이암빅, 초기 개발 단계서 임상 결과를 예측하는 AI 'Enchant' 발표

신약 하나를 시장에 내놓는 데 수십억 달러가 드는 가장 큰 이유는, 인체 내 약물 반응 같은 치명적인 결함이 실제 임상시험에 들어간 뒤에야 발견되기 때문입니다.

미국 샌디에이고의 바이오테크 기업 Iambic Therapeutics 는 2024년 10월 29일, 신약 발굴 초기 단계에서부터 임상 결과를 예측하는 멀티모달 트랜스포머 모델 Enchant 를 공개했습니다.

실험실 데이터로 임상 데이터의 한계를 넘다

전통적인 신약 개발에는 명확한 단절이 존재했습니다. 초기 실험실에서 얻는 전임상 데이터는 넘쳐나지만, 사람을 대상으로 한 임상 데이터는 구하기 어렵고 극히 적다는 점입니다.

Enchant 는 수십 개의 공공 및 비공개 데이터 소스를 수집해 표준화된 토큰 스트림으로 변환한 뒤, 이를 동시에 학습하는 방식으로 두 데이터 사이의 장벽을 허물었습니다.

Iambic 이 발표한 백서에 따르면, Enchant 는 대표적인 인체 약동학 데이터셋인 Obach 데이터의 1% 미만, 즉 단 5개 분자에 해당하는 임상 데이터만 학습하고도 풍부한 전임상 데이터를 바탕으로 유의미한 예측력을 보였습니다.

전체 Obach 데이터셋을 활용했을 때는 인체 약동학 반감기 예측에서 스피어만 상관계수 0.74를 기록하며, 기존 최고 성능이었던 0.58을 크게 넘어섰습니다.

MIT 의 Connor Coley 부교수는 분자가 사람 몸에서 어떻게 반응할지 임상시험 전 미리 파악함으로써 후보 물질 설계와 실험 부담을 크게 덜 수 있게 됐다고 평가했습니다.

왜 중요한가

AI 신약 개발 분야에서 체내 약물 흡수와 대사, 배설 등을 다루는 약동학 예측은 상용화 성공률을 가르는 핵심 병목이었습니다.

신약 개발 연구진 입장에서 이 모델은 실패할 후보 물질을 임상 1상 단계에 올리기 전 컴퓨터 시뮬레이션으로 걸러낼 수 있는 강력한 도구가 됩니다. 실패 확률을 미리 줄이면 수년의 전임상 R&D 기간과 수억 달러의 비용을 아끼고 임상 참여자의 위험도 덜 수 있습니다.

우리는 서로 다른 단계의 이종 데이터를 토큰화하여, 풍부한 실험실 데이터로 부족한 임상 데이터를 보완하도록 설계한 Iambic 의 접근법이 매우 영리하다고 봅니다.

다만 공개 벤치마크 데이터에서 높은 상관관계를 기록한 것과 완전히 새로운 표적을 향한 신약 물질이 실제 임상 3상까지 통과하는 것은 다른 문제입니다. Enchant 가 진정한 가치를 입증하려면 Iambic 자체 파이프라인에서 실제 승인 약물이 나오는 성과로 이어져야 합니다.