◆방송: DP초대석
◆기획: 제약바이오산업2팀 김진구 기자
◆진행: 제약바이오산업2팀 차지현 기자
◆촬영·편집: 영상제작팀
◆출연: 김화종 K-MELLODDY 사업단장
차지현(이하 차): 안녕하세요. 헬스케어 산업 내 다양한 인물을 만나 이야기를 나눠보는 DP 초대석 시간입니다. 오늘은 인공지능 기술과 바이오 산업의 융합을 통해 신약 개발의 새 패러다임을 열고 있는 K-MELLODDY 사업단의 김화종 단장님을 모셨습니다. 단장님, 안녕하세요.
김화종(이하 김): 안녕하세요. K-MELLODDY 사업단 단장을 맡고 있는 김화종입니다. 만나 뵙게 돼서 대단히 반갑습니다.
차: AI 기술이 매우 빠른 속도로 발달하고 있는데요. 최근 미국에서 직접 그 현장을 보고 듣고 오셨다고 들었습니다. 인상 깊었던 장면이 있는지 궁금합니다.
김: 지난 6월, 보스턴에서 열린 바이오USA에 참석했습니다. 130여 개 세션 중 20개 정도가 AI와 관련된 내용이었고요.
크게 세 가지로 나눌 수 있습니다. 첫째는 AI는 빠르게 발전하고 있지만, 바이오 분야에서는 발전이 더딘 편이라는 점입니다. 그 이유는 데이터가 부족하기 때문입니다. 바이오 관련 데이터는 개인 정보가 많고, 병원 데이터나 제약사의 실험 데이터는 외부에 공개되지 않고 있습니다.
둘째는 AI 활용에서 연결의 중요성이 강조됐다는 것입니다. 신약 개발에 AI를 활용할 때, 보통은 단계를 나눠서 활용합니다. 타깃을 찾고 검증하거나, 후보 물질을 찾고 검증하거나, 전임상 데이터를 쓰는 식이죠. 그런데 각 단계를 연결해 사용하는 게 더 효과적입니다. 궁극적으로 임상 1·2·3상을 통과하는 것이 목표이기 때문이죠.
여기에 최근에는 리얼월드 데이터를 AI 모델에 활용해야 한다는 논의도 많습니다. 실험은 매우 제한된 조건에서 이뤄지기 때문에, 실제 사람에게 적용했을 때 잘 맞지 않는 경우가 많습니다. 그래서 FDA에서도 동물실험을 줄이는 방향으로 가고 있고요. 처음부터 다양한 데이터를 함께 학습하는 AI 모델을 만들어야 한다는 얘기가 나왔습니다. 이런 이슈들이 바이오USA에서 핵심적으로 논의된 내용이었습니다.
차: AI 신약 개발 분야에서 K-MELLODDY 사업의 중요성도 점점 커지고 있는 것 같습니다. 이 사업은 어떤 사업이고, 출범한 지 1년 정도 지난 시점에서의 성과는 어떤지 궁금합니다.
김: K-MELLODDY 사업은 제가 한국제약바이오협회 AI신약개발지원센터장을 하던 2021년에 제안한 사업으로, 출범한 지는 4년 정도 됐습니다. 이 사업을 제안한 이유는, 빅데이터의 등장으로 AI 성능이 향상되고 있기 때문입니다. AI는 데이터가 많아야 잘 작동하는데, 신약 개발이나 바이오 분야는 데이터 확보가 굉장히 어렵습니다.
지금 우리가 많이 쓰는 인공지능은 언어모델이나 이미지 인식 분야입니다. 수억 개에서 수십억 개의 데이터를 학습했기 때문이죠. 반면 신약 개발 분야는 수백만 건도 안 되는 경우가 많습니다.
그래서 유럽에서는 10개 제약사가 모여 ‘멜로디(MELLODDY)’라는 프로젝트를 진행했습니다. 경쟁관계에 있지만 데이터를 공동 활용해서 더 좋은 성능의 AI 모델을 만들자는 거죠. 좋은 성능의 모델이 필요한 이유는 실패 확률을 줄이기 위해서입니다.
K-MELLODDY는 이 유럽 사례를 참고해 시작됐지만, 구성은 다릅니다. 유럽은 제약사 중심이었다면, 우리는 병원·연구소·대학·창업사까지 모여 더 다양한 데이터를 확보하고자 했습니다. 사업비는 348억 원으로 적지는 않지만, 큰 성과를 내려면 부족한 수준이기도 해서 후속 사업을 고민 중입니다.
지난 1년간은 생태계를 조성하는 데 집중했습니다. 각 기관이 실험 조건과 방식을 공유했고, AI 모델 개발자와 데이터를 보유한 기관이 함께 협력해 모델을 개발하는 작업을 해왔습니다. 데이터가 외부로 나가지 않더라도, 데이터의 구조나 특성을 공유하면서 모델을 만들 수 있는 환경을 구축한 것이 주요 성과입니다.
차: 바이오 업계 사람들과 만나 보면, AI 신약 개발의 필요성은 공감하지만 아직 갈 길이 멀다는 이야기도 많이 합니다. AI 신약 개발에서 가장 중요한 것은 무엇이라고 보시나요?
김: 우리나라 개발자들이나 신약 개발자들의 시각과 글로벌 기업의 시각 차이는 상당히 큽니다. 글로벌은 세계 최고 수준의 인재와 자본이 모여 있기 때문에 첨단 기술이 나올 수밖에 없죠. 그렇다고 우리가 못할 일은 아닙니다.
AI 개발에 필요한 기본적인 소프트웨어나 기술은 대부분 공개돼 있습니다. 출발선은 같다고 봐도 돼요. 누가 더 빠르게, 잘 활용하느냐가 관건입니다. 그런데 여기서 늘 문제가 되는 게 데이터입니다. 외국도 지금 데이터를 확보하려고 애쓰고 있고, 우리도 이 분야에 초점을 맞추면 충분히 경쟁력 있는 솔루션을 만들 수 있습니다. 결국 핵심은 ‘데이터 확보’이고, 우리나라도 이 부분은 충분히 할 수 있다고 봅니다.
차: 그렇다면 현재 한국의 AI 신약 개발 수준은 어느 정도라고 판단하시나요?
김: 출발선 자체는 큰 차이가 없습니다. 그런데 실제로는 차이가 큽니다. 예를 들어, AI 모델 정확도가 95%인 것과 96%인 것의 차이는 작아 보이지만, 사람들은 대부분 96%짜리를 선택합니다. 결국 1등 소프트웨어만 사용되는 거죠.
성능만 보면 비슷할 수 있어도, 실제 사용되는 데는 격차가 있습니다. 이걸 좁히기 위해서는 우리만의 무기가 필요합니다. 저는 그것이 ‘잘 정리된 한국의 의료 데이터’라고 생각합니다. 없는 게 아니라, 못 쓰고 있는 거죠. 이 데이터를 잘 활용하면 격차를 줄일 수 있고, 심지어 앞서갈 수도 있다고 생각합니다.
전 국민이 단일 건강보험 체계로 되어 있는 나라는 우리나라와 대만뿐입니다. 이 체계 덕분에 환자가 어떤 치료를 받았는지 쉽게 확인하고 연결할 수 있습니다. 이 데이터를 활용하면, 타깃 발굴, 바이오마커 검증, 약물 반응 추적까지 모두 가능해집니다.
차: 최근 ‘국민신약배당’이라는 새로운 개념을 제안하셨는데요. 어떤 사업인지, 또 어떻게 구상하게 되셨는지 궁금합니다.
김: 제가 ‘국민신약배당’이라는 이름의 사업을 제안했습니다. 이름만 보면 투자사업처럼 들릴 수도 있는데, 일부러 그런 이름을 붙였습니다. 우리나라만이 가진 강점이 바로 ‘잘 정리된 의료 데이터’입니다. 하지만 현재로선 제약이 많습니다.
그래서 이런 생태계를 만들기 위해서는 국민의 이해와 동의가 필요합니다. 지금까지 안 된 이유는 개인정보 보호 때문이라고 하지만, 사실은 개인이 자신의 데이터를 가지고 누군가가 이익을 얻는 것을 쉽게 허용하지 않기 때문이죠.
이 데이터가 공공재로 활용돼야 한다는 것이 제 생각입니다. 그리고 미래에 발생한 이익이 국민에게 배당되는 구조라면, 국민의 저항도 줄어들 겁니다. 좋은 데이터를 기반으로 블록버스터 신약이 만들어지면, 기업이 발전하고, 산업이 성장하고, 다시 국민에게 이익이 돌아가는 선순환이 만들어집니다. 이런 구조를 설명하고자 ‘국민신약배당’이라는 이름을 붙인 겁니다.
차: 국민신약배당 사업이 실제로 이뤄진다면, AI 신약 개발에 큰 도움이 될 것 같습니다. 이 사업을 진행하기 위해 가장 우선적으로 해결해야 할 문제는 무엇이라고 보시나요?
김: 방금 말씀드린 것처럼, 첫 번째는 국민의 동의입니다. 여러 각계각층의 사람들과 이야기해본 결과, 이런 사업이 있으면 좋겠다는 의견이 많았습니다. 산업이 발전하고, 우리나라가 주도하는 블록버스터 신약도 나올 수 있고, 나아가 배당이 이뤄져 건강보험료를 할인받거나 금전적으로 혜택을 얻을 수 있다면, 국민 입장에서도 안 받는 것보다는 낫다는 생각을 하게 될 겁니다. 이런 구조라면 국민 동의를 끌어낼 수 있다고 봅니다.
두 번째는 병원의 협조입니다. 현재는 병원에 가면, 환자들이 연구 목적의 데이터 활용을 대체로 허용하고 있습니다. 하지만 실제 연구는 매우 제한적입니다. IRB(기관생명윤리위원회) 승인을 받아야 하고, 병원 내 데이터만 활용 가능하며, 다른 병원 데이터는 사용할 수 없습니다.
그래서 병원에서도 특정 환자 데이터를 특정 목적에만 제한적으로 쓰던 상황에서, 여러 병원의 데이터를 폭넓게 활용하고, 다양한 AI 모델을 만들어 논문도 쓰고 연구도 할 수 있는 여건이 마련된다면, 오히려 연구 경쟁력을 키울 수 있습니다. 병원도 적극적으로 동참할 수 있는 기반이 생기는 것이죠.
차: 결국 모든 이해관계자들이 마음을 모아야 가능한 사업일 텐데요. 개인이나 병원뿐 아니라, 제약단체나 보건복지부 등 정부 차원의 공감대도 형성되어 있는지 궁금합니다.
김: 네, 사실 이 부분이 가장 중요합니다. 정부나 신약 개발 기업의 적극성이 핵심이죠.
제약기업들은 이런 사업을 환영할 것이라 봅니다. 데이터가 있는 것과 없는 것의 차이는 매우 큽니다. 데이터를 활용하면 신약을 설계하고, 만들고, 검증하는 데 큰 도움이 됩니다. 대신, 제약사들도 신약으로 큰 수익을 낸다면 일정 부분을 공공의 목적으로 환원해야 합니다.
정부 입장에서도 이 사업은 바이오산업을 키우는 중요한 기회입니다. 신약뿐 아니라, 이로 인해 파생되는 산업도 많아집니다. 진단, 치료, 의료 서비스 개선 등 여러 방면에서 효과가 기대됩니다. 공공부문에서도 부정적인 시각은 거의 없다고 생각합니다. 물론 설득은 필요하겠지만, 긴 안목으로 볼 때 반드시 필요한 사업이라고 생각합니다.
차: 의료 데이터 활용 관련해서는 보안 문제도 자주 언급됩니다. 데이터 보안 문제를 해결할 방안도 갖고 계신가요?
김: 네, 아주 중요한 부분입니다. 최근 특정 기업에서 데이터 유출 문제가 발생했는데, 이는 원본 데이터를 보유하고 있었기 때문입니다. 원본 데이터가 있으면, 해킹이나 내부 유출의 위험이 항상 존재합니다.
은행도 마찬가지죠. 금고 안에 현금이 있기 때문에 도둑이 들어오는 것처럼, 원본 데이터를 가지고 있으면 다양한 방식으로 유출될 수 있습니다.
그러나 연합 학습(Federated Learning) 방식은 원본 데이터를 아예 수집하지 않습니다. 데이터는 병원이나 제약사 안에 그대로 있고, AI 모델이 그곳을 방문해 파라미터(가중치)만 받아오는 구조입니다. 이로 인해 원본 데이터 노출 위험이 현저히 낮아집니다.
또한, 이 구조에 다단계 암호화와 보안 계층을 추가하면, 해킹 위험을 더 줄일 수 있습니다. 우리가 일상적으로 사용하는 전자정보 서비스, 예를 들어 주민등록 등본 발급, 손택스, 민원24 같은 데서도 내 개인 정보가 유출됐다는 이야기를 들은 적이 거의 없잖아요. 그것은 정부가 강력한 관리 시스템을 갖추고 있기 때문입니다. 철저한 보안 관리 체계를 도입한다면 충분히 안전하게 운영될 수 있습니다.
차: 현재까지는 국민신약배당이 큰 그림 수준에서 논의된 것 같은데, 좀 더 구체적인 계획이나 전략이 있으실까요?
김: 기본 전략은 크게 세 가지입니다. 첫째는 ‘외국의 사례를 찾지 말자’는 겁니다. 외국이 해본 적이 있는지를 기준으로 삼으면 안 됩니다. 외국이 하지 않은 이유는 굳이 할 필요가 없었거나, 여건상 어렵기 때문입니다. 우리나라는 처음으로 이런 모델을 시도할 수 있는 나라이고, 최초의 생태계를 만들 수 있는 기회가 있습니다.
둘째는 ‘이해관계자 설득’입니다. 국민, 병원, 제약사, 공공기관, 정부 등 다양한 이해당사자들이 협의 테이블에 모여야 합니다. 이들이 하나의 공통된 목표를 위해 연대해야 가능성이 생깁니다.
셋째는 ‘지속 가능한 수익 모델’입니다. 어떤 사업이든 수익 구조가 있어야 지속 가능합니다. 비영리사업이라도 수익이 있어야 운영됩니다. 계속해서 정부 예산만 투입하는 방식으로는 장기적으로 유지하기 어렵습니다.
최근 다이어트 약이 연간 수십 조 원의 매출을 기록하고 있습니다. 이는 어떤 면에서는 국가 예산보다도 많을 정도입니다. 그만큼 바이오헬스 산업 시장은 계속 성장 중이고, 절대 줄지 않을 영역입니다.
유럽은 개인정보 이슈로 인해 이런 모델은 언급조차 어렵고, 미국은 거대 제약사들이 이미 자체적으로 발전할 수 있는 역량을 갖추고 있어 굳이 이런 방식이 필요 없습니다. 반면, 한국은 역설적으로 이런 방식이 가장 잘 맞는 나라입니다. 빠르게 기획하고 새로운 시스템을 만들 수 있는 능력이 있기 때문에, 오히려 유리한 입장에 있다고 생각합니다.
결국, 데이터를 거래하는 구조가 아니라, AI 모델이나 기능을 거래하는 구조로 가야 합니다. 이를 위해서는 여러 병원의 데이터를 활용할 수 있는 생태계가 필요하고요. 이 사업을 단순한 데이터 거래 사업이 아닌, AI 기반 서비스 산업 생태계로 이해해 주시면 좋겠습니다.
차: 네, 오늘은 K-MELLODDY 사업단 김화종 단장님 모시고 국민신약배당에 대한 이야기를 들어보았습니다. 단장님, 귀한 시간 내주셔서 감사합니다.
김: 감사합니다.
