中보다 투자 못 받는 韓 AI 신약개발, 문제점과 해법은

[이데일리 송영두 기자] 국내 인공지능(AI) 신약개발 시장이 빠르게 성장하고 있지만, 투자 규모가 미국, 유럽은 물론 중국보다도 투자 유치에 어려움을 겪는 것으로 나타났다. 인력 및 기술 수준은 물론 가시적인 성과가 부족한 것이 원인으로 꼽힌다. 대규모 투자 유치를 통해 AI 신약개발에서 글로벌 수준에 이르기 위해서는 데이터 활용 활성화 및 기술 로드맵 구축 등을 통해 단기적인 성과를 내야 한다는 지적이 나온다.

19일 서울 소공동 롯데호텔에서 한국제약바이오협회 주최로 열린 ‘제약바이오 AI 혁신 포럼’에서 김우연 한국제약바이오협회 인공지능신약개발지원센터장은 국내 AI 신약개발 생태계를 활성화하고 신약개발을 가속하기 위해서는 다양한 전략이 필요하다고 강조했다.

김 센터장은 “국내 AI 신약개발 시장은 지난 5년간 빠르게 성장하고 있지만, 단계별 협업 성공사례나 구체적인 성과가 부족하다. 그러다보니 투자 유치 규모도 크지 않다”고 꼬집었다. 그는 국내 AI 신약개발 생태계에 대해 △인력/기술 △데이터 △공동연구 △투자 등 크게 4가지 부분에 대한 문제를 제기했다.

구체적으로 신약개발을 이해하는 AI 인력과 AI를 이해하는 신약개발 인력이 부족하고, 신약개발에 활용되는 AI 기술을 검증하는 기준 부재를 지적했다. 또한 AI는 빅데이터가 중요하지만, 공공데이터 사용절차가 복잡하고, 의료데이터에 대한 접근성이 떨어지는 것도 영향을 끼친 것으로 분석됐다. 김 센터장은 “영역 간 공동연구는 활성화되고 있지만, AI기술 공급기업과 기술수요 기업간 적절한 매칭에 의한 공동연구의 구체적인 성과가 부족하다”며 “그렇다보니 AI 기술투자 자금이 굉장히 부족하고, 정부지원사업 과제도 시장 성장을 이끌기에는 미흡한 실정”이라고 말했다.

(자료=한국제약바이오협회)

◇韓 900억원 vs 中 5000억원...기술력 차이?

인공지능신약개발지원센터에 따르면 세계 AI 신약개발 시장 규모는 2020년 2억7760만 달러에서 연평균 45.7% 성장해 2027년 약 40억 달러에 달할 것으로 전망된다. 이 중 북미 시장이 약 19억40만 달러로 전체 시장 중 약 50% 차지할 것으로 예상된다. AI 신약개발 시장이 주목받는 이유는 신약개발의 고질적인 단점으로 지적받는 △10여년이 넘는 신약개발 기간 △조 단위 연구비용 △낮은 성공확률 등에서 뚜렷한 장점이 있기 때문이다.

글로벌 제약사들은 일찌감치 AI 신약개발에 뛰어들었고, 대규모 투자 및 공동협업에 나서고 있다. 김우연 센터장은 “신약개발 기술 발전과 함께 AI 신약개발 시장 규모와 투자 규모가 커지고 있다”며 “글로벌 기업들도 AI 신약개발에 적극적으로 나서고 있다. 이 중 화이자는 AI를 활용해 코로나 백신과 팍스로비드(코로나 치료제) 개발에 성공했다. 화이자 외에도 아스트라제네카, 머크 등은 대규모 투자를 하고 있다”고 말했다.

특히 국내 AI 신약개발 기업들의 투자 유치 규모는 중국에도 미치지 못했다. 김 센터장은 “한국과 중국의 AI 신약개발 기술 수준은 큰 차이가 없다. 하지만 투자 유치 규모는 큰 차이가 난다”며 한국 스탠다임과 중국 크리스탈 파이(XtalPi) 사례를 제시했다. 국내 AI 신약개발 선도 기업인 스탠다임은 2015년 설립된 이래 Pre-IPO까지 약 878억원을 투자받았다. 전문인력은 54명이며, 아직 상장 전이다. 반면 스탠다임과 비슷한 시기인 2014년 설립된 중국의 크리스탈파이(XtalPi)는 비상장 기업임에도 약 5338억원을 투자받았다. 인력은 1000명 이상이며, 이 중 전문인력은 700명에 달한다. 비슷한 시기 설립했지만, 투자 유치 규모는 무려 5배 이상 차이를 보였다.

김우연 한국제약바이오협회 인공지능신약개발지원센터장.(사진=한국제약바이오협회)

◇AI 신약개발 기술, 신뢰 확보가 핵심

국내 AI 신약개발 산업이 대규모 투자를 유치하고 시장 확대를 가속하기 위해서는 단기간 성공사례 축적에 집중해야 한다는 게 김 센터장의 주장이다. 즉 AI 신약개발 기술의 사례로 입증하고, 인정받아야 한다는 설명이다. 그는 “신약개발 단계별 제약기업의 AI 기술수요와 AI기술 공급 매칭연구를 진행해야 한다. 이를 통해 단기간 성공사례를 확보해야 한다”며 “전임상 및 임상 단계에 집중해 전주기 신약개발 과정에 AI 기술을 적용하는 것이 필요하다”고 말했다.

또한 공공데이터와 민간데이터를 연계해 자유롭게 활용할 수 있는 기술 개발 필요성도 제기됐다. 김 센터장은 “공공데이터와 민간데이터를 연합해 학습하는 기술을 활용해야 한다.”며 “개인정보 및 연구 보안이슈를 극복하고, 데이터 유출없이 공공 및 민간데이터를 연계 활용할 수 있는 기술인 ‘연합학습 기반 AI 신약개발’ 플랫폼을 구축해야 한다. 비용 효과적, 효율적인 신약개발 연구환경을 만드는 것이 중요하다”고 강조했다.

마지막으로 김 센터장은 “약물 개발단계에서 구체적인 로드맵을 제시해야 할 필요가 있다. 타겟발굴, 전임상, 임상 등 단계별 AI 기술 검증 기준을 마련해야 한다”며 “대표 AI 기술을 확보해 수요자 신뢰를 기반한 공동연구 및 민간투자를 활성화해야 한다”고 말했다.