임상시험 예측하는 기술개발…신약개발에 탄력 '기대'

포스텍 연구팀, 인공지능 등을 통해 기술 구현

포스텍 김상욱 교수

포스텍 통합과정 박민혁씨

신약개발에 있어 가장 어려운 난관이 임상시험 단계 통과다. 약물의 효능과 안정성을 입증한 뒤 다양한 집단을 대상으로 진행하는 임상시험의 벽을 넘지 못하면 약물승인이 어렵고 막대한 경제적 비용도 발생한다.

이에 국내연구팀이 이를 해결하는 기술을 제시해 학계의 관심이 쏠리고 있다.

포스텍(포항공대·총장 김무환) 생명과학과·융합대학원 김상욱 교수, 생명과학과 통합과정 박민혁 씨 연구팀은 데이터를 기반으로 솔루션을 제시하는 기술인 머신러닝을 이용해 임상시험 전 약물의 성공 가능성과 부작용을 예측하는데 성공했다.

연구는 세계적인 의학 저널인 '더 란셋'의 자매지인 '이바이오메디슨'에 게재됐다.

신약개발을 위해서는 임상시험 전까지 동물 또는 세포주(생체 밖에서 계속 배양이 가능한 세포집단) 등을 모델로 실험이 진행된다.

하지만 이러한 모델들과 사람의 체내에서 약물이 갖는 역할과 발현 정도가 다르기 때문에, 관련 실험만으로 실제 환자에 적용할 경우 치명적인 부작용이 생길 수 있다.

이런 까닭에, 연구팀은 '모델과 사람에서 나타나는 약물 유전자 표현형 차이'에 주목했다. 약물 유전자 표현형은 약물 유전자가 발현되는 정도를 반영하는 지표로 서로 일치하지 않는 경우 그 효과가 다르다고 볼 수 있다.

연구팀은 지금까지 임상시험을 거친 약물 약 2천500여 개를 대상으로 유전자 표현형을 분석했다. 그 결과 약물의 유전자 표현형이 모델과 사람간 서로 일치하지 않는 경우 실제로 심각한 부작용을 일으키거나 위험한 물질로 분류된 경우가 많았다.

연구팀은 이 같은 결과물을 바탕으로 임상시험에서 약물 승인 여부를 예측하는 인공지능 기술을 개발했다.

기존 연구는 약물의 화학적 정보만을 이용했기 때문에 모델과 사람간 유전적인 차이가 반영되지 않았지만 이번에는 화학적 접근 방식과 유전자 중심 접근 방식을 결합했기 때문에 보다 정확한 약물의 안전성과 성공 예측이 가능했다.

김상욱 교수는 "그간 사람을 대상으로 한 임상시험 성공 여부를 예측하는 기술이 부족해 어려움이 많았다"며 "이번 연구를 통해 약물의 승인 가능성을 예측할 수 있게 되면서 앞으로 신약 개발에 필요한 시간과 비용이 줄 것으로 기대된다"고 했다.