문: 대웅 AI신약팀은 2021년 12월 용인 신약센터에 자리를 잡았다. 먼저 대웅 내에서 AI신약팀의 주된 역할에 대해 묻고 싶다. 

일반적으로 신약 개발할 때 비용과 시간이 많이 걸린다. 대웅제약은 그런 요소를 제거하기 위해 업계 최초로 AI 신약팀을 만들었다. 저희 역할은 신약 개발 전 주기에 AI 알고리즘을 도입하고 가상 탐색 라이브러리를 구축 및 히트를 발굴하는 AI 검색 시스템을 개발하는 것이다. 특히 신약센터 내 각 팀에서 진행하는 신약 개발의 히트 발굴을 위해서 프로세스의 효율적인 개발을 최우선으로 협업하고 돕고 있다. 

문: 신 팀장은 저희가 AI 신약 개발 특집을 준비하면서 최우선순위로 떠올린 인물이다. 다방면에 전문지식을 가지고 있다고 들었다.  

저는 대학과 대학원 재학시절, 컴퓨터 공학을 기반으로 생명정보학을 했다. 컴퓨터 공학 기반 생명정보학이다. 국립보건연구원 유전체센터 (연구소)에서 일했고, 한국고등과학원에서는 단백질 구조 예측과 순천향 대학병원에서 질병관련 유전체 분석을 담당했다. 또한 신약 개발을 하기 위해 화학정보 및 생명통계학도 연구했다. 

문: 이제 본격적으로 주제로 들어가보겠다. 'AI'하면 여전히 '알파고'가 떠오른다. 2016년 알파고가 이세돌을 이겼던 장면이 워낙 충격적이었기 때문이다. 때문에 일반인 입장에서는 'AI'를 '신약 개발'로 직접 연결하기 어렵다. 그런데도 AI 신약 개발이 각광을 받고 있는데 그 이유는 무엇일까. 

먼저 질문 하나를 던지고 싶다. "AI 기술이 고도화되고 AI를 받쳐주는 장비가 고도화된다면 과연 어느 분야에서 빠른 시간 내에 가장 큰 효과를 얻을 수 있을까"라는 질문이다. 저는 '신약 개발'이 답이 될 수 있다고 생각한다. 

일반적으로 신약 개발은 1조가 들고 15년이 걸린다. 확률은 만분의 1이다. 글로벌 빅파마 상위 5개사를 기준으로 삼았을 때 AI를 활용하면 비용만 6000억이 든다. 비용이 절반 가까이 줄고 시간도 압도적으로 줄일 수 있다. 

구글과 같은 빅테크 회사들이 자신들이 가장 잘하는 것이 AI이고 가장 성공 가능성이 높은 분야가 신약 개발이라고 결론을 내린 이유다. 차세대 먹거리인 AI에 자신이 있으니, 신약 개발도 가능할 것이라는 시대적인 흐름을 읽은 것이다. 힘들다면 안 할 것인데 조 단위 투자도 서슴치 않고 있다. 

문: 그렇다면 AI가 신약개발 비용과 시간을 어떤 방식으로 줄일 수 있을까. 

빠른 시간 내에 적은 비용으로 신약 개발 성공률을 높이려면 AI를 안 쓸 수 없다. 사람이 발견할 수 없는 패턴을 AI가 발견할 수 있는 능력을 갖고 있기 때문이다. 사람은 단백질 구조를 1000개 본다고 해도 공통적인 패턴을 찾는 것은 불가능하다. 하지만 AI는 수학적 모델이기 때문에 그런 패턴을 사람보다 쉽게 찾아낼 수 있다. 

예를 들어, 신약 개발의 핵심은 일종의 패턴을 찾아내는 일이다. 쉽게 말하면 약물(chemical)이 질환을 일으키는 단백질에 잘 붙느냐, 안 붙느냐가 관건인데 그 개념을 '도킹'이라고 한다. 기존에는 사람이 전자기력, 전기적인 힘 등 물리적인 공식을 통해 계산해왔지만 결국 물리적인 식도 사람이 만든 식이고 완벽할 수 없기 때문에 한계가 컸다. 

하지만 요즘에는 인공지능으로 그 예측을 한다. 인공지능으로 예측한 결과가 물리적인 식을 통해 계산한 식보다 더 정확도가 높다. 이런 것만 보더라도 이제 AI가 모든 분야에 연계된 것이고 신약 개발에 무조건 포함해야 하는 이유다. 신약 개발에서 AI를 쓰지 않는다는 건 이런 신기술을 경시하고 '신약 개발에 15년이 걸리고 1조를 쓰겠다'는 것과 같다. 

문: 이번 창간특집을 준비하면서 수많은 자료와 기사를 찾아봤지만 자료의 끝에는 언제나 '대웅'이란 키워드가 나왔다. 그만큼 대웅은 업계를 선도하고 있다. (수많은 제약사들이 AI 신약 관련해서 플래폼 업체들과 MOU를 맺었다는 소식이 쏟아졌지만 깜깜무소식이다) 더구나 대웅은 최근 AI 신약 개발 시스템 '다비드'를 발표하면서 AI 학계와 업계를 깜짝 놀라게 만들었다. 다비드는 어떤 시스템인가.

본질적인 이야기부터 하겠다. 일반적으로, 신약 개발을 하려면 먼저 신약 후보 물질을 골라야 한다. 방법은 두 가지다. 첫째는 크고 많은 물질(chemical)이 모인 곳에서 하나를 고르는 방법이 있다.

둘째는 새로운 물질을 생성하는 방법이다. 현재 제일 많이 사용된 방법이 첫 번째 방법이다. 그런데 그런 물질이 많이 모인 라이브러리가 없으면 고를 수 없다. 신약 개발에서 가장 베이스가 되는 인프라다. 다비드는 그런 물질을 대웅만의 방법으로 전 처리 해놓은 라이브러리이다.

중요한 것은 그런 인프라를 일반적으로 '가상 탐색 라이브러리'라고 부른다는 점이다. 앞에 가상이란 단어가 붙는다. 하지만 가상이란 말은 즉 존재할 수도, 존재하지 않을 수 있다는 뜻이다. 가상 탐색 라이브러리에 물질이 10억개라도 그것이 가상이라면 약으로 만들기는 쉽지 않다. 상당히 어려울 수 있다.

문: 그렇다면 '가상'이 아니란 뜻인가. 다비드에서 '즉시 구할 수 있는'이란 말의 의미는 무엇인가. 

우리가 바로 구입해서 획득할 수 있다는 뜻이다. 필드에서 일하시는 분들은 이점을 굉장히 중요하게 생각한다. 물질을 가상 탐색해서 줬는데 바로 살 수 있는 것과 자신들이 바로 살 수 없어서 합성해야 하는 것은 얘기가 다르다. 합성에는 3주 이상의 시간이 걸린다. 즉시 구입할 수 있는 8억 개의 물질을 먼저 가져왔고 그 8억 개를 AI가 이해할 수 있도록 전 처리한 것이 다비드다. 

예를 들어, 가게에 옷(약물)의 구입목록이 있다. 이미 만들어놓은 기성복도 있고 만들어 놓지 않고 주문자가 '이거 주세요'하면 그때부터 만들 수 있다. 저희는 이미 만들어놓은 옷에 대한 구입 목록을 가지고 있는 것이다. 구입 목록에 없는 것을 구입하겠다고 하면 옷을 만들어야 한다. 그렇다면 약물을 합성해야 하는데 운이 나쁘면, 합성하는데만 3개월 이상 걸린다. 만드는 것보다 구입하는 것이 저렴하고 시간도 단축할 수 있는 이유다. 

문: 그렇다면 대웅이 최근 개발한 ‘DAIVS’(Daewoong AI based Virtual Screening)는 어떤 역할을 하는가. 

DAIVS는 신약 후보물질 탐색도구로, AI 알고리즘을 스스로 학습에서 다비드에서 히트를 찾아내는 역할을 한다. 애초에 다비드는 단순히 DB를 모은 것이 아니다. 저희 AI신약팀이 히트를 찾을 수 있도록, 전부 정보를 추출하고 특징에 따라 분류한 것이 다비드다. 이 작업을 위해 대용량 CPU을 이용하여 4개월 동안 작업을 했다. 이런 작업은 규모가 작은 회사에서는 힘든 부분이다. 

가상으로 데이터베이스를 만들어놓으면 물질을 찾는다고 해도 물질을 합성하기 어렵거나 때에 따라서 구입하기 힘든 경우도 있고 찾아봐야 의미가 없을 수 있다. 그래서 저희는 구입 가능한 것만으로 데이터베이스, 즉 다비드를 만들어놓은 것이고 DAIVS가 찾아내면 즉시 물질을 획득할 수 있다. 

가상 형태의 라이브러리가 200조개 가까이 있더라도 크게 의미가 없을 수도 있다. 후보물질을 주문하게 되면 합성 과정을 거쳐야 한다. '실제로 구입할 수 있는 것'과 '구입할 수 없는 것'은 히트(신약 후보물질) 발굴에서 시간 차가 많이 난다. 실제 구입할 수 있는 8억종, 그것이 신약개발 기간 단축이 가능한 다비드와 DAIVS의 힘이다. .

문: 이뿐만이 아니다. 대웅은 ‘DAIVS’(Daewoong AI based Virtual Screening) 툴을 기반으로, AI 신약개발 시스템 ‘데이지’(DAISY, Daewoong AI System)를 사내에 오픈했다. 데이지를 오픈한 취지는.

AI를 통한 신약 후보물질 탐색은 작업이 굉장히 까다롭다. 복잡한 컴퓨터 환경에 대한 이해도 필요한데 사내 연구원분들에게는 쉽지 않는 일이다. 더구나 대부분 리눅스라는 독특한 운영체제가 필요하기 때문에 더욱 그렇다.

따라서 그분들은 신약개발에 필요한 작업을 AI로 예측해보고 싶은데 할 수가 없다. 환경이 너무 이질적이다. 그런 단점을 극복하고자 저희가 웹 형태로 오픈하면서 AI를 모르시는 분들도 간단하게라도 예측 작업이 가능할 수 있도록 만들었는데 그것이 데이지다. 

문: 보통 데이지를 통해 어떤 작업이 가능한가. 

현재 ADMET(흡수, 분배, 대사, 배출, 독성) 관련 예측이 가능하다. 즉 약이 사람의 몸 속에 들어가서 흡수되고 분배되고 약이 자기가 원하는 곳까지 찾아가고 독성이 있는지 여부를 AI를 통해 예측 가능하다. 웹 형태로 오픈시켜놓았기 때문에 실험하는 분들이 실험을 하기 전에 인실리코(in Silico, 컴퓨터 모의실험)로 미리 스크리닝해보는 것이다. 

예를 들어, AI 컴퓨터로 예측했을 때 어떤 물질 50개가 괜찮다고 하면 그것만 실험해보면 된다. AI를 몰라도 컴퓨터 지식이 없어도, 웹으로 클릭해서 쉽게 결과를 알 수 있는 시스템이다. 그렇다고 실험을 안 하는 것이 아니고 스크리닝 개념이다.

500개 중 데이지를 돌려보니 10개만 실험하면 된다고 나오면 그것만 하면 된다는 뜻이다. 당연히 실험 횟수와 비용을 줄어들 수밖에 없다. 또한 향후 다양한 신약 개발에 필요한 AI모델들(Docking, Drug-Target interaction...)을 포함시킬 예정이다.

문: AI를 사내 시스템을 통해 구현했다는 뜻인데 굉장히 놀랍다. 데이지의 최대 장점은 무엇인가. 

연구원들이 피드백을 준다는 점이다. 피드백에 맞게 다시 시스템 업데이트를 한다. 이런 작업이 반복되면 대웅 데이터를 아주 잘 예측하는 시스템을 만들 수 있다. 

저희가 데이지를 만들 때 표준 데이터로 AI를 트레이닝시켰다. 일반적인 케이스를 잘 맞추는데 대웅의 데이터로 약간 오차가 있을 수 있다. 그런데 대웅 데이터로 추가 훈련을 시키는 작업(파인 튜닝, fine tuning)을 거치면 정확도가 올라간다. 

챗GPT를 헬스케어 데이터로 트레이닝 하면 챗GPT가 헬스케어에 특화되는 것처럼, 데이지를 파인 튜닝을 하면 데이지가 대웅 데이터로 점차 특화된다. 파인 튜닝을 하고 새로운 데이터를 가지고 예측하면 정확도는 점점 높아진다. 그런 식으로 데이지를 업그레이드하는 개념이다. 

점차 높은 정확도를 보인다면 사내 연구원의 참여도가 덩달아 올라갈 것이다. 연구원분들은 실험하는 분들이니까 AI가 무엇인지 모르고 '이게 정말 될까'하는 분들도 많다. 하지만 예측률과 정확도가 올라간다면 연구원들의 AI 관심도 높아진다. 

결과적으로 '정확한 데이터'를 만들어낼 수 있는 생산성이 올라가는 것이다. 정확한 데이터는 곧 신약 개발의 효율 극대화와 연결된다. 시간과 비용이 단축된다는 것을 의미한다.

문: 팀이 만들어진지 3년밖에 되지 않았는데 다비드, DAIVS과 데이지를 보면 성장 추세가 남다른 것 같다. 최근에는 더욱 의미 있는 성과들을 내기 시작했다고 들었는데.

조금씩 결과가 나오기 시작했다. 최근에는 1년 정도 하고 있었던 과제가 있었다. 히트물질이 나오지 않아 힘들어 하고 있었는데 두 달만에 저희가 만든 AI 시스템으로 히트를 발굴했다. 미국 AI 신약 개발 기업, 인실리코메디슨은 46일 만에 후보물질을 발견했는데 저희도 60일 만에 해낸 것이다. 스스로 자부심을 느끼는 자랑스러운 성과다. 

문: 국내에서 대웅처럼 AI를 신약 개발 과정에 실현하는 기업은 없다. 이는 대웅이 엔블로, 펙수클루 등 신약을 개발한 경험이 있고, 임직원들의 첨단 기술에 대한 선견지명이 있기 때문에 가능한 것으로 보인다. 하지만 대다수 제약사들은 시간과 비용이 많이 든다는 이유로 AI에 크게 관심을 두지 않고 있다. 어떻게 생각하는가. 

정말 심플(simple)하게 생각해야 한다. 신약 개발을 꿈꾸는 기업이라면 "1조를 쏟아붓고 15년을 기다릴 것이냐" 또는 "6000억으로 5년 안에 끝낼 것이냐" 중 어떤 것을 선택할지 정하면 된다. AI 기술은 매년 상상을 초월할 정도로 발전하고 있다. 퀀텀 컴퓨터가 나오고 있는데 지금의 컴퓨팅 속도보다 엄청 빠르다. 퀀텀 컴퓨터와 AI를 붙이면 신약 개발 속도는 더욱 놀라운 수준으로 단축될 것이다. 

기술 발전이 너무 빠르기 떄문에 AI 트랜드를 조기에 파악하지 못하면 낙후된다. 제약 업계에서 낙후되고 도퇴한다는 것은 글로벌 빅파마로 성장하지 못한다는 얘기다. 당장 돈이 들어간다고 해서 근시안적으로 보지 말고, 투자를 한 것과 하지 않은 것이 10년이 지났을 때 어느 쪽이 이익일지를 생각해봐야한다. 훗날 AI 도입 여부에 따라 자전거를 타는 제약사와 F1을 타는 제약사로 나눠질 것이다. 

문: 마지막 질문을 드리겠다. 학계에서는 AI 기술은 우리나라가 미국에 비해 뒤처지지 않는다는 목소리가 나온다. AI가 국내 제약 업계가 글로벌 빅파마와의 격차를 따라잡기 위한 무기가 될 수 있다고 생각하는가. 

당연히 격차를 줄이는데 큰 도움이 된다. 전통적인 신약 개발 방법으로 글로벌 빅파마의 인력과 R&D 규모를 생각한다면 격차를 줄인다는 것은 거의 불가능에 가깝다. 더욱이 글로벌 빅파마조차 지금 모든 AI 업체들과 협력할 정도로 앞서나가는데 국내사들이 신약 개발에 AI를 적용하지 않으면 격차가 더욱 벌어질 것이다. 

따라서 현 시점에서 신약 개발에 AI 적용이야 말로 글로벌 빅파마와 어깨를 견줄수 있는 수준으로 발전하는 마지막 기회가 아닐까 생각한다. 수십년이 지나고 하늘을 바라보면 AI를 다룰 줄 아는 제약사들은 창공을 가로지르며 신나게 날고 있는데 그렇지 않은 제약사들은 멀뚱멀뚱 하늘만 쳐다보고 있을 것이다. AI는 선택의 문제가 아니다. 살려면 반드시 해야 하는 '필수'요건이다. 

한편, 신승우 팀장과 기나긴 대담을 끝내고 기자의 머릿속에 떠나지 않는 단어가 하나 있었다. 그것은 바로 로마인들이었다.

로마인들의 도로에 대한 선견지명은 유럽을 제패하고 팍스 로마나를 유지하는 비결이었다. 수천년이 흘렀는데도 '모든 길은 로마로 통한다'는 말이 가상이 아닌 현실로 뿌리내린 이유다. 

이와 마찬가지로 대웅AI신약팀을 포함한 대웅인들은 벌써부터 AI를 일상화하고 있다. 누가 무엇이라고 해도, 확실한 소신과 주관을 가지고 AI 길을 개척해나가고 있다는 뜻이다. 

약 50년이 지난 후 '모든 신약은 대웅으로 통한다"라는 문장이 가능한 날이 오지 않을까. 혹자는 이런 말을 듣고 엉뚱하다고 치부할 수 있겠지만 기자가 만난 대웅의 AI라면, 먼 훗날 어쩌면 현실이 될 수도 있겠다는 생각이 들었다. 선견지명, 그것은 결코 아무에게나 값없이 주어지는 안목이 아니기 때문이다.