[헬스코리아뉴스 / 이충만] 금융, 법률, 공공 영역 등 다양한 분야에서 5초 만에 인간과 유사한 응답을 제시하는 대화형 오픈 인공지능(AI)인 ‘챗GPT’가 전 세계적으로 화제를 모으고 있다. 인간의 사무 공간에서 ‘혁명’이 일어나고 있다는 낙관적인 전망과 함께 개인 정보 유출이나 가짜 뉴스 확산과 같은 우려의 목소리가 커지면서 몇몇 국가에서는 규제를 마련하기 위한 칼을 뽑고 있다. ‘챗GPT’ 열풍은 제약 업계에도 피할 수 없는 현실로 다가오고 있다. 특히, 수많은 데이터와 씨름해야 하는 신약 개발에 있어 생태계의 지각변동을 일으킬 것이라는 분석과 근거없는 낙관론이라는 평이 갈리고 있다.
챗GPT, 대체 무엇인가?
AI는 데이터 처리와 분석에 뛰어난 속도를 보이므로, 새로운 신약을 개발하고 시험하는 데 걸리는 시간을 단축시킬 수 있습니다. 예를 들어, AI를 사용하여 적절한 환자 집단을 식별하고, 임상시험 프로토콜을 최적화하고, 시험 결과를 더 빠르게 분석할 수 있습니다.
반복적이고 시간이 많이 소요되는 작업을 자동화하므로, 인간 작업 비용을 줄일 수 있습니다. 이는 연구 및 개발 단계에서 비용 절감을 가져올 수 있습니다. 또한 환자의 유전자 정보, 진단 정보, 생물학적 데이터를 분석하여 개인 맞춤형 치료를 개발하는 데 도움이 됩니다. 이는 개인의 생물학적 차이를 고려한 개인 맞춤형 치료 제품을 개발하는 것이 가능하게 합니다.
마지막으로, AI는 대량의 데이터를 처리하여 예측 모델을 생성할 수 있습니다. 이는 신약 개발에서 인간의 결함 없이 더 정확한 예측을 가능하게 합니다.
하지만, AI 모델은 대량의 데이터를 필요로 하므로, 데이터의 품질이 좋지 않으면 AI 모델의 성능이 저하될 수 있습니다. 따라서 데이터의 품질을 보장하는 것이 중요합니다.
AI 모델은 종종 블랙박스 모델이기 때문에, 모델이 어떻게 예측을 만드는지를 이해하기 어렵습니다. 따라서 모델의 결과를 해석하는 것이 어렵습니다. 아울러 AI 모델은 전문적인 도메인 지식이 없으면 예측 성능이 떨어질 수 있습니다. 따라서 신약 개발의 전문가들이 AI 모델을 지원해야 합니다.
궁극적으로 AI 모델을 사용하여 개발한 신약은 법적인 규제 문제가 발생할 수 있습니다.
위 문장은 챗GPT에 “AI가 신약 개발에 미치는 영향”을 입력한 결과 수 초 내에 표시된 답변이다. AI를 활용했을 시 얻을 수 있는 장점과 단점을 균형있게 서술한 것은 물론, 사람이 직접 작성한 것으로 착각할 만큼, 자연스러운 문장을 제공하고 있다. 여기에서 어떻게 질의하느냐에 따라 구체적인 정보를 확보할 수 있으며, 보고서 또는 기획서 등 다른 글 양식으로 전환을 요청할 수 있다.
이처럼 챗GPT는 웬만한 질문을 불과 몇 초 안에 작성해 준다. 이는 책, 웹 텍스트, 인터넷 기사 등 인터넷에서 확보한 570GB 데이터를 바탕으로 컴퓨터가 스스로 외부 데이터를 조합, 분석하여 학습하는 기술인 딥러닝(Deep Learning)을 통해 자연어 순서를 한번에 처리할 수 있 수 것이다.
챗GPT는 미국의 인공지능 연구소 오픈AI가 작년 11월말 출시한 대화형 챗봇이다. 기존의 인공 지능이 학습한 데이터를 기계적으로 답변한 것에 그쳤던 반면, 챗GPT는 강화 학습을 통해 기존의 데이터를 바탕으로 새로운 콘텐츠를 제공한다. 이같은 기능에 힘 입어 출시된 지 40일 만에 사용자 1000만 명을 넘어서고 두 달 만에 1억 명을 돌파했다.
챗GPT가 신약 개발에 미치는 4가지 영향
더 개선된 인공 지능은 다양한 가능성을 보여주면서 제약·바이오 업계에도 새로운 충격을 주고 있다. 챗GPT의 기능이 신약 개발 과정을 더욱 효율적으로 높일 수 있다는 기대와 함께, 챗GPT 의존도가 더 높아져 기술·데이터의 종속 문제가 빚어진다는 우려가 동시에 나온다.
최근 제약·바이오 전문매체 드럭 디스커버리 월드(Drug Discovery World)는 챗GPT가 신약 개발에 미치는 영향을 4가지로 소개했다. 이를 챗GPT가 제시한 답변과 비교해보면, AI 챗봇을 통한 신약 개발 전략의 단초를 살펴볼 수 있다. 드럭 디스커버리 월드의 소개 내용은 챗GPT의 답변과 전반적으로 상통하지만, 챗GPT는 두루뭉실한 일반론만을 제공한다는 것이다.
반면, 드럭 디스커버리 월드는 학술 연구, 규제 문제, 컴퓨터 화학, 단백질 발굴 등 신약 개발 과정의 4가지 영역에 챗GPT를 활용한 신약 개발의 전망을 제시했다. 단순한 흑백논리를 넘어 근미래에 발생할 수 있는 구체적인 예시를 보여주면서 향후 업체들이 대응할 수 있는 적절한 지침을 제공한다.
① 학술 연구
세계적인 학술지 네이쳐(Nature)는 지난 1월, 챗GPT가 한 논문의 공저자로 등재되고 있는 사실을 보도했다. 이는 이미 학계에서 AI 챗봇이 실제 연구 과정에 도입되고 있다는 것이다.
이와 관련 일각에서는 챗GPT를 저자로 등재할 수 없으며 연구 환경에서 챗봇 사용 금지 정책을 시행해야 한다고 반발했다. 수백년간 누적된 고등 교육의 표준 평가 양식의 훼손이 될 수도 있다는 것이 비판의 골자이다.
대부분 전문가들은 챗GPT가 고도의 전문성을 갖춘 연구자를 대체할 수 없다는 입장이다. 한 업계 관계자는 “챗GPT에 유전학 분야의 특정한 전문적 지식을 요구하는 질문을 했지만, 챗GPT는 설득력있는 문장을 제공했을 뿐, 틀린 답변을 보여주었다”고 전했다. 따라서 신약 개발 연구에 있어 챗GPT는 제한적으로 영향을 미칠 것으로 전망했다.
② 규제 문제
제약 업체가 신약을 출시하기 위해 최종적으로 통과해아 하는 관문은 규제 당국의 허가이다. 전 세계 규제 당국은 각각의 상이한 정책으로 신약을 심사하는데, 이러한 절차에서 챗GPT를 사용할 경우, 효율화할 수 있을 거라는 전망이다.
실제로, 의약품·의료기기 관련 영국의 민간 단체 파마바이브(Pharmavibes)는 “챗GPT는 여러 국가의 규제에 대한 유용한 정보 소스를 제공할 수 있으며, 규제 기관에 신청서를 작성할 때 도움을 줄 것”이라고 전했다.
하지만, 여전히 한계는 존재하다는 지적이다. 파마바이브는 “챗GPT가 의약품 규제와 관련된 구체적인 질문에 깊은 인상을 받았지만, 전문가에게 제공 받을 수 있는 답변 수준은 아니다”며 “조금 더 많은 데이터가 축적된 이후 반복 작업을 시도해 보기를 추천한다”고 권했다.
③ 컴퓨터 화학
최근 미국 미시간 주립대학교 화학과 연구팀은 신약 개발 과정에서 컴퓨터 화학과 관련하여 챗GPT의 능력을 검증했다. 그 결과, 챗GPT는 문헌 검색, 표절 여부 확인, 기본 코드 작성 등에 매우 유용한 것으로 나타났다. 그러나 복잡한 질문 혹은 FASTA 서열 및 ADMET 속성 제공과 관련한 전문 지식에 대해서는 오답을 표시했다.
연구팀은 “신약의 표적 식별 및 검증, 신약 설계, 약물 특성 최적화, 독성 평가, 약물 관련 보고서 및 논문 작성에 챗GPT가 유용할 수 있다”고 결론을 맺었다.
④ 단백질 발굴
신약 개발에 있어 챗GPT에 가장 기대감이 증폭되는 부분은 바로 새로운 단백질을 발굴하는 것이다. 이를 통해 신약 개발에서 수많은 화합물을 반복해서 합성·실험하는 전통적 방법에서 벗어나 시간과 비용을 대폭 절감할 수 있다는 것이다.
신약 개발에 드는 기간은 평균 10년, 비용은 1조 원에 달한다. 이는 신약 후보가 대체로 수백만에서 수천만 개에 이르는 리간드 라이브러리를 대상으로 실험 전수 조사를 수행하는 것은 천문학적인 시간과 비용이 필요하기 때문이다. 리간드란 단백질 분자에 특이적으로 결합하는 물질을 말한다.
아울러 수 많은 리간드에서 도출한 신약 후보는 최소 1만 개에 달하며 이들 약물 중 개발에 성공해 시판까지 가는 경우는 1개에 불과할 정도로 성공확률도 희박하다. 따라서 챗GPT를 활용하면 이러한 시간과 비용을 절감할 수 있다는 것이다.
카렌 하오(Karen Hao) 데이터 과학자는 “챗GPT 모델은 어떤 아미노산 조합이 특정 치료 특성을 생성하는지에 대한 규칙을 인코딩하여 신약 분자의 기초가 될 수 있는 문자 서열을 예측할 수 있다”며, “신약 개발의 초기 단계에 필요한 시간이 수년에서 수개월로 단축될 수 있다”고 말했다.
이같은 접근법은 현재 업계에서 가장 주목하고 있는 전략이다. 챗GPT를 통해 개선된 치료제 발굴 모델을 개발하면 지금까지 개발이 불가능하다고 여겨졌던 영역을 표적으로 삼을 수 있는 치료법을 제시할 수 있을 것으로 기대를 받고 있다.
