제약 개발 파이프라인 전반에 걸쳐 AI 활용하기

지난 수십 년 동안 새로운 기술의 도입으로 의료 분야에서 놀라운 발전을 이루어 왔습니다. 이제 인공지능(AI)이 또 하나의 주요 기회를 제공하여 환자의 삶을 더욱 개선하는 데 기여할 수 있습니다. 건강 상태를 이해하고 치료하는 데에는 다양한 AI 응용 분야가 있습니다. 실제로 AI는 새로운 질병을 치료하기 위해 연구자들이 설정한 전체 파이프라인에서 활용될 수 있습니다. 이 기술은 특히 새로운 약물을 발견하고, 새로운 질병을 이해하며, 치료의 결과를 측정하는 데 유용할 수 있습니다.

제약 개발에서 AI

제조업체가 약을 시장에 출시하기 전에 연구자들은 올바른 분자를 식별하기 위해 노력합니다. AI는 약물 개발 및 개발에 적용될 수 있으며, 특히 이 과정을 더 효율적이고 비용이 적게 만드는 데 목적을 두고 있습니다. 일반적인 발견 과정에서 연구자들은 여러 분자를 테스트하는 데 수년을 소요할 수 있으며, 임상 시험을 위해 선택된 분자가 의도한 효과를 나타내지 않는다는 것을 알게 될 수 있습니다. AI는 이 과정에서 분자의 생물학적 활성과 상호 작용을 예측하는 데 역할을 할 수 있습니다. 기존 데이터를 활용하여 예측 모델은 연구자와 의료 커뮤니티가 기대하는 영향을 미치는 분자가 실제로 존재하는지 여부를 판단할 수 있습니다.
제약 개발에서 AI의 사용은 아직 초기 단계에 있으며, 현재 시장에는 AI에 의해 발견된 약물이 없습니다. 그러나 이미 많은 의료 및 연구 기관이 개발 과정에 AI를 통합하기 시작했으며, 일부는 임상 시험에 AI 개발 약물을 제출했습니다. 예를 들어, 2022년에 IPF(특발성 폐섬유증) 치료를 위한 AI로 식별된 약물이 1상 임상 시험에 들어갔으며,今年초에 FDA의 고아약 지정을 받았습니다. 산업이 AI에 더 익숙해짐에 따라 약물 개발에서 AI의 응용 분야는 확대될 것입니다.

역학 및 임상 시험 관리에서 AI

치료를 시장에 출시하고 환자에게 전달하는 또 다른 중요한 단계는 질병을 이해하고 인구 수준에서 건강 결과에 미치는 영향을 파악하는 것입니다. 여기서 역학자들이 등장합니다. 그들은 대상 인구와 지시 사항에 대한 치료 위험 관리를 양적으로 분석하고 모니터링하는 연구자 그룹입니다.

AI와 기계 학습(ML) 기술을 사용하여 역학자들은 실제 데이터를 포함한 다양한 유형의 데이터를 탐색하고 추세를 식별할 수 있습니다. 이는 상업적 및 임상적 의사 결정에 중요한 정보를 제공합니다. ML은 가설 없는 방식으로 데이터를 탐색하는 데 최적화되어 있기 때문에 새로운 패턴을 발견하고, 질병 유병률과 같은 주요 추세에 대한 예측을 생성하며, 불량 결과와 관련된 위험 요인을 식별하는 데 도움이 됩니다. 이러한 통찰력은 연구자들이 대상 인구의需求을 가장 효과적으로 해결하는 치료법을 개발하는 데 중요합니다.

AI는 또한 임상 시험 단계의 일부를 자동화하여 새로운 치료법의 안전성과 효능을 환자에게 전달하기 전에 검증하는 데 중요한 역할을 할 수 있습니다. 예를 들어, AI는 임상 시험에 적합한 환자를 모집하고, 연구 그룹이 일반 인구를 대표하며, 다양성과 평등을 고려하는 데 사용될 수 있습니다. 또한 AI는 인간 팀보다 더 신뢰할 수 있는 방식으로 시험에서 안전 보고서를 검토하는 데 도움이 될 수 있습니다. 그러나 역학 및 임상 시험 설계의 모든 측면이 자동화될 수는 없습니다. AI는 이 과정의 특정 측면을 더 효율적으로 만들 수 있습니다.

치료 결과 평가에서 AI

임상 시험에서 치료의 효과가 입증된 후, 새로운 중재의 가치를 이해하는 것이 중요합니다. 이 시점에서 연구자들은 이미 수많은 시간과 수백만 달러, 아니면 수십억 달러를 투자하여 치료법을 개발했습니다. 그러나 아직도 환자들이 치료를 필요로 할 때 접근할 수 있도록 하는 데 관심이 있습니다. 여기서 건강 경제학 및 결과 연구(HEOR)가 중요합니다. 이는 건강 관리 중재의 가치를 연구하는 것입니다.

HEOR 분석의 궁극적인 목표는 보험 제공자와 다른 의료 비용을 책임지는 사람들에게 인구의 건강을 최적화하고 비용을 최소화하는 데 도움이 되는 것입니다. 이를 통해 건강 시스템이 재정적으로 안정적이고, 치료가 적절한 시기에 제공될 수 있습니다. AI는 치료의 증분적ประโยชน을 정량화하는 데 도움이 되는 데이터에서 패턴을 발견함으로써 HEOR 분석에서 역할을 할 수 있습니다.

예를 들어, 2형 당뇨병 환자를 대상으로 한 연구에서 체중 감량을 위한 행동 중재의 효과를 조사하기 위해 ML을 사용했습니다. 일반 인구에서는 유의한 영향을 찾지 못했지만, 연구자들은 특정 특성을 가진 하위 집단이 중재 후 심혈관 질환의 합병증을 피할 수 있다는 것을 발견했습니다. 이러한 통찰력은 의사와 건강 계획이 중재에서 가장 많은 이익을 얻을 환자를 알 수 있도록 도왔습니다.

제약 파이프라인에서 AI의 미래

질병을 이해하고 치료하는 데에는 다양한 AI 응용 분야가 있으며, 연구자들은 이 기술을 더욱 발전시키고자 합니다. 실제로, HEOR의 주요 조직인 ISPOR은 최근 이 분야에서 기계 학습을 사용하기 위한 지침을 설정했습니다. 이는 AI와 ML의 사용을 확대하여 그 잠재력을 최대한 활용하는 데 대한 약속을 나타냅니다.

역학자, 연구자, 건강 경제학자 및 제약 개발 파이프라인에 참여하는 모든 사람들은 자신의 업무에서 AI를 통합함으로써 가치를 얻을 수 있습니다. 그리고 만약 우리는 질병을 더 잘 이해하고, 더 효과적이고 표적화된 치료법을 개발하는 데 AI를 사용할 수 있다면, 환자들은 궁극적으로 엄청난 이익을 얻을 것입니다. AI는 의료 및 제약 분야에서 삶을 개선하는 데 무한한 잠재력을 가지고 있으며, 우리는 그것을 최대한 활용할 책임이 있습니다.