인공지능(AI)을 활용한 신약 개발이 전 세계적으로 활발해지고 있다.
AI를 통해 통상 10년 이상 걸리는 신약 개발에 필요한 기간과 비용을 줄이면서 효과적인 신약 개발이 가능할 것이란 기대다.
한국에서도 AI 신약 개발을 지원하기 위한 국가과제인 'K-멜로디(K-MELLODDY)' 사업이 본격화하고 있다.

최근 해외에서 AI를 활용해 물질 발굴부터 개발까지 이뤄진 신약후보물질이 임상 2상 시험 단계까지 들어서는 등 AI 신약 개발이 점차 빠르게 발전하고 있다.
국내에서도 대웅제약이 자체 AI 신약 개발 시스템 '데이지'를 구축하는 등 유한양행, 한미약품, 삼진제약, 동화약품 등 다양한 제약사들이 연구개발(R&D) 강화, 다른 AI 전문기업과의 협업 등을 통해 AI를 적극적으로 신약 개발에 도입하고 있다.
그동안 신약 개발에 큰 비용과 시간을 투입해왔지만, 점차 성공률이 낮아지는 가운데 보다 효율적인 신약 개발법을 모색하는 모습이다.
한국제약바이오협회도 AI신약융합연구원을 통해 단일 기관이 홀로 추진하기 어려운 디지털 융합 연구를 기획·수행하는 연구 허브 역할을 수행해온 데 더해 성공률은 높이고 데이터를 안전하게 보호할 수 있는 제약사는 물론 연구기관, 병원 등이 함께 참여하는 K-멜로디사업을 추진하게 됐다.

K-멜로디는 보건복지부와 과학기술정보통신부가 공동으로 추진하는 연합학습 기반의 신약 개발 가속화 프로젝트다.
제약바이오협회가 프로젝트의 주관기관으로서 사업단을 구성해 세부 과제 기획, 공모·선정 등의 절차를 진행해나가고 있다.

K-멜로디의 장점은 연합학습이다.
최근 AI를 활용한 연구 등에서 데이터 보안이 가장 큰 문제로 떠오르고 있다.
AI를 고도화하기 위해서는 지속해서 다양한 데이터를 모아 AI를 학습시켜야 하는데 이 과정에서 개인정보 침해, 소유권 분쟁 등의 문제가 야기될 수 있기 때문이다.
하지만 연합학습 기술을 활용하면 이 같은 문제를 피할 수 있다.
연합학습에서 데이터는 중앙 서버가 아닌 개별기관의 장치에서 독립적으로 처리되고 학습된다.
이를 통해 업데이트한 내용만 중앙으로 전송되고, 중앙에서는 이를 집계해 모델을 개선해나가게 된다.

즉 연합학습을 활용하면 여러 기관이 보유한 데이터를 직접 공유하지 않고 데이터 프라이버시와 보안을 유지하면서 AI 모델 성능을 전체적으로 개선할 수 있게 된다.
데이터를 직접 공유하지 않아 원천 데이터는 안전하고, 기술을 가미하면 개인정보 보호도 가능할 뿐만 아니라 과도한 표준화 없이 기관별로 학습 검증이 가능해 책임이나 소유권 문제에서도 자유로워진다.

K-멜로디는 연합학습 기술을 통해 제약사와 병원, 연구소 등이 민감한 데이터를 기관 외부로 공유하지 않고도 공동의 이익을 추구할 수 있도록 한다는 구상이다.
특히 지식재산권 등의 문제로 민감 데이터를 공유하기 어려웠던 신약 개발 분야에서 이 같은 어려움을 극복하고, 신약 연구의 효율성을 극대화하는 데 중요한 역할을 할 것이란 기대다.

특히 신약 개발 R&D 비용 중 상당 부분을 차지하는 것으로 알려진 약물 흡수·분포·대사·배설·독성(ADMET) 예측 모델 개발에 집중할 예정이다.
ADMET은 약물이 사람 몸에 투여됐을 때 몸속에서 어떻게 작용하는지 파악해 약물의 적절한 농도를 파악하고, 위험은 없는지 등을 확인해 신약 개발의 성패를 가르는 주요 요소로 꼽힌다.
미국 국립보건원(NIH)에 따르면 ADMET 관련 비용은 전체 신약 개발 R&D 비용의 무려 22%가량을 차지하는 것으로 나타나기도 했다.
특히 한국은 임상 1상 정도까지 개발한 후 기술수출을 하는 경우가 많아 ADMET 관련 비용이 개발비용의 대부분을 차지하는 경우도 많은 것으로 알려져 있다.

K-멜로디 사업단 관계자는 “연합학습을 도입하면 제약사와 연구소, 병원, 대학교 등이 각자의 데이터로 로컬 모델을 학습시키고 이를 중앙에서 통합해 더 정확하고 신뢰성 있는 예측 모델을 만들 수 있다”며 "프로젝트를 통해 다양한 소스에서 데이터를 연합학습 기법으로 연결해 보다 강력한 예측 모델을 구축하겠다"고 말했다.