯섦 점수(Unfamiliarity score)'는 모델이 특정 분자를 얼마나 잘 이해하는지 추정하고, 자신의 지식 범위를 벗어나는 것을 감지하면 신호를 보냅니다.
새로운 방법론은 분자 특성 예측, 약물을 정확한 부위로 전달하는 미세 운반체인 나노입자 설계, 질병 치료에 사용될 수 있는 항체 조각인 나노바디 개발 등 다양한 실제 화학적 문제에 적용되어 테스트되었습니다. 일부 결과는 실험실에서도 검증되었습니다. 연구의 주요 결론은 명확합니다. AI는 모델이 적절히 평가되고, 제한된 데이터로 효율적으로 작동하며, 자신이 모르는 것을 알 때, 신약 개발을 효과적으로 지원할 수 있다는 것입니다. Van Tilborg의 연구는 이러한 목표 달성을 위한 새로운 지식과 실용적인 도구를 제공하며, 신약 개발에 AI를 적용하는 것을 실제 적용에 한 걸음 더 가깝게 만들었습니다.
편집자 노트¶
이번 에인트호벤 공과대학교의 연구는 AI가 신약 개발의 핵심 도구로 자리매김할 가능성을 구체적으로 보여줍니다. 기존의 신약 개발 과정은 수많은 시행착오와 시간, 막대한 비용을 필요로 했습니다. 하지만 AI, 특히 딥러닝 모델은 방대한 화학 물질 데이터 속에서 잠재적인 후보 물질을 빠르게 탐색하고 예측하는 능력을 보여주며 이 과정을 혁신할 잠재력을 가지고 있습니다. 예를 들어, 수천, 수만 개의 화합물 라이브러리를 컴퓨터가 분석하여 가장 효과가 좋을 것으로 예상되는 소수의 후보군을 추려낸다면, 실험실에서의 시간과 자원을 획기적으로 절약할 수 있습니다.
하지만 이 연구가 강조하는 'AI의 한계 인지'는 매우 중요한 지점입니다. AI 모델이 학습한 데이터 범위를 넘어서는 새로운 상황에 직면했을 때, 잘못된 예측을 하거나 '모른다'는 사실을 명확히 인지하지 못하면 오히려 위험을 초래할 수 있습니다. 마치 자율주행차가 처음 보는 도로 상황에서 오작동하는 것과 같은 이치입니다. '화학적 카르만선'이라는 개념은 이러한 AI의 '블랙박스'적 한계를 극복하려는 시도이며, '활성 학습'과 '낯섦 점수' 같은 기법은 AI가 스스로 학습 효율을 높이고, 자신이 예측하기 어려운 영역에 대해서는 경고를 보냄으로써 연구자가 더욱 신중하게 접근하도록 돕습니다. 이는 AI를 단순한 예측 도구를 넘어, 연구자와 협력하는 '스마트한 조력자'로 발전시키는 중요한 단계라고 볼 수 있습니다.
이러한 연구는 우리 일반인에게도 직접적인 영향을 미칠 수 있습니다. 신약 개발이 빨라지고 효율화된다는 것은 곧 희귀 질환이나 난치병에 대한 새로운 치료제가 더 빨리 개발될 수 있다는 의미이기 때문입니다. 또한, AI 기반의 정밀 의학 연구가 가속화되면서 개인 맞춤형 치료법 개발에도 기여할 수 있습니다. 앞으로 AI는 단순한 검색 엔진을 넘어, 질병 치료라는 인류의 오랜 난제를 해결하는 데 더욱 깊숙이 관여하게 될 것입니다. 이번 연구는 그 과정을 더욱 안전하고 신뢰할 수 있게 만드는 귀중한 통찰을 제공합니다.