기존 약의 다른 질병 효과 찾아주는 AI

신약 개발을 할 경우 세포 실험과 동물 실험, 임상 시험이라는 여러 단계를 걸쳐 실험을 실시해 안전성과 효과를 당국에 승인받을 필요가 있기 때문에 긴 시간이 필요하다. 따라서 질병에 대해 이미 효과와 안정성이 인정되는 약을 다른 질병에 전용하는 방식으로 시간 단축을 도모할 수 있지만 그럼에도 시간이 걸리는 임상 시험은 필요하다. 이런 약물 전용 인적자원과 시간을 절감할 수 있게 연구자가 대량 데이터를 학습시킨 AI 알고리즘에 약물 후보와 효과를 추정하는 방법을 고안했다.

질병에 대해 이미 효과가 인정되는 약을 다른 질병 치료에 이용하는 약물 재배치는 새로운 개념은 아니다. 사시 치료에 사용되는 보톡스가 미용 외과 영역에서 사용되게 된 게 대표적이며 항 기생충 약이 코로나19 감염 치료제로 유망하게 여겨지는 것도 예로 들 수 있다.

약물 재활용은 이미 인체에 대한 안전성이 인정된 약을 사용하기 때문에 신약 개발보다 치료제로 승인될 때까지 시간을 단축할 수 있다는 장점이 있다. 하지만 그래도 무작위 임상 시험을 거쳐 병에 효과를 발휘하는 걸 증명해야 할 많은 시간과 재능을 필요로 하는 작업이다.

오하이오주립대학 연구팀은 이 문제를 해결하기 위해 대량 환자 데이터세트와 AI를 이용해 유망한 재비치 후보와 얻을 수 있는 효과를 추측하는 프레임워크를 개발했다. 연구는 동맥 질환을 가진 환자가 심부전과 뇌졸중을 방지하는 재배치를 검토했지만 프레임워크 자체는 다른 많은 질병 재배치에도 사용할 수 있다고 한다.

연구팀에 따르면 이 연구는 딥러닝 알고리즘을 이용해 실제 데잍터를 처리하고 여러 교란 인자를 조정해 임상 시험을 에뮬레이트하는 게 첫 번째라고 한다. 컴퓨팅에 사용되는 데이터는 전자의료기록이나 보험금 청구 정보, 처방전 등 현실 세계에 존재하는 수백만 환자에게 모은 걸 이용하고 있다. 실제 데이터는 많은 교란 인자가 있으며 따라서 여러 매개변수를 처리할 수 있는 딥러닝 알고리즘을 사용할 필요가 있다. 수백에서 수천 교란 인자는 인간이 다루기 어렵고 문제 해결에 AI가 필요하다는 것이다. 관련 내용은 이곳에서 확인할 수 있다.