AI, 제약 제조를 지능화하여 건강과 장수를 기원합니다
필드의료 산업에서 약물 연구 및 개발이라는 어려운 문제에 대해 머신 러닝, 딥 러닝과 같은 AI 기술을 사용하면 프로세스를 더 빠르고 경제적이며 효율적으로 만들 수 있습니다. 동시에, 기술의 사용은 약물 연구 및 개발의 진행 방식을 변화시키고 있습니다.
약물을 개발하는 데 얼마나 많은 비용이 드는지 상상도 못하실 겁니다.
평균적으로,약물 개발에는 25억 달러가 들고, 10년이 걸립니다.. 게다가 결국에는 약 10분의 1 정도만 실제로 사용되게 됩니다. 자료에 따르면 2017년 신약 연구개발 투자수익률은 3.2%에 불과했습니다.
임상 검증을 통과하고 궁극적으로 의료 기준을 충족하는 동시에 약물을 성공적이고 효율적으로 생산하는 방법은 연구 개발에서 해결해야 할 시급한 문제입니다.
그렇다면 AI와 헬스케어가 높은 가치를 지닌 오늘날의 세상에서, 약물 연구 및 개발에 AI 기술을 활용하면 이러한 상황을 바꿀 수 있을까요?
약물 개발은 어려운가요? AI를 시도해 보세요
토론토 대학교 공학 및 의학과 브렌던 프레이 교수는 "전통적인 신약 개발은 마치 나무에 막대기를 무작정 던져 사과가 넘어지는지 보는 것과 마찬가지로 운에 크게 의존합니다. 이러한 방법은 시간과 노동력이 많이 소요될 뿐만 아니라 성공을 보장하지도 않습니다."라고 말했습니다.
이 말은 약물 개발의 딜레마를 생생하게 묘사하고 있습니다. 이는 또한 제약품 제조의 어려움을 간접적으로 반영합니다.
그 이유 중 하나는 약물로 만들 수 있는 분자가 셀 수 없이 많고, 연구 개발에는 특정 질병을 치료할 수 있는 약물 분자를 분석할 수 있는 탄탄한 전문 지식이 필요하기 때문입니다. 이는 엄청난 매칭 작업입니다.
반면, 약사는 약물과 인체의 여러 세포 및 장기 사이의 다양한 상호작용, 환자마다 약물의 차이 등 많은 요소를 고려해야 합니다.
이러한 문제가 어려운 이유는 이러한 문제가 다루고 있는 분야에서 특정 패턴을 찾으려면 방대한 양의 데이터 분석이 필요하기 때문입니다.수작업으로 처리하면 비용이 많이 들고 실수가 발생할 가능성이 높습니다.
바로 이 부분에서 AI가 유용하게 활용됩니다. AI는 엄청난 양의 데이터에서 방향을 찾고 그 과정을 더 빠르고, 경제적이며 효율적으로 만들어낼 수 있습니다.
이제 연구자들은 해결책에 대한 대략적인 개념을 구상한 다음 데이터와 머신 러닝을 사용하여 AI가 나머지 작업을 처리하도록 할 수 있습니다.
AI 신약 개발에 집중하는 기업들
토론토에 위치 사이클리카 , 작년 세계 20대 AI 신약 연구개발 기업 중 하나로 선정됐습니다. 그들은 많은 회사와 협력합니다.우리는 AI를 생물물리학, 통계학, 빅데이터와 결합하여 약물이 다양한 표적과 질병에 어떻게 작용하는지 연구하는 데 중점을 두고 있습니다.
Cyclica의 사장 겸 CEO인 나히드 쿠르지(Naheed Kurji)는 "역사적으로 약물은 단일 표적을 표적으로 삼도록 설계되었기 때문에 단일 단백질에 결합하도록 개발되었습니다."라고 말했습니다.
하지만 많은 연구에 따르면 약물은 종종 수백 가지의 오프타겟 상호작용(즉, 단일 단백질 이상에 결합)을 일으켜 예상치 못한 부작용을 일으킬 수 있는 것으로 나타났습니다. 우리의 목표는 약물과 결합할 수 있는 신체의 모든 단백질을 식별하는 것입니다. 그리고 AI는 우리를 효과적으로 도울 수 있습니다. "
Cyclica의 연구는 과학자들이 특정 약물이 사람마다 효과가 다른 이유를 이해하는 데 도움이 되며, 이를 통해 새로운, 더 정확한 의약품의 개발을 가속화합니다. 그들은 "AI를 통해 약물 개발 기간을 2년으로 단축하는 것이 목표"라고 밝혔습니다.
쿠르지는 또한 “알츠하이머병과 같이 증상을 치료하는 약물이 없는 질병과 당뇨병과 같이 치료하기 어려운 질병의 경우,AI 기술의 도움으로 기존 모델보다 더 일찍 치료 가능하거나 완치 가능한 단계에 진입할 수도 있습니다.. "
제약 제조의 어려움을 해결하기 위해 AI가 도처에 번성하고 있습니다.
기술의 발전으로 점점 더 많은 기업과 기관에서 AI를 사용하여 약물 생성을 연구하고 있습니다.
최근 보고서에 따르면,피츠버그 대학교연구자들은 약물 개발의 정확도를 높이기 위해 딥러닝 방법을 사용해 왔습니다.
그들은 AI의 도움으로 컴퓨터에서 수백만 개의 가상 분자 모델을 탐색하고 연구했으며 동시에 수백 가지 질병이 특정 약물에 어떻게 반응하는지 관찰했습니다.
딥러닝은 연구자들이 약물 분자의 잠재적 부작용을 이해하고 특정 질병에 효과적인 분자를 포착하여 새로운 약물을 합성하는 데에도 도움이 됩니다.그들은 연구를 통해 기존의 50%에서 현재의 70%로 합성 예측의 정확도를 향상시켰습니다.
또 다른 하나는 다음과 같이 불립니다. 딥 유전체학 한 회사는 20개의 AI 시스템을 보유하고 있다고 주장합니다.
그들의 책임자는 이렇게 말했습니다. "질병 돌연변이에 대한 새로운 약물 표적을 발견하고 싶으신가요? AI 도구 세트가 있습니다. 특정 문제를 해결할 수 있는 약물을 설계하고 싶으신가요? 또 다른 AI 도구가 있습니다. 약물이 부작용을 일으킬 수 있는지 확인하고 싶으신가요? 또 다른 AI 도구 세트가 있습니다."
게다가,많은 회사에서는 대규모 신경망을 훈련시켜 다양한 임상적 검증을 통해 새로운 약물 옵션을 모색하고 있습니다.
예를 들어, 딥러닝 모델이 현미경 이미지를 분석하여 약물이 질병에 걸린 세포에 효과적인지 여부를 판단한다는 보고도 있습니다. 이 방법은 수백 가지의 세포 특성을 관찰하는 데 사용되며, 주당 최대 1,000만 개의 세포를 처리할 수 있습니다. 이는 인간의 능력을 훨씬 뛰어넘는 일입니다.
이러한 AI 기술을 기반으로 약물 개발 과정에서의 데이터 수집 및 처리 과정이 크게 가속화되었습니다. 또한 제약 산업의 일부 개발 모델도 바뀌었습니다.
AI + 신약개발, 이것이 미래 모델이다
현재로서는,AI는 이미 약물 개발의 모든 주요 단계에 적용되고 있습니다.
준비 단계의 문헌 분석, 개입 대상의 초기 식별, 후보 약물 발견, 그다음 빠른 임상 시험, 그리고 궁극적으로 질병을 진단(약물의 효능 확인)하기 위한 바이오마커 검색까지 AI가 점차 이 단계를 장악하고 가속화하고 있습니다.
AI가 이 산업을 새로운 차원으로 끌어올렸다고 할 수 있지만, 현재로서는 여전히 몇 가지 단점이 있습니다. 연구진은 "인공지능은 방대한 양의 데이터를 처리하는 시스템에 적합하지만 혁신적인 아이디어가 부족하다"고 밝혔다.
그래서 AI + 신약개발이 인기 있는 것처럼 보이지만, 사실은 전문 연구자들에게만 도움을 주는 수준입니다. AI는 데이터로부터 분석적 예측을 얻는 역할을 하고, 전문가는 AI가 해결하고 최종 검증 및 승인을 수행할 문제를 설정합니다.
이는 AI가 약물 개발에 기여하고 의료 분야에 엄청난 변화를 가져오는 데 방해가 되지 않습니다.
게다가 AI가 계속 발전하고 진보함에 따라 우리는 다음과 같은 이유를 믿을 수 있습니다.사회는 기술을 수용하고 익혀야만 다음 단계로 발전할 수 있습니다.