[데일리팜=노병철 기자] 토종제약기업들의 인공지능(A.I) �탑析�발 기틀 마련의 핵심은 뭘까. 관련분야 전문가 영입과 그에 따른 시스템 확보도 중요하지만 무엇보다 새로운 기회와 가치 창출은 아무리 강조해도 지나치지 않는다. 다시말해 각 기관이 보유한 민감한 데이터를 공유·활용해 선진국 추종형에서 한국형 A.I 모델 개발 프로세스를 구축해 차별화·틈새전략에 방점을 둬야한다.

이른바 A.I 오픈이노베이션은 개발사-병원-보건당국-해외기업 등이 유기적으로 협력해 후보물질 탐색과 임상절차, 환자 정보 등에 대한 유기적인 정보와 소스가 공유돼 새로운 약물 적합성을 도출할 수 있는 구조적 기반을 다져야 보다 빠른 제품화 성과를 도출할 수 있다는 데는 이견이 없다.

그동안 제약사-의료기관-대학-연구소 등 A.I를 응용한 �탑析�발 주체자들의 애로사항은 각 기관들이 보유한 민감한 데이터에 대한 직접적인 공유가 사실상 불가능했다는 점이다. 그나마 다행스러운 부분은 한국제약바이오협회를 구심점으로 협업체계의 단초가 하나하나 풀리고 있어 한국형 A.I �탑析�발에 속도를 내고 있다.

개방형 인공지능 �탑析�발 시스템과 프로세스를 만들어 나가는 것도 중요하지만 그에 앞서 태스크 기반 모델을 새롭게 발굴하는 것도 선행돼야 한다. 기존 전통적 데이터 기반 인공지능 �탑析�발 모델 방식은 데이터 수집과 전처리-A.I 모델 구축-현장 적용 등으로 이뤄져 왔다. 그렇지만 이는 기관 간 정보 공유가 원활치 않고, 데이터 전처리 범위를 예정하기 어려운 단점이 있어 개선이 요구돼 왔다.

이에 비해 태스크 기반 인공지능 모델 개발 방식 혹은 예측 모델 방식은 �탑析�발에 필요한 최적의 솔루션을 폭 넓게 찾을 수 있는 플랫폼으로 업그레이드 가능한 장점이 있다. 여기에 더해
탑다운 형태로 A.I 모델의 목적 다시말해 태스크부터 먼저 정의하고, 이에 필요한 모델 개발과 최소한의 데이터 전처리만 수행하면 되기 대문에 데이터의 공유와 수행 측면에서 시간을 절약할 수 있다.

인공지능을 활용한 �탑析�발의 성패는 여기저기 조각조각 분산된 데이터의 조합에 따른 퍼즐 맞추기에 있지 않다. 각 기관이 보유한 RWD(리얼월드데이터)에 접근해 현장에서 즉각 적용해 효율성을 높이는데 있다. 즉, 일반적인 데이터나 플랫폼은 우리나라 제약기업들도 이미 수준급에 올라와 있기 때문에 RWD로 공개경쟁할 수 있는 오픈이노베이션 시스템 확보야 말로 한국형 A.I �탑析�발의 초석을 다질 수 있는 핵심조건으로 평가된다.

아스트라제네카·일라이 릴리·BMS 등 글로벌 빅파마들은 우리 보다 빨리 오픈이노베이션 인공지능 �탑析�발에 과감한 투자를 진행하고 있다. 인공지능을 활용한 신약 개발 성패는 데이터의 통합에 있다해도 과언이 아니다. 그럼에도 불구하고 대부분의 토종제약바이오기업들은 분산·고립방식의 인공지능 신약 개발에 임하고 있어 학습과 성능 향상 제한에 봉착해 있다. 글로벌 빅파마들은 이미 오래 전부터 이러한 문제점을 인식하고 연합학습 기반(Federated Learning) 인공지능 �탑析�발로 전환해 가시적 성과를 올리고 있는 점은 타산지석으로 삼아야 한다.

시스템 혁명 못지않게 중요한 점은 개별 기업들의 인식전환과 정부의 과감한 예산 확보다. 업계에 따른 데이터 공유 및 오픈이노베이션 프로젝트 연착륙을 위한 필요 예산은 5년 간 300억~500억원 내외로 추정된다. IBM·구글을 비롯한 인공지능 플랫폼 기업을 포함해 다국적제약사들의 경쟁적 참여와 선도는 국내 A.I �탑析�발 기술 주권을 위협하고 있다. 연합학습 기술개발, 데이터 기반 협력 플랫폼 구축, 실용화까지 포함된 한국형 오픈이노베이션 인공지능 개발 사업에 대한 정부 주도형 과감한 투자는 이제 선택이 아닌 필수불가결한 시대적 요구다.