`의약계 전방위 확산` AI, K-바이오 날개 될까

↑ [사진 출처 = 게티이미지뱅크]

의료나 신약 개발 분야에서 인공지능(AI)을 활용하려는 시도가 활발해지면서 최근 글로벌 시장에서 주목받기 시작한 K-바이오에 날개가 될 수 있을지 관심이 모인다.
3일 의약·증권업계에 따르면 AI를 활용해 의료 현장에서 영상진단을 돕는 AI 플랫폼 기술을 보유한 제이엘케이인스펙션, 신약 후보물질의 발굴과 임상 개발을 돕는 데 특화된 신테카바이오가 이달 코스닥 시장에 상장될 예정이다.
신테카바이오는 국내 전통 제약사인 씨제이헬스케어가 2년에 걸쳐서 찾아내지 못한 후보물질을 6개월만에 도출한 성과를 낸 데다, 임상시험 성공 확률을 높여줄 바이오마커 발굴 플랫폼도 보유하고 있다. 신약 발굴 초기에 가장 지루한 과정인 스크리닝에 소요되는 시간과 비용을 줄여주고, 신약 개발의 성패를 가르는 임상시험의 성공 가능성을 높여줄 것으로 기대된다.
스크리닝은 질병 치료 효과가 기대되는 표적에 잘 결합할 화합물을 찾아내는 과정이다. 지금까지는 사람이 수많은 화합물의 구조를 직접 분석했기 때문에 시간이 오래 걸렸다.
스크리닝을 거쳐 후보물질을 도출하면 동물실험(전임상)을 거쳐 사람을 대상으로 약물의 안전성과 효과 등을 확인하는 임상시험을 세 차례에 걸쳐서 한다. 보통 전임상의 중간 결과가 긍정적으로 나오거나 임상 1상 진입이 임박하면 증권시장의 관심을 받기 시작한다.
그러나 올해 들어 글로벌 임상 3상에 나섰던 국내 바이오벤처들이 잇따라 성공하지 못하면서 K-바이오가 신뢰의 위기를 겪기도 했다. 특히 임상 3상 과정에서 약물이 혼용되는 등의 황당한 실수를 저지르고도 '실패가 아니다'는 취지의 주장을 내놓으면서 시장 참여자들을 혼란스럽게 하는 사례도 이어졌다.
업계 관계자는 "증권시장에서 큰 관심을 받는다는 부담이나 관심을 끌려는 이유로 억지로 임상 단계를 진전시켜 결국 실패로 이어졌고, 그 관심 때문에 실패를 실패라고 말하지 못하는 것"이라고 지적했다. 충분히 준비하지 않고 임상 단계를 높이다보니 기존에 출시된 약과 비교해 더 높은 효과를 입증하지 못했다는 것이다.
충분한 준비는 임상 설계를 말한다. 후보물질을 투약한 뒤 약효가 잘 나타날 특징을 가진 환자를 선별해 임상에 참여시키면 통계적으로 더 우수한 결과를 도출할 수 있다.
후보물질에 잘 반응할 환자를 걸러내는 기준이 바이오마커다. 실제 MSD의 면역관문억제제 키트루다(성분명 펨브롤리주맙)는 지난 2014년 흑색종을 적응증(약물을 사용할 수 있는 진단)으로 미국에서 허가된뒤 2017년 특정 바이오마커가 나타나는 다른 고형암에 대해서까지 일괄 허가를 받은 바 있다.
신테카바이오는 항암제와 신경계 질환 치료제의 바이오마커를 발굴하는 플랫폼을 보유하고 있다. 항암신약 바이오마커 발굴 플랫폼은 33개 암종의 1001개 암세포주 유전체와 모두 265개 항암제 및 후보물질의 반응성에 대한 빅데이터를 쌓고 이를 바탕으로 바이오마커를 발굴한다.
신테카바이오의 플랫폼이 신약 개발에 특화됐다면 제이엘케이인스펙션은 14개 신체 부위의 영상를 판독하는 37개의 AI 솔루션을 하나로 모은 플랫폼 'AIHuB'를 활용해 의사의 영상진단을 돕는 사업을 펼치고 있다.
AIHuB는 ▲기존의 다양한 의료기기와 융복합해 분석 서비스를 제공하는 '인공지능 의료 시스템' ▲입력 영상에 대한 정량적 분석 결과를 제공하는 '인공지능 정량분석 플랫폼' ▲원격 진단 플랫폼에 분석 서비스 기능을 제공하는 '인공지능 원격 플랫폼' ▲병원 시스템과 연동해 환자 진단에 활용하는 '인공지능 의료진단 플랫폼' 등으로 구성됐다.
특히 뇌졸중의 진단·치료를 돕는 유니스트로는 1만4000여명의 영상진단 자료 140만여건과 10만여건의 임상 자료를 바탕으로 환자가 응급실에 도착했을 때부터 치료를 받고 퇴원한 뒤 재활하는 데까지 이어지는 전주기 분석을 한다. MRI 영상 기반의 전립선암 사례를 분석해 디지털 병리학까지 연결되는 유니프로스도 판매하고 있다.
산업계 뿐 아니라 의료계 자체적으로도 빅데이터와 AI를 활용해 환자를 더 잘 치료하기 위한 노력이 이어지고 있다. 강경훈·배정모 서울대병원 병리과 교수 연구팀은 AI를 활용해 대장암의 예후를 예측하는 진단법을 개발했다. 암 환자의 예후를 예측하는 건 치료 성과에 큰 영향을 미치지만, 대장암은 예후 진단이 어려운 암종으로 값비싼 RNA 분석 방법을 동원해야 했다.
그러나 학부에서 컴퓨터공학을 전공한 연구팀의 유승연 전공의가 무료 프로그램을 활용해 암세포의 슬라이드 이미지를 분석하는 AI 툴을 만들었다. 이를 활용해 연구팀이 지난 2005-2012년 채취한 환자 578명의 대장암 조직 슬라이드를 분석했더니 RNA 분석법과 큰 차이가 없는 결과가 나왔다.
[디지털뉴스국 한경우 기자]