AI와 디지털 기술로 신약 개발 패러다임 전환: ACD/Labs 백서 시리즈 공개¶
원제목: Redefining research and development | Scientist Live
핵심 요약
- AI와 디지털 기술의 융합으로 신약 개발의 '설계-합성-시험-분석(DMTA)' 주기를 혁신할 수 있음을 강조함.
- 데이터 준비 시간을 획기적으로 단축하여 예측 모델링 및 AI/ML 적용 효율성을 극대화할 수 있음을 시사함.
- 신약 후보 물질 발굴부터 의약품 생산까지 전 과정의 속도, 비용 효율성, 과학적 엄격성을 동시에 향상시킬 수 있음을 제안함.
상세 내용¶
IT 기업 ACD/Labs가 발행한 두 편의 백서 시리즈는 제약 및 바이오 기업들이 자동화와 정보화 기술을 활용하여 연구개발(R&D) 워크플로우를 디지털화함으로써 혁신을 가속화할 수 있는 방안을 제시합니다. 이 백서 시리즈의 제목은 'AI-디지털-물리적 융합: 신약 발견 및 개발에서 DMTA의 미래'로, 제약 조직이 AI 애플리케이션과 과학 소프트웨어를 과학자 및 실제 실험과 연계하여 설계-합성-시험-분석(DMTA) 주기를 현대화함으로써 혁신을 앞당길 수 있는 잠재력을 탐구합니다.
이 백서들은 'AI-디지털-물리적 DMTA 주기'의 혁신적인 잠재력을 설명하며, 이는 예측 모델링 및 AI/ML 응용을 위한 데이터 준비 시간을 80%에서 0%까지 줄이는 데 도움을 줄 수 있습니다. 이러한 융합은 신약 개발 프로세스 전반에 걸쳐 엄청난 효율성 증대를 가져올 것으로 기대됩니다.
백서의 첫 번째 부분은 신약 발견에 초점을 맞추고 있으며, 디지털 트윈과 AI가 어떻게 선도 물질 최적화를 가속화하고, 수동 합성 설계의 부담을 줄이며, 탐색적 및 확인적 실험 전반에 걸쳐 의사결정을 개선할 수 있는지를 설명합니다. 설계, 합성, 시험 및 분석을 통합함으로써 연구자들은 과학적 엄격성을 유지하면서도 유망한 임상 후보 물질을 식별하는 경로를 단축할 수 있습니다. 이는 초기 단계의 신약 개발 과정을 훨씬 더 효율적으로 만들 것입니다.
두 번째 부분은 화학, 제조 및 관리(CMC)에 중점을 두어 제약 개발에서 이러한 원칙의 구현을 논의합니다. 제약 개발을 가속화하는 혁신은 API를 약품으로 개발하는 비용을 크게 줄일 수 있습니다. AI가 증강된 DMTA 주기를 통해 조직은 품질 설계(QbD) 원칙을 보다 효과적으로 구현하고, 실험 설계(DoE) 및 베이지안 최적화를 활용하여 반복적이고 견고한 설계를 수행할 수 있습니다. 또한, 지속적인 최적화 및 규제 준비를 위한 공정 디지털 트윈을 적용하고, 더 높은 재현성과 규정 준수를 통해 약물 성분 특성화 및 약물 제형을 개선할 수 있습니다. 이는 의약품 생산 및 품질 관리 측면에서도 상당한 진전을 의미합니다.
ACD/Labs의 혁신 및 정보화 전략 부사장인 Andrew Anderson은 과학적 방법론이 재정의되고 있다고 언급하며, 많은 R&D 조직이 이미 디지털화 여정에 있지만, 여전히 시스템 간 수동 데이터 전송에 의존하는 분산된 환경에서 운영되고 있다고 지적합니다. 이는 비효율성을 초래하고 오류 위험을 높이며, 과학적 통찰에서 임상 현실로의 전환을 늦춘다고 덧붙였습니다. 그는 실험 결과로 기계가 읽을 수 있는 데이터가 프로젝트 일정 단축에 기여하고 있으며, 제약 R&D 리더들이 잘 구성된 데이터를 통해 협업을 촉진하려고 노력하고 있다고 강조했습니다. 이번 백서 시리즈는 세계에서 가장 혁신적인 R&D 조직들의 모범 사례를 소개하고 있습니다.
편집자 노트¶
이번 ACD/Labs의 백서 시리즈는 신약 개발이라는 복잡하고 오랜 시간이 걸리는 과정을 AI와 디지털 기술을 통해 어떻게 혁신할 수 있는지 구체적인 방법론을 제시하고 있다는 점에서 주목할 만합니다. 특히 'AI-디지털-물리적 DMTA 주기'라는 개념은 단순한 기술 도입을 넘어, 데이터 준비 시간을 획기적으로 줄이고, 각 단계의 유기적인 연결을 통해 R&D 전반의 효율성을 극대화하겠다는 강력한 의지를 보여줍니다. 이는 신약 개발의 속도를 높이고 비용을 절감하여 환자들에게 더 빨리 새로운 치료법을 제공할 수 있는 가능성을 열어준다는 점에서 매우 긍정적인 신호입니다.
일반 소비자의 입장에서는 이러한 기술 발전이 단순히 연구실에만 국한되는 것이 아니라, 결국 우리가 사용하는 의약품의 개발 속도와 비용, 그리고 품질에 직접적인 영향을 미친다는 점에서 중요합니다. AI 기반의 신약 개발은 더 빠르고 정확한 진단을 가능하게 하고, 개인 맞춤형 치료법 개발을 촉진하며, 희귀 질환이나 난치병에 대한 새로운 해결책을 제시하는 데 기여할 수 있습니다. 또한, 생산 과정의 효율화는 의약품 가격 안정화에도 긍정적인 영향을 줄 수 있습니다. 앞으로 AI와 데이터 과학이 신약 개발의 필수적인 요소가 될 것이라는 전망이 더욱 굳건해지고 있습니다.