◆방송 : DP인터뷰
◆기획·진행 : 제약바이오산업2팀 김진구 기자
◆촬영·편집 : 영상뉴스팀 이현수·박지은 기자
◆출연 : 김우연 한국제약바이오협회 AI 신약개발지원센터장

국내외에서 신약개발에 인공지능(AI)을 활용하려는 노력이 한창이다. 2016년 구글 딥마인드 알파고와 이세돌 9단의 바둑 대결 이후로 본격화한 ‘AI 신약개발’은 어디까지 왔을까.

AI 신약개발의 현주소를 알아보기 위한 컨퍼런스가 지난 2일 개최됐다. 한국제약바이오협회가 한국보건산업진흥원과 서울 이태원 몬드리안호텔에서 개최한 ‘AI 파마 코리아 컨퍼런스 2023’에서 김우연 한국제약바이오협회 AI신약개발지원센터장을 만나 국내외 AI 신약개발의 현재와 미래를 들었다.

김우연 센터장은 "대중적으로 비춰지는 모습과 달리, 일선 연구 현장에선 AI 신약개발과 관련한 기술이 하루가 멀다 하고 매우 빠른 속도로 진보하고 있다"고 말했다.

Q. 알파고 등장 이후 국내 AI 신약개발 분야에서의 변화를 설명해주세요.

"알파고는 사람들이 AI를 인식하는 중요한 시기였다고 생각합니다. 이른바 ‘알파고 모먼트’ 이후로 전 세계가 신약 개발 뿐 아니라 모든 분야에서 AI가 주목받기 시작했습니다. AI가 앞으로 중요해질 거라고 생각해서 여기저기서 투자가 되기 시작했습니다.

제약바이오 분야에서도 마찬가지였습니다. 저희 협회에서도 이러한 변화가 아주 중요하다고 생각하고 2018년부터 국내 인공지능 신약개발 생태계를 조성하자는 취지로, 현재의 AI 신약개발지원센터의 전신인 추진단이 꾸려졌습니다. 물론 그때는 제가 협회 소속이 아니었었지만, 그 이듬해에 센터가 공식 발족했습니다.

센터가 가장 먼저 신경 썼던 것은 교육과 홍보였습니다. 알파고와 달리 신약개발 분야에서는 AI가 어떻게 쓰일지 다소 모호하고 거리가 있었기 때문입니다. 인공지능이라는 키워드는 같지만, 바둑과 신약개발은 기술적인 내용이나 적용시켜야 하는 도메인, 데이터의 형태 등 모든 것이 다릅니다. 그 괴리감이 컸습니다.

어떻게 이걸 사람들에게 인지시키느냐가 그 당시 매우 중요했습니다. 저희 센터가 연구센터가 아닌, 지원센터로 시작하게 된 가장 큰 이유였습니다. 그래서 교육과 홍보에 가장 신경을 썼습니다. 그래서 보건복지부와 보건산업진흥원과 협력해 교육·홍보 사업에 나서게 됐고, 지금까지 수행해왔습니다.

교육에선 ‘LAIDD(라이드, Lectures on AI-driven Drug Discovery)’라고 하는 플랫폼을 만들어서 온라인 형태로 강의가 돌아가게끔 했습니다. 여기엔 총 400시간 이상 강의가 탑재돼 있고, 5000명 이상이 가입해서 활용하고 있습니다. 매일 접속하는 액티브 유저는 200명이 넘습니다. 많은 사람이 관심을 가지고 활용 중입니다.

홍보 측면에선 오늘 행사인 ‘AI 파마 코리아’를 2018년 이후로 6번째 개최했습니다. 코로나 시기엔 온라인으로 개최했다가, 올해부터 오프라인 행사를 재개했습니다.

국내 제약사와 AI 스타트업간 협력을 도모하고 연결하기 위해 노력했습니다. AI 신약개발 스타트업이 모인 협의체를 구성했고, 전통제약사들 중 AI 신약개발에 관심을 가진 분들을 모셔서 전문위원회를 만들었습니다. 또 학계에 계신 분들을 모셔서 자문위원회도 만들었습니다. 이렇게 총 3개의 위원회가 구성됐습니다. 학계, 전통제약사, AI 스타트업 등 3개 그룹을 만들어서 각자의 목소리를 듣고 협력하는 방식으로 홍보에 힘을 썼습니다.

이런 식으로 5~6년 씨앗을 뿌렸습니다. 그리고 지금 현재는 오늘 행사에서 보신 것처럼 오랜만의 오프라인 행사에 매우 많은 사람이 참여해 관심을 보이고 있습니다. 특별한 홍보 없이도 예상 참가인원 300명보다 훨씬 많은 사람이 참석했습니다.

개인적으로 그간의 교육·홍보 효과는 꽤 컸다고 평가합니다. 알파고 이후로 국내 산업 분야마다 발전 속도는 다르겠지만, 신약개발 분야에서 있었던 일이라고 할 수 있습니다."

Q. AI 신약개발의 기술적 발전 속도가 다소 더디다는 일각의 비판에 대해선 어떻게 생각하시나요.

"많은 분들이 실질적으로 제약산업에선 어떤 성과가 있었느냐를 궁금해 하실 것 같습니다. 다른 분야와 비교하자면 알파고는 그 자체로 큰 성과물이었고, 이외에도 챗GPT 같은 거대인공지능 모델이 대중적으로 체감할 수 있는 형태로 발전했기 때문입니다. 또 자율주행 자동차도 완전한 상태는 아니지만 고속도로에선 누구나 한 번쯤은 경험해봤을 정도로 AI를 일상에서 실감할 수 있게 됐습니다.

그에 반해서 신약개발은 상대적으로 적지 않느냐고 얘기합니다. 많은 분들이 그렇게 생각하고 있습니다. 그러나 반대로 얘기하면 어떤 성과가 나와야 체감할 수 있느냐고 반문할 수 있습니다.

알파고는 굉장히 특별한 케이스입니다. 전 세계에서 제일 실력이 뛰어난 사람을 압도적으로 이겼기 때문입니다. 그 정도는 돼야 인공지능이 성과를 낸 사례로 인정한다면, 알파고 말고는 아직 구체적인 성과를 낸 사례가 거의 없는 것 같습니다.

바둑은 이기고 지고가 명확한 게임인 반면, 신약개발의 경우 성공 여부를 판단하는 기준도 다릅니다. 승인을 받아야 성공했다고 볼지, 임상 단계에 진입해야 성공했다고 볼지, 전임상 단계까지만 가도 성공했다고 볼지 각각 다릅니다. 단계별로도 20~30% 수준에서 실험으로 재현했으면 성공으로 볼 수 있을지 각각의 정의에 따라 다릅니다.

물론, 가장 마지막 목표로서 신약이 승인받아야 성공이라고 본다면 아직 성과가 없는 것은 맞습니다. 신약개발이란 짧게는 5년, 길면 7~8년은 걸리기 때문에 알파고 등장 이후로 보면 시간적으로 충분하지 않았던 것은 사실입니다.

그러나 신약개발의 앞 단계에선 인공지능 기술이 많이 도입되고 있습니다. 임상 단계보다는 그 이전, 타깃을 발굴하고 약물을 최적화하고 전임상 단계까지 가는 그 과정에 많은 기술이 집중돼 있습니다. 그 과정에선 성공한 사례가 많습니다. 국내에도 있고 해외에는 더 많습니다. 일반인이 인식할 정도로 뉴스를 통해 널리 알려지지 않았을 뿐이지, 그런 성공 사례는 지금도 많습니다."

Q. 구체적으로 AI 신약개발 분야에서 어떤 산업적 성과물이 나왔나요?

"알파고와 비슷하게 많은 사람에게 인식된 것은 딥마인드의 '알파폴드(AlphaFold)'입니다. 알파폴드는 신약개발의 아주 초기 단계인 단백질의 구조를 밝히는 AI모델입니다.

병이 있으면 원인이 되는 유전자가 있고 여기에 연결되는 단백질이 있습니다. 이때 유전자 변이는 단백질의 구조적 변이를 일으킬 수 있습니다. 단백질의 구조가 어떤지 알아야 비로소 신약개발이 시작됩니다. 예전에는 이 구조를 밝히기 위해 실험을 했습니다. 보통 잘 알려진 프로토콜을 따르더라도 1년 이상, 1억원 정도 비용이 듭니다.

이걸 컴퓨팅과 AI를 이용해서 예측하려는 시도가 있었고, 그 역사만 50년에 달합니다. 비로소 이제야 알파폴드가 실험을 거의 대체할 정도의 정확도를 가진 기술을 내놓았습니다.

물론 이걸 가지고 신약개발에 성공했다고 할 수는 없습니다. 아까 말씀드린 대로 신약개발이란 바둑과 달리 하나의 액션으로 성패가 좌우되지 않기 때문입니다. 마치 물이 100도에서 끓기 시작하는데 99도까지는 뜨거운 물인지 찬 물인지 알 수 없는 것과 같습니다. 현재는 신약 개발의 최종 완성을 위한 여러 과정이 하나씩 맞춰져 가는 단계라고 생각합니다.

최근 논문을 보면, 알파폴드 이후로 기술이 확장돼서 이제는 약물과 질병 원인 단백질이 어떻게 결합하고 있는지 살피는 기술이 나오는 것으로 확인됐습니다. 단백질의 구조는 알겠는데, 약물이 결합했을 때는 어떻게 달라질까를 살피고 있습니다. 이 문제를 푸는 게 지금까지는 잘 안 됐었습니다. 지금 이 문제를 풀고 있고, 거의 다 푼 상태인 것으로 판단됩니다. 최근 이런 연구결과가 나오기 시작했습니다.

저분자 화합물 뿐 아니라 항체 단백질 혹은 펩타이드 레벨까지 설계하고 예측하는 단계까지 꽤 좋은 결과로 이어질 것으로 예상되는 AI 모델들이 등장하고 있습니다.

연구 현장에서 보면 하루가 멀다 하고 새로운 기술이 등장하는 모습입니다. 생각했던 것보다 훨씬 빨리 발전한다고 느낍니다. 일반인들은 조금 떨어져서 보다 보니, 뉴스가 뜸하다고 생각할 수 있을 것으로 생각합니다. 기술 발전을 바라보는 시각의 차이 혹은 온도의 차이 때문에 인식이 잘 안되겠지만, 막상 현장에선 굉장히 빨리 발전하고 있다고 말씀드릴 수 있습니다. 현장에서 기술이 쓰이면서 피드백을 받고 더욱 발전하는 식으로 선순환하고 있는 상황입니다.

몇몇 글로벌 빅파마는 단순히 AI 신약개발 스타트업과의 협력에 그치는 게 아니라, 자체적인 역량을 보유하기 위한 내재화 노력에도 나서는 중입니다. 많은 IT인력을 뽑고 있습니다. 대표적으로 화이자의 경우 디지털 트랜스포메이션 센터를 만들어서 2024년까지 IT인력 500명을 갖추고 기술을 내재화 하겠다는 계획입니다. 그간 기술적으로 성과가 쌓이지 않았다면 이런 과감한 투자가 쉽지 않았을 것입니다. 현장에선 이런 변화가 계속 일어나고 있습니다.

모든 국민이 알파고처럼 AI 신약개발을 인식하려면 물이 끓어야 합니다. 100도가 돼야 하는데, 지금은 저도 38도인지 72도인지 88도인지 알 수 없습니다. 기술의 변화란 점진적이지만 연속적이진 않고 점프하듯이 발전하기 때문입니다. 연구 현장에 있는 제 생각에는 예상보다 훨씬 빠르다고 느낍니다. 시각의 차이일 수 있지만, 이렇게 빨리 풀릴 수도 있구나 하는 생각이 들 정도입니다."