기계 학습을 활용해 임상 시험 전 약물 승인 가능성 예측으로 약물 개발 혁신하기

약물 발견 및 개발의 지형을 변화시킬 수 있는 획기적인 발전으로, 포항대학교(POSTECH) 연구원들은 기계 학습의 힘을 활용하여 임상 시험이 시작되기 전 약물의 승인 가능성을 예측했다. 최근 저명 학술지 EBioMedicine에 발표된 그들의 연구 결과는 임상 시험 전에 유망한 결과를 보임에도 불구하고 임상 시험 단계에서 높은 실패율을 보이는 제약 산업의 가장 시급한 과제 중 하나에 대한 유망한 해결책을 제시한다.

약물 개발의 중요성

신약 개발은 단순한 과학적 탐구를 넘어 인류의 건강과 웰빙에 영향을 미치는 중요한 사명이다. 혁신적인 약물 개발은 의료 치료의 발전, 질병 예방, 궁극적으로 전 세계 개인의 삶의 질 향상에 필수적이다. 그러나 실험실 발견부터 시장 출시까지의 가혹한 여정은 장애물과 불확실성으로 가득 차 있다.

임상 시험에서의 비용이 많이 드는 실패

약물 개발에서 가장 큰 장벽 중 하나는 임상 시험 단계에서 약물 후보가 실패할 때 발생하는 막대한 경제적 손실이다. 이러한 시험은 다양한 인구 집단을 포함하며, 실제 시나리오에서 약물의 안전성과 효능을 평가하기 위해 설계되었다. 약물이 전임상 단계에서 exceptional한 유망함을 보였더라도, 임상 시험으로의 전환은 예상치 못한 도전을 드러내어 제약 회사에 수십억 달러의 손실을 초래할 수 있다.

이러한 중요한 문제를 해결하기 위해, 엄격한 전임상 테스트를 통과했음에도 임상 시험에서 실패하는 특정 약물들의 원인을 이해하는 것이 필수적이다. 또한, 이러한 비용이 많이 들고 시간이 많이 소요되는 시험에 착수하기 전에 약물의 승인 가능성을 예측할 수 있는 방법을 개발할 시급한 필요가 있다.

기계 학습

포항대학교 생명과학과 김상국 교수와 박사 과정 학생 민혁 박스가 이끄는 연구 팀이 등장했다. 그들은 기계 학습의 힘을 활용하여 임상 시험이 시작되기 전에 잠재적인 약물 결과와 부작용을 예측하는 데 remarkable한 성공을 거두었다.

그들의 획기적인 연구의 핵심은 전임상 테스트에서 일반적으로 사용되는 세포주와 동물, 그리고 최종적으로 인간에게 미치는 영향 사이에 관찰되는 약물 효과의 근본적인 불일치를 해결하는 데 있다. 이 불일치는 약물 표적 유전자가 세포에서 인간과 달리 기능하고 발현되는 방식의 차이에서 비롯된다. 이러한 중요한 차이를 무시하면 실험실 환경에서 보였던 유망한 결과와 크게 벗어나 실제 환자에게 약물을 투여할 때 심각하고 예상치 못한 부작용을 초래할 수 있다.

격차 메우기

포항대학교 연구원들은 세포와 인간 간의 약물 효과 차이점에 초점을 맞춤으로써 이 도전에 직접적으로 대응했다. 그들의 접근 방식은 세포와 인간 각각에서 CRISPR-Cas9 녹아웃 및 기능 상실 돌연변이율 기반 유전자 교란 효과를 포괄적으로 분석하는 것을 포함했다. 그들은 1,404개의 승인된 약물과 1,070개의 미승인 약물을 포함한 데이터셋에서 추론하여 약물의 승인 가능성을 예측하고자 했다.

과거의 실패로부터 배우기

세포/인간 불일치를 보이는 약물 표적과 관련된 위험을 더욱 검증하기 위해, 연구원들은 이전에 임상 시험에서 실패하거나 안전성 우려로 인해 시장에서 철회된 약물들의 표적을 심층 분석했다. 이 신중한 분석은 약물 실패에 기여하는 요인에 대한 중요한 통찰력을 제공했으며, 연구 팀이 예측 모델을 정교화하는 데 도움이 되었다.

화학적 및 유전적 전략 통합

이 연구가 기존 접근 방식과 구별되는 점은 화학적 및 유전적 전략을 모두 통합한다는 것이다. 전통적인 방법은 주로 약물의 화학적 특성에 의존하여 성공을 예측하는 반면, 포항대학교 팀은 전임상 모델과 인간 간의 유전적 차이의 중요성을 인식했다. 이 두 가지 측면을 조화롭게 함으로써, 그들은 약물 안전성 및 성공 예측에서 이전에 달성할 수 없었던 수준의 정확도를 달성했다.

약물 개발의 밝은 미래

이 연구의 함의는 혁명적이라 할 만하다. 기계 학습이 높은 정확도로 약물의 승인 가능성을 예측할 수 있는 능력은 제약 산업의 지형을 재편할 잠재력을 가지고 있다. 제약 회사들에게 임상 시험으로 진행할 약물 후보를 결정하는 데 더 정보에 입각한 결정을 내릴 수 있는 도구를 제공함으로써, 이 기술은 비용이 많이 드는 실패의 위험을 줄이고 안전하고 효과적인 약물의 개발을 가속화할 잠재력을 가지고 있다.

윤리적 및 규제 고려 사항

모든 혁신적인 기술과 마찬가지로 약물 개발에서 기계 학습의 사용은 중요한 윤리적 고려 사항을 제기한다. 이러한 예측 모델에 사용되는 환자 데이터의 기밀성과 보안을 보장하는 것이 최우선이다. 또한, 규제 기관들은 약물 승인 과정에서 이러한 혁신적인 접근 방식을 수용하기 위해 적응해야 하며, 혁신과 안전 사이의 균형을 맞춰야 한다.

김상국 교수, 민혁 박사 및 포항대학교 팀이 수행한 작업은 약물 개발에서 중요한 한 걸음을 의미한다. 그들의 기계 학습, 유전적 통찰력 및 화학적 특성의 통합은 제약이 발견되고 개발되는 방식을 혁신하여 궁극적으로 산업뿐만 아니라 전 세계 개인의 건강과 웰빙에도 혜택을 줄 것으로 예상된다. 실험실 발견부터 임상 승인까지의 여정이 곧 더 효율적이고 예측 가능한 경로가 되어 의료 혁신의 새로운 시대를 열 것이다.