AI/ML, 신약 개발의 '불용성' 난제 해결의 열쇠가 되다¶
원제목: Leveraging AI/ML to Reduce Risk in Drug Development: Part One
핵심 요약
- AI/ML 기술이 신약 후보 물질의 용해도 문제를 해결하는 데 기여할 수 있음은
- AI/ML 활용 시 신약 개발에 소요되는 시간, 비용, 자원을 획기적으로 절감할 수 있음은
- 낮은 성공률을 보이는 난용성 신약 개발 위험을 AI/ML로 줄일 수 있음은
상세 내용¶
신약 개발 분야에서 인공지능(AI) 및 머신러닝(ML) 기술의 활용이 주목받고 있습니다. 특히, 신약 후보 물질의 '낮은 용해도(poor solubility)' 문제는 상용화 성공률을 10% 미만, 심지어 5% 수준으로 떨어뜨리는 주요 장애물로 여겨져 왔습니다.Thermo Fisher Scientific의 Sanjay Konagurthu 박사는 이러한 난제를 해결하기 위해 AI/ML 기술이 어떻게 기여할 수 있는지에 대한 통찰을 공유했습니다. 그는 20여 년 전만 해도 약 30% 수준이었던 난용성 분자의 비율이 현재는 70~90%까지 증가했다고 설명하며, 이는 신약 개발의 복잡성과 어려움을 가중시키고 있음을 시사합니다.
Konagurthu 박사는 AI/ML을 활용함으로써 신약 개발 초기 단계에서부터 위험을 줄이고 효율성을 높일 수 있다고 강조합니다. AI/ML 기반의 '인실리코(in-silico)' 모델링 도구는 방대한 신약 후보 물질 중에서 성공 가능성이 높은 물질을 선별하는 데 도움을 줄 수 있습니다. 이는 곧 개발 실패 확률을 낮추고, 초기 연구 단계에서부터 최적의 기술 및 제형을 선택하는 데 중요한 역할을 합니다.
더 나아가, AI/ML은 특정 분자에 가장 적합한 개발 기술을 식별하고, 복잡한 신약 후보 물질(예: PROTACs)이나 기존의 저분자 화합물에 대한 제형 선정에도 기여합니다. 많은 신약 후보 물질들이 '립킨스키의 5법칙'을 위반하여 '벽돌 먼지, 그리스 덩어리'와 같은 특성을 지니는데, 이러한 복잡한 분자들도 AI/ML의 도움으로 효과적인 제형으로 개발될 수 있습니다.
이러한 AI/ML 기술의 도입은 제약 업계와 고객사 모두에게 막대한 시간, 비용, 자원 절감 효과를 가져다줍니다. Konagurthu 박사는 "시간은 문자 그대로 돈"이라며, AI/ML을 통해 신약 개발의 위험을 줄이고, 자원 소비를 최소화하며, 특히 원료의약품(API) 사용량을 줄이는 '초자원 절약적(ultra-material-sparing)' 접근 방식을 가능하게 한다고 설명합니다. 이는 궁극적으로 신약 개발 기간을 단축하고 더 많은 환자들에게 혁신적인 치료제를 신속하게 제공하는 데 기여할 수 있습니다.
이번 인터뷰는 AI/ML이 신약 개발의 여러 난관, 특히 용해도 문제 해결에 있어 핵심적인 역할을 수행할 잠재력을 보여줍니다. 이는 신약 개발 과정을 더욱 효율적이고 경제적으로 만들 뿐만 아니라, 성공 확률을 높여 혁신적인 의약품 개발을 가속화하는 데 중요한 동력이 될 것으로 기대됩니다. 다음 인터뷰에서는 분자 동역학 시뮬레이션 및 양자 역학 계산 등 더욱 심화된 AI/ML 기술의 활용 방안에 대해 다룰 예정입니다.
편집자 노트¶
이번 기사는 신약 개발 분야에서 AI/ML 기술이 어떻게 실질적인 문제 해결에 기여하는지를 구체적으로 보여주고 있다는 점에서 매우 의미가 있습니다. 특히, 수십 년간 제약 산업의 발목을 잡아온 '난용성'이라는 고질적인 문제를 AI/ML이 해결할 수 있는 가능성을 제시한다는 점이 주목할 만합니다. 일반 대중에게는 다소 어렵게 느껴질 수 있는 '용해도'라는 개념이 신약 개발의 성공 여부를 결정짓는 핵심 요소이며, AI/ML이 이러한 기술적 난제를 어떻게 극복할 수 있는지에 대한 쉬운 설명이 곁들여져 있어 이해도를 높입니다.
AI/ML 기술이 단순히 이론적인 가능성을 넘어, 신약 개발 과정의 시간과 비용을 절감하고 성공률을 높이는 데 직접적으로 기여할 수 있다는 점은 매우 고무적입니다. 이는 결국 더 빠르고 저렴하게 신약을 환자들에게 공급할 수 있다는 희망을 줍니다. 특히, '초자원 절약적 접근 방식'이라는 표현은 AI/ML이 단순히 효율성 증대를 넘어 지속 가능한 신약 개발에도 기여할 수 있음을 시사하며, 이는 환경 문제까지 고려하는 현대 사회의 흐름과도 맥을 같이 합니다. 앞으로 AI/ML 기술의 발전이 신약 개발 패러다임을 어떻게 변화시킬지, 그리고 그 혜택이 최종적으로 환자들에게 어떻게 돌아올지 주목해야 할 것입니다.