인공지능(A.I)이 인간의 지적 사고를 초월하거나 또는 자아를 인식하는 특이점의 시작은 2035년에서 3000년까지로 다양한 예측이 난무하다. 하지만 이 분야 전문가들은 특이점의 현실화는 시간의 문제일뿐 필연적이라데 이견이 없다. 지금으로부터 74년 전, 세계 최초의 진공관 컴퓨터 애니악이 발명된 이후 지금의 슈퍼컴퓨터의 탄생까지 눈부신 발전을 생각하면 특이점의 시대는 멀지 않았으리란 판단이다.

A.I 응용이 가장 활발한 영역은 군사, 교통(물류·수송), 금융 등 다양하지만 최근 10년 새 후보물질 발굴·임상 부작용 추적과 관련한 신약개발 분야도 큰 주목을 받고 있다. 인공지능을 활용한 신약개발 당위성은 ▲질병의 치료와 예측 가능성 ▲판독의 정확성 ▲데이터 분석과 조합시간의 획기적 절감 ▲비용효과성 등을 들 수 있다. 신약개발에 있어 인공지능을 활용할 경우, 1명의 연구자가 조사할 수 있는 자료가 연간 200~300건에 불과한 반면 인공지능은 100만건 상당의 논문과 문헌을 검토할 수 있고, 400만명 정도의 임상 데이터를 분석할 수 있다.

때문에 새로운 연구가설을 수립할 수 있도록 근거를 제시하고, 분석결과를 체계적으로 관리할 수 있어 소수의 연구원만으로도 신약후보물질을 탐색하고 개발할 수 있어 비용과 기간을 대폭 줄일 수 있다. 여기에 더해 인공지능 알고리즘을 이용하면 진단 성과는 42% 향상, 의료비는 59% 절감할 수 있을 것으로 관측된다. A.I임상의사지원체계는 임상 데이터, 문헌, 논문 등의 정보를 분석해 의사의 진료·처방행위는 물론 간호 전반의 활동에 대한 의료지침과 근거기반 의료행위를 지원하는 것으로 의료기술과 서비스를 획기적으로 개선할 수 있을 것으로 예측된다.

글로벌 강대국들은 인공지능 패권주의를 주창, 국가적 로드맵 설정 후 전폭적 지원을 아끼지 않으며 A.I시대를 준비하고 있다. 그중 미국의 행보가 가장 눈에 띈다. 미국은 100여개의 AI 스타트업기업이 활동하고 있는 것으로 추산, 이들은 신약설계부터 약물정보의 종합과 합성에 이르는 신약개발 전주기에 걸쳐 인공지능을 활용한 신약개발 사례들을 개척하고 있다. 지난해에는 AI 스타트업에 약 2조3000억원의 펀드 투자가 이루어졌다. 인공지능 활용 신약개발에서 있어 3개의 물질이 임상시험에 착수했다. 리커션 파마튜티칼즈는 뇌해면성 혈관기형 치료물질 임상1상에 진입, 버그는 수포성 표피박리증 치료제 임상 2상을 완료했다. 베네볼런트AI는 파킨슨병 치료제 임상2b상을 진행 중에 있다.

미국 기업들이 A.I를 이용한 신약개발에 있어 임상적 결과를 낼 수 있는 원인은 FDA의 전폭적인 지원에 있다. FDA는 희귀의약품 패스트 트랙제도를 통해 보다 신속하게 시장에 출시할 수 있도록 돕고 있기 때문이다. 미국 내 빅파마와 IT기업·IB를 비롯한 기업들이 인공지능을 활용한 신약개발에 있어 오픈이노베이션 전략을 추구하고 있다는 점도 간과해서는 안된다. 이들 기업들은 개방형 혁신을 통해 인공지능 신약개발 생태계를 조성하고 상호 부족한 부분을 보완하면서 협력체계를 공고히 다지고 있다. 이 같은 경향은 인공지능의 급속한 발전과 더불어 인공지능이 고품질의 데이터를 필요로 한다는 특성에 기인하고 있는 것으로 전망된다.

세계는 이처럼 발 빠르게 새로운 시대를 준비하고 있는데, 우리나라는 아직 정부는 물론 민간·학계·산업계 차원에서도 사안의 중요성에 대한 충분한 공감과 이해가 부족해 보인다. 그나마 다행스러운 점은 올해 초, 한국보건산업진흥원과 한국제약바이오협회가 공동으로 인공지능신약개발지원센터를 설립해 운영에 들어 간 점이다. 여기에 더해 카이스트·고려대·성균관대 등 3개 대학이 올해 하반기부터 인공지능관련 대학원 과정을 신설하고 인재 양성에 들어갔다. 향후 3년 후면 150여명 가량의 석박사급 인공지능 전문가가 매년 고정 배출될 전망이다. 아직은 초기 단계지만 대웅제약, 한미약품, 유한양행, 일동제약, SK바이오팜 등 7개사도 전담팀을 꾸리고 스텝을 밟고 있다.

인공지능을 활용한 신약개발 패러다임 전환기를 대비하기 위해서는 ▲기술 구축 ▲개방형 네트워크 확보 ▲인재 육성이 필수조건이다. 전문가들에 따르면 우리나라는 미국에 비해 5년 정도 A.I 기술이 뒤쳐져 있는 것으로 평가된다. 하지만 적극적인 외부 전문가 영입과 특유의 벤치마킹 능력을 활용한다면 간격을 충분히 좁힐 수 있다. 현재 딥 러닝 기술은 표준이 정립되기 전이고, 데이터에 따라 성공여부가 좌우돼 불확실성이 높다. 신약개발 분야에 역량을 결집하고 산학연이 머리를 맞댄다면 '한국형 인공지능 표준 플랫폼 기술'을 구축해 낼 수 있다. 늦었다고 생각할 때가 가장 빠른 때다.