728x90
반응형
SMALL
약물 재창출(drug repurposing, drug repositioning)은 기존에 개발되어 사용 중이거나 임상시험을 마친 약물을 새로운 적응증(indication)이나 질환에 활용하는 전략입니다. 이 접근은 신약 개발보다 시간과 비용을 획기적으로 줄일 수 있으며, 실패 확률도 낮아지는 장점이 있습니다. 최근에는 AI 기술의 발전으로 약물 재창출의 효율성과 성공 가능성이 크게 향상되고 있습니다. 아래에 이를 상세히 설명드리겠습니다.
1. 약물 재창출 개념
정의:
기존에 승인된 약물이나 임상시험 중단된 약물을 새로운 질병 치료에 적용하기 위한 연구 전략.
장점:
- 안전성 정보가 이미 확보됨 (비임상, 1상 생략 가능)
- 개발 시간 단축 (평균 10~15년을 3~6년으로)
- 비용 절감 (수천억~조 단위 절감)
- 실패 가능성 감소
적용 예:
- Thalidomide: 원래는 입덧 치료제 → 현재는 다발성 골수종 치료제
- Sildenafil (Viagra): 협심증 치료제 후보 → 발기부전 치료제로 재창출
- Remdesivir: 원래 에볼라 치료제 → 코로나19 치료제로 긴급 승인
2. AI 기술의 약물 재창출 활용 방식
2-1. 데이터 기반 AI 모델링
AI는 다양한 생물학적 및 임상 데이터를 분석해 약물-질병 간 숨은 연관성을 도출합니다.
종류 활용 데이터 설명
| 머신러닝 | 유전자 발현, 약물 반응 데이터 | 유사 질병 유전자 패턴에 적합한 약물 탐색 |
| 딥러닝 | 화합물 구조, 단백질 상호작용 | 구조 기반 약물-표적 예측 |
| 자연어 처리(NLP) | 논문, 특허 등 텍스트 | 문헌 기반에서 유망한 약물 후보 도출 |
| 그래프 신경망(GNN) | 생물학 네트워크 | 약물-표적-질병 관계를 복잡한 네트워크로 모델링 |
2-2. AI 적용 전략별 세부 설명
(1) 표적 기반 접근 (Target-based)
- AI가 유전자, 단백질, 단백체 등 오믹스 데이터를 학습하여 질병의 핵심 표적을 도출
- 기존 약물이 이 표적과 결합하거나 작용할 가능성이 있는지 예측
(2) 표현형 기반 접근 (Phenotype-based)
- 환자의 유전자 발현, 세포 실험 데이터 기반으로 약물이 표현형 변화를 유도하는지 분석
- 대표적 알고리즘: Connectivity Map (CMap)
(3) 네트워크 약리학 (Network pharmacology)
- 약물-표적-질병 간 상호작용을 생물학적 네트워크로 구성하고 AI로 분석
- GNN(Graph Neural Networks)을 통한 잠재적 연관성 학습
(4) 문헌 마이닝 및 자연어처리 (NLP)
- PubMed, ClinicalTrials 등에서 논문, 임상 데이터 분석
- 논문 간의 연관 키워드, 치료 효과, 메커니즘 자동 도출
3. 약물 재창출 AI 플랫폼 사례
플랫폼 특징사용 기술
| BenevolentAI | COVID-19 재창출 후보 도출 (Baricitinib) | GNN, NLP |
| Insilico Medicine | Deep learning 기반 후보 약물 도출 | GAN, GNN |
| Healx | 희귀질환 약물 재창출에 특화 | Knowledge graph, ML |
| IBM Watson for Drug Discovery | 대규모 문헌 기반 재창출 | NLP, 머신러닝 |
4. 수의학 분야 응용 가능성
수의학에서도 AI 기반 약물 재창출은 다음과 같은 가능성을 가집니다:
- 소동물 종양 치료제 개발: 사람에서 사용되는 항암제를 반려동물용으로 재창출
- 유전 질환 모델 반영: AI가 반려동물의 유전체 정보를 학습하여 타겟 예측
- 희귀 질환에 대한 신속한 치료제 도입: 실험적 약물의 전임상 모델로서 반려동물 사용
- 약물 독성 예측: AI가 종(species)별 약물 반응성 및 부작용 예측
5. 한계점 및 극복 과제
한계 설명 극복 방안
| 데이터 부족 | 수의학 데이터셋, 다중 오믹스 데이터의 희소성 | 공공 데이터베이스 확충, 병원-연구소 연계 |
| explainability 부족 | AI가 약물 추천 이유를 명확히 설명하지 못함 | Explainable AI 적용 |
| in vitro → in vivo 간 차이 | 세포기반 예측의 실제 효과와 차이 존재 | 동물 모델 기반 검증 필요 |
| 규제 문제 | 재창출 약물의 허가 절차 불명확 | 법적 가이드라인 정립 필요 |
정리
AI를 활용한 약물 재창출은 미래의 정밀의학, 수의약학, 희귀질환 치료 분야에 있어 가장 유망한 기술 중 하나입니다. 약물의 효과, 안전성, 타겟 메커니즘을 AI가 예측 및 검증 가능하게 되면서, 기존에는 탐색조차 어려웠던 조합들이 빠르고 비용 효율적으로 탐색되고 있습니다. 특히 수의학에서도 이 AI 기술을 접목하여 반려동물 환자에게 맞춤형 치료 옵션을 제공할 수 있는 기반이 점차 마련되고 있습니다.
728x90
반응형
LIST