연합학습 A.I신약개발 속도전..."시장선점이 관건"

• K-MELLODDY사업, 대통령 주재 관계부처 합동회의 정식보고
• 복지부·과기부 협업 체제 구축...5개년 계획 추진 전망
• 500억 정부 예산, 핵심 성장 축...EU 등 선진국 선제 움직임

[데일리팜=노병철 기자] K-멜로디(K-MELLODDY) 프로젝트가 최근 대통령 지시에 따른 관계부처 합동회의에 정식 보고됨에 따라 향후 사업 타당성 입증과 실행여부에 관심이 모아진다.

정부는 2월 범부처 바이오헬스 신시장 창출전략회의에서 연합학습 모델 기반 신약개발 가속화 지원사업(K-MELLODDY·Machine Learning Orchestration for Drug Discovery)을 서면 보고한 것으로 확인된다. 아울러 지난 3월 제3차 제약바이오산업 육성지원 종합계획에서도 K-멜로디 프로젝트를 시범운영 하겠다고 보고됐다.

윤석열 정부는 제약바이오사업을 포함한 디지털헬스케어·인공지능 신약개발에 상당한 관심과 다양한 지원정책을 내놓고 있는 만큼 관계부처의 적극적인 의지가 있어 예산 확보를 통해 이르면 내년부터 추진이 조심스럽게 전망된다. K-멜로디 사업은 5년 500억원 내외 규모의 과제로 추진 중인 것으로 파악된다.

제약 바이오산업계는 "최근 빅테크 기업 엔비디아와 구글에서 신약개발 플랫폼 개발에 뛰어드는 등 국내 AI 신약개발 기술 주권이 위협받고 있는 상황"이라며 "기술 주권이 해외기업으로 넘어가기 전에 대응하기 위해 연합학습 기술개발, 데이터 기반 협력 플랫폼 구축, 실용화까지 포함된 K-멜로디 프로젝트가 하루라도 빨리 실행돼야 한다"고 입을 모으고 있다.

K-MELLODDY는 EU-MELLODDY 사업을 벤치마킹 하면서도 한국 실정에 맞도록 개선한 한국형 인공지능 신약 플랫폼 사업으로 설명된다.

EU-MELLODDY는 전세계 처음 유럽연합에서 시행된 10개 제약기업 간 데이터 기반 협력 시도다.

당초 사업 목표는 경쟁적 제약기업 간 데이터 기반 협력이 연합학습과 블록체인 기술을 통해 안전하게 가능함을 입증하고 기술의 안정성 인식 확산이었다.

2019년부터 3년 간 256억원의 규모로 수행된 프로젝트 결과 제약기업 기밀을 유지하면서 기계학습 기반의 협력 ADME/Tox 예측 모델을 정상적으로 학습할 수 있었고, 데이터의 노출 없이도 개별 기관이 구축한 단일 모델보다 성능이 향상되는 것을 확인할 수 있었다.

홍성은 인공지능신약개발센터 선임연구원은 "국내의 다양한 신약개발 기업에 쌓여있는 데이터를 노출시키지 않으면서 AI 기술에 활용하는 데이터의 안전 활용 체계를 만들자는 것이 K-MELLODDY 사업의 핵심이다. 기업의 지적 재산인 데이터를 안전하게 유지하며 A.I에 활용하는 연합학습과 블록체인이 이 사업의 핵심 기술"이라고 설명했다.

K-멜로디 프로젝트에 따른 신약개발 비용절감 및 데이터 활용 촉진 효과도 주목되는 부분이다.

K-멜로디 플랫폼 구축 완료 시, 후보물질 대사 및 독성 실험 결과의 A.I 예측을 통해 실험 수를 절반만 줄여도 50% 이상의 비용절감이 가능할 것으로 예상된다.

2021년도 기준 국내 제약기업의 신약개발 R&D 투자비용이 연간 2조1193억원 수준이다.

후보물질 대사 및 독성 실험 실험분석비용, 신약개발 전체 투자비의 22% 차지(미국 NIH 보고서), 정확도 높은 후보물질 대사 및 독성 예측 A.I 모델을 개발하면 실험분석비 4600억원을 절반 이하로 줄일 수 있을 것으로 예상된다.

또한 정확도 높은 예측 모델 개발을 위해 연합학습 기술을 활용해 공공 데이터 기반 화합물 공간의 빈틈을 민간 데이터로 채워 집적된 화합물 공간을 구축, 화합물 공간의 고도화로 A.I 모델의 멀티 모달리티와 실용적 성능 달성이 기대된다.

연합학습 기반 플랫폼은 데이터 보유처의 통제(방화벽)를 벗어나지 않게 데이터 외부이동 없이 A.I 모델을 학습하는 기법이다.

따라서 데이터에 대한 보안 인식이 강화되고 있는 현재~미래 추세에서도 A.I 모델에 데이터를 활용할 수 있는 기술 기반 A.I 학습 플랫폼으로 평가된다.

더욱이 모델의 공급자(데이터 수요자)들이 데이터 공급자(모델 수요자)와의 매칭이 가능하며, 이를 통해 양자 간 상호 검증을 통한 데이터 공유 활성화 생태계가 조성될 수 있을 것으로 예상된다.

마지막으로, 참여 기관의 데이터 도메인과 모델에 종속되지 않고 여러 산업 분야 및 연구에 활용할 수 있는 확산성을 지니고 있다.