초기 스케일업 전문 액셀러레이터 뉴패러다임인베스트먼트(공동대표 배상승·박제현)가 13일 서울 강남구 코엑스 스타트업 브랜치에서 개최한 'NP Family AI Seminar: AI 도입 혁신 사례 발표회'에서 온톨로지 기반 AI 스타트업 디윅스가 신약 개발 자동화 사례를 공개했다.
안철희 디윅스 연구소장은 "평균 10년과 423억원이 투입되고도 95% 이상이 임상 단계에서 탈락하는 신약 개발 프로세스를, 멀티 에이전트 시스템으로 압축할 수 있다"고 강조했다. 신약 개발의 틀을 흔드는 선언이다.
결과물은 베트남에서 거두는 중이다. 안 소장은 "디윅스는 분석 특허를 바탕으로, 요즘 뜨고 있는 온톨로지 데이터 영역에서 그래프 형태의 구조화된 데이터를 만드는 '온토젠팁스(OntoZenTips)' 솔루션을 개발해 출시했다"며 "다양한 공공기관과 업체에 솔루션을 납품하며 레퍼런스를 쌓아왔다"고 밝혔다. 이어 "오늘 발표는 그렇게 만들어진 솔루션을 신약 개발 파트에서 어떻게 활용했는지를 소개하는 자리"라고 설명했다.
그가 멀티 에이전트로 신약 개발에 진입한 출발점은 희귀질환 환자들이었다. 안 소장은 "세상에는 약 7000여 종의 희귀질환이 있고, 그중 95% 이상이 근본 치료제가 없는 문제를 안고 있다"며 "고통받고 있는 희귀질환자들을 어떻게 도울 수 있을까에서 시작했다"고 말했다.
사진=최진홍 기자
치료제가 쉽게 개발되지 못하는 이유에 대한 진단도 이어졌다. 안 소장은 "타깃 발굴부터 검증, 약물 발굴, 임상을 통한 허가까지 평균 10년 정도 소요되고 금액으로는 약 423억원이 든다"며 "이 과정에서 70%는 초기 3~5년 단계에서 탈락하고 90% 이상이 임상 단계에서 탈락한다"고 짚었다. 이어 "이런 과정을 멀티 에이전트로 계산해 보고자 한다"며 "현재는 타깃 바이오마커부터 리드 바이오마커까지 발굴하는 3단계 정도를 자동화한 상태"라고 밝혔다.
AI 에이전트의 활용 방식에 대한 관점도 흥미롭다.
안 소장은 "에이전트 활용에는 크게 두 가지가 있다"며 "특정 업무를 단독으로 처리하는 에이전트가 있고, 그러한 에이전트들이 협업해서 업무를 처리하는 멀티 에이전트 방식이 있다"고 구분했다. 그는 "신약 개발처럼 어떤 프로세스가 있는 도메인에서는 멀티 에이전트가 유용하다고 판단해 이쪽으로 진입했다"고 설명했다.
구글 딥마인드의 알파폴드(AlphaFold)에 대한 언급도 인상적이었다. 안 소장은 "알파폴드는 임상 실험에서 단백질을 합성하는 AI"라며 "에이전트가 끝단 프로세스까지 확장되면 알파폴드 같은 도구를 잘 다뤄서 임상적으로 자동화하는 단계까지 나아갈 계획"이라고 밝혔다.
한편 디윅스가 구축한 멀티 에이전트는 총 4종으로 구성된다. 안 소장은 "에이전트 'AI 리서치'가 흩어져 있는 논문 데이터를 자동 수집하고, 그것들을 지식그래프로 엮인 그래프에서 후보 바이오마커를 도출하며, 최종 리포트까지 만들어 제공한다"며 "이 모든 것을 멀티 에이전트 오케스트레이션이 조율한다"고 설명했다. 이어 "기존에는 연구 논문을 사람이 일일이 수기로 확인하다 보니 5~7년이 걸렸다"며 "이 시간을 줄이는 게 솔루션의 목적"이라고 강조했다.
차별점에 대한 설명은 작심한 듯했다. 안 소장은 "멀티 에이전트는 누구나 시도하고 있을 것"이라며 "차별점이라면 데이터를 온톨로지 기반의 지식베이스로 잘 구조화했다는 게 가장 큰 차이"라고 밝혔다. 이어 "비정형 데이터로부터 단순히 청킹해서 데이터를 추출하는 것과 잘 구조화된 온톨로지 기반의 지식베이스가 있는 것은 분석 결과에서 상당한 차이가 있다"고 강조했다.
온톨로지는 데이터 간 관계를 컴퓨터가 이해할 수 있는 형태로 모델링한 '지식의 지도'다. 미국 팔란티어가 자사 AI 플랫폼의 핵심 기술로 채택해 글로벌 AI 시장에서 차별화를 이룬 것으로 알려진 기법이기도 하다. 최근 국내에서도 삼성SDS가 협업 소프트웨어 '브리티웍스'에 온톨로지 적용을 검토하는 등 엔터프라이즈 AI의 백엔드 핵심 기술로 부상하고 있다.
안 소장은 "솔루션의 성패는 지식베이스를 얼마나 잘 구축하느냐, 커버리지가 얼마나 큰가에 좌우된다"며 "지식베이스를 자동화 또는 반자동화로 구축할 수 있는 연구를 열심히 하고 있다"고 밝혔다. 이어 "각 에이전트들이 데이터를 어떻게 공유할지가 중요한 문제인데, 공유 메모리를 통해 데이터를 주고받도록 했고 이 공유 메모리 자체도 독립적인 에이전트로 동작하도록 확장 중"이라며 "나중에는 에이전트를 마켓 형태로 제공할 수 있도록 연구개발하고 있다"고 덧붙였다.
기능 측면에서도 사용자 친화성이 강조됐다. 안 소장은 "스텝은 얼마나 반복 작업을 할지 설정하는 부분"이라며 "디윅스가 온톨로지를 구축한 데이터 외에 사용자가 본인의 데이터를 추가로 업로드해 융복합 분석할 수 있는 기능을 제공한다"고 설명했다.
가장 눈에 띄는 대목은 이미 글로벌 레퍼런스를 확보했다는 점이었다. 안 소장은 "이렇게 만든 'Re:search' 솔루션은 현재 베트남에 있는 OPC라는 제약회사에 납품된 상태"라며 "OPC는 한방 소재 기반 치료제를 개발하는 회사"라고 밝혔다.
한편 디윅스의 행보는 국가 차원의 신약 개발 AI 플랫폼 구축 움직임과도 맞물린다. 과학기술정보통신부와 한국연구재단은 최근 'AI-Medicine 신약 개발 전주기 멀티 에이전트 AI 플랫폼 구축 및 실증' 과제를 추진 중이다. 연세대학교가 주관기관으로 선정돼 57개월간 약 177억원의 정부 지원금이 투입되며, 목암생명과학연구소 등 산학연 60여 명이 참여하는 대형 국책사업이다. 표적 발굴부터 전임상 후보물질 도출까지 신약 개발 전주기를 멀티 에이전트 기반 AI 플랫폼으로 구축하는 것이 골자다.
업계 시각에서는 디윅스의 시도가 국내 스타트업이 국가 R&D 흐름과 동일한 문제의식 위에서 자체 상용화 솔루션을 먼저 글로벌 시장에 내놨다는 점에서 주목할 대목이다. 안 소장은 향후 계획에 대해 "타깃 발굴부터 리드 발굴까지 3단계를 자동화한 데서 나아가 임상까지 뒷단계로 확장할 생각"이라고 밝혔다.
다만 멀티 에이전트 신약 개발이 실제 임상 단계까지 압축 효과를 입증하려면 시간이 더 필요하다. 안 소장이 강조한 온톨로지 기반 지식베이스의 커버리지가 얼마나 빠르게 확장되느냐가 디윅스의 다음 페이지를 가를 것이라는 전망이 나오고 있다.
댓글
0