신약 개발에는 천문학적인 자원이 필요하다. 하나의 신약이 FDA의 승인을 받아 출시되기까지 3조 원에 가까운 돈과 15년이라는 시간을 쏟아부어야 한다.
사실상 ‘모래에서 바늘 찾기’에 가깝다.
초기 후보 물질 선정 단계에서는 수백만 개의 화합물 라이브러리 중에서 특정 질병 타겟에 효과가 있는 히트(Hit, 유효물질)를 골라내기 위해 대용량 고속 스크리닝(HTS) 과정을 거치고, 이 히트들 중에서 약효가 좋고 독성이 낮은 리드(Lead, 선도물질)를 선별해낸다. 여기까지만 해도 5년 이상 소요된다.
이 단계는 속도가 생명이다.
전임상과 임상 단계에 돌입하면 막대한 비용이 필요하고 성공률도 매우 낮다. 특히 임상 단계의 ‘죽음의 계곡(Valley of Death)’이라 불리는 지점에서 90% 이상의 프로젝트가 실패한다. 그러면 다시 돌아가 ‘히트’에서 ‘리드’를 찾는 탐색을 수행해야 한다. 마치 ‘골드러시(Gold Rush)’ 같다.
질병 타겟 물질(단백질)과 약물(화합물) 사이의 상호 작용을 예측하는 것은 당연하겠지만 매우 어렵다. 단백질과 화합물 각각의 3차원 구조 정보와 물리화학적 특성을 기반으로 둘 사이의 결합력을 예측하는 복잡한 연산이 수행된다. 전통적인 시뮬레이션 방법으로는 후보 물질 1개당 수일에서 수개월이 걸리는 계산량이다.
이건 AI가 잘 하는거 아닌가?
실제로 AI가 신약 개발의 시간과 비용을 획기적으로 줄여줄 것이라는 기대감과 함께 글로벌 기업들이 움직이고 있다.
빅파마 기업인 사노피(Sanofi)는 자체 AI 플랫폼 기술을 가진 스타트업 엑스사이언티아(Exscientia)와 최대 52억 달러(약 7.4조 원) 규모의 계약을 체결했다. 이 계약에서 엑스사이언티아는 후보 물질 탐색을, 사노피는 전임상부터 판매 및 마케팅을 담당하여 최대 15개의 신약 후보 물질을 발굴하는 것이 목적이다.
NVIDIA는 신약 개발을 위한 생성형 AI 클라우드 서비스인 ‘바이오니모(BioNeMo)’를 발표했다. 신약 개발을 하려면 반드시 사용해야 하는 ‘플랫폼(Platform)’ 시장을 선점하려는 움직임일 것이다.
구글 딥마인드(DeepMind)가 알파폴드(AlphaFold)를 지속적으로 공개하는 것도 비슷한 맥락으로 보인다.
AI가 해냈다.
최근 인실리코 메디슨(Insilico Medicine)은 특발성 폐섬유증(IPF) 치료제 ‘렌토서팁(Rentosertib)‘을 개발하면서 초기 후보 물질 발굴 단계부터 임상 1상 완료까지의 기간을 30개월 이내로 단축했다.
심지어 단순히 후보 물질을 선별한 것이 아니라, 생성형 AI 모델을 통해 질병 타겟을 새로 발굴하고 그에 맞게 분자를 설계(Design)해 낸 것이다. 그 덕분인지 AI 기반 약물 최초로 임상 2a 단계에서 긍정적인 결과를 얻어냈다.
죽음의 계곡을 극복할 가능성을 제시한 것이다.
아직 FDA 승인을 받아 정식 출시된 AI 신약은 없다.
인실리코 메디슨이 한 발 앞서 있는 것은 사실이지만, 기술적 차별성을 가진 강력한 경쟁자들이 있다. (순전히 내 기준이다.)
인실리코 메디슨의 무기가 생성형 AI 모델이라면, 빌 게이츠가 투자한 것으로 유명한 슈뢰딩거(Schrödinger)의 ‘물리학 + AI’ 모델, NVIDIA의 투자를 받은 리커전(Recursion Pharmaceuticals)의 데이터 자체 생산 전략도 분명 경쟁력이 있다.
특히 이 세 기업은 같은 목표에 대해 서로 다른 기술과 전략으로 접근하는 것이 매우 흥미로운 부분이다.
과연 이 중 누군가가 첫 번째 신약 출시에 성공할 수 있을까? 아니면 예상치 못한 다크호스가 나타날까? AI 신약 개발의 본격적인 경쟁을 지켜보는 것이 매우 기대된다.