AI 기술은 제약 산업이 '역무어의 법칙'을 깨는 데 언제 도움이 될까요?

COVID-19 발병 첫 해인 2020년에 미국 식품의약국(FDA)은 53개의 신약만을 승인했습니다. 같은 해, 전 세계 제약업계의 전체 의약품 R&D 투자액은 약 2,000억 달러에 달했습니다. 이는 2020년에 승인된 각 약물의 평균 비용이 38억 달러에 가깝다는 것을 의미합니다. 그 해에 발표된 연구에서는 신약 비용에 대해 상대적으로 보수적인 추정치를 제시했으며, 지난 10년 동안 신약 비용이 급격하게 증가했지만 구체적인 범위는 여전히 3억 1400만 달러에서 28억 달러 사이라고 주장했습니다. 또한 이 연구에서는 신약을 시장에 출시하는 데 투자된 전체 연구 개발 비용의 중앙값이 미화 10억 달러에 가까우며 평균은 약 13억 달러로 추산되는 것으로 나타났습니다. 또한, 신약의 평균 출시주기는 10~15년으로 그 중 약 절반의 시간과 투자가 임상시험 단계에 소요되고 나머지 절반의 비용은 전임상 화합물 발굴, 테스트 및 연구 지원에 사용된다. 감독. 신약 하나하나의 가격이 비싸고 주기가 긴 이유에 대해서는 임상적 유효성 부족, 상업적 이익 부족, 부적절한 전략 수립 등을 꼽을 수 있다. 요컨대 이 모든 복합적인 요인들이 제약산업의 효율성을 형이상학적으로 변모시켰던 것이다. 많은 사람들은 신약 출시에 드는 비용 때문에 제약산업이 왜 기술 수준과 경영 측면에서 크게 발전했는지 의문을 품기까지 했다. 능력이 크게 향상되었습니다. 당신은 여전히 ​​현재의 곤경에 갇혀 빠져나오지 못할 것입니다.

기술 발전에도 불구하고 지난 수십 년 동안 신약 개발 비용이 기하급수적으로 증가했다는 소위 '역무어의 법칙'을 주장하는 사람들입니다. 역 무어의 법칙에 따르면 신약 개발 비용은 인플레이션 효과를 감안하면 약 9년마다 두 배로 늘어납니다. 이 관찰은 경제학의 개념에 따르면, 특정 상품 생산에 있어 특정 투입량이 증가하고 다른 모든 투입량은 변하지 않으면 전반적인 상황은 결국 임계점에 도달하게 될 것이라고 제안합니다. 입력을 늘리려면 해당 출력이 점차 감소하기 시작합니다. '역무어의 법칙'이라는 용어는 2012년 '자연·리뷰·약물발견'에서 잭 스캐넬 박사 등이 제안한 것이다.

역무어의 법칙은 자연스럽게 유명한 무어의 법칙을 가리킵니다. 1960년대의 이러한 개념적 관찰은 대규모 집적 회로의 트랜지스터 수가 약 2년마다 두 배로 증가한다는 것을 발견했습니다. 무어의 법칙은 Intel Corporation의 공동 창업자인 Gordon Moore의 이름을 따서 명명되었으며, 역사적 추세에 대한 그의 관찰 및 요약입니다.

Scannell 박사는 현재 곤경에 처한 데에는 네 가지 주요 이유가 있다고 강조했습니다. 우선, 규제 기관은 치료법에 대해 점점 더 높은 기준을 갖고 있습니다. 규제 기관은 위험을 감당할 수 있는 능력이 점점 줄어들고 있으며, 이는 연구 개발의 비용과 어려움을 증가시키며, 프로젝트를 추진하기 위해 자원의 홍수에 의존합니다. 프로젝트 오버런을 일으키기 쉽고, 기초 연구에 대한 무차별 대입 공격이 있습니다. 즉, 거친 시행착오를 통해 기초 연구 문제를 돌파할 가능성이 과대평가됩니다.

우리가 직면한 모든 어려운 요인에도 불구하고 우리는 언젠가 무어의 법칙의 도전을 물리칠 것이며, 전투의 결과를 결정하는 강력한 무기는 AI입니다. 좋은 소식은 누군가가 이미 이 길을 탐색하기 위한 첫 번째 단계를 밟았다는 것입니다.

Scannell 박사와 그의 공동 과학자들은 제약 회사에 개발 과정의 각 단계에서 실패의 원인을 요약하고 그 결과를 과학 저널에 게시할 책임이 있는 최고 의약품 책임자를 임명할 것을 촉구합니다. 현재 제약회사에서는 실패한 실험이나 임상 결과를 발표하는 경우도 거의 없으며, 실패한 경우의 귀중한 정보를 처리할 전담 임원을 임명하는 것에 대해서는 아직 생각하지 않은 경우가 많습니다. 그러나 Scannell 박사는 역무어의 법칙을 깨기 위해서는 기업이 먼저 R&D 프로세스를 변경해야 한다고 강조했습니다. 협업과 정보 공유는 물론 좋은 출발점이지만, 제약 산업에서 무어의 법칙을 진정으로 깨뜨릴 수 있는 방법은 단 하나, 바로 AI뿐입니다.

지난 몇 년 동안 사람들은 역 무어의 법칙을 깨기 위해 AI를 사용하려는 많은 시도를 해왔습니다. 이제 Exscientia 및 Insilico Medicine과 같은 많은 기관이 이를 위해 전력 질주하고 있습니다.

옥스퍼드에 본사를 둔 Exscientia는 환자를 최우선으로 생각하고 AI 기술을 통해 신약 개발을 가속화하는 글로벌 제약 기술 회사입니다. 작년에 회사는 AI가 설계한 최초의 면역종양 분자가 인간 임상 시험에 진입했다고 발표했습니다. 이 프로젝트에서 Exsientia는 Evotec의 Centaur Chemist 약물 발견 플랫폼을 사용하여 진행성 결핵 성인 환자를 위한 A2a 수용체 길항제를 개발하기 위해 Evotec과 협력하고 있습니다. 엑스사이언티아는 2020년 AI 기반 소프트웨어로 설계한 강박 장애 치료제를 발표하고 임상 1상 시험에 돌입한 것이 이번이 처음이 아니다.

또한 슈뢰딩거는 제약 산업에서 가장 발전된 화학 시뮬레이션 소프트웨어를 개발했습니다. 슈뢰딩거는 최근 초기 단계 시험에서 비호지킨 림프종에 대한 컴퓨터 설계 치료법을 연구하기 위해 FDA 승인을 받았습니다. 머신러닝 기술을 기반으로 하는 이 회사의 플랫폼은 10개월 이내에 82억 개의 잠재적 화합물을 분류했으며 궁극적으로 전임상 실험 합성 및 스크리닝을 성공적으로 통과할 수 있는 78개 화합물을 식별했습니다. 이제 회사는 1상 임상 연구를 시작하고 재발성 또는 불응성 비호지킨 림프종 환자 모집을 시작할 계획입니다.

동시에 유타의 Recursion Pharmaceuticals도 AI 기술을 사용하여 기존 약물의 새로운 용도를 찾고 있습니다. 지난해 로슈와 제네텍은 세포 생물학의 새로운 영역을 공동으로 탐구하고 신경과학과 종양학 적응증 분야에서 새로운 치료법을 개발하기 위해 Recursion과 프로젝트 협력을 구축했습니다. 이번 협력을 통해 양사는 리커션의 AI 신약 발굴 플랫폼을 활용해 신약 타깃에 대한 종합적인 스크리닝을 진행함으로써 저분자 신약 개발을 가속화할 예정이다.

인실리코에서도 대표적인 항섬유화신약 후보물질이 임상 0상 연구를 성공적으로 마치고 정식으로 임상 1상 단계에 돌입했습니다. 이 약물 후보의 새로운 타겟은 Pharma.AI 플랫폼을 통해 발견되었습니다. 표적 발굴부터 프로젝트 1단계 착수까지 총 시간은 30개월도 안 돼 제약업계 신약개발 속도 신기록을 세웠다.

잊지 마세요. AI 기술은 뇌-컴퓨터 인터페이스, 딥 러닝, 인간-컴퓨터 인터페이스, 기계 학습 및 기타 지능형 시뮬레이션 시나리오에서도 역할을 합니다. 이러한 개념은 수십 년 동안 존재해 왔습니다. 초기 의료 AI 시스템은 한때 의료 전문가가 제공한 임상 지식과 논리적 규칙에 크게 의존했지만 이제는 훈련된 슈퍼컴퓨터가 스스로 이러한 작업을 완료할 수 있습니다.

역 무어의 법칙을 깨기 위해서는 데이터 과학자와 의료 과학자가 공동으로 달성 가능한 사용 사례를 계획하고, AI 기술을 다양한 임상 시험에 적용하고, AI 기술을 대체/보완할 기존 기술과 비교해야 합니다. 이를 통해 AI가 임상시험 생태계에 원활하게 진입해 R&D 실패율과 비용을 효과적으로 줄이는 동시에 업계의 신약 발견 및 개발 프로세스를 빠르게 개선할 것으로 기대된다. 오늘날 거의 모든 대형 제약회사는 사내 독창적인 연구 알고리즘을 사용하거나, AI 공급업체와 협력하거나, AI 공급업체/기술을 직접 인수하여 제품 포트폴리오와 약물 발견 파이프라인을 강화하고 있습니다. Massive Financing과 여러 제약회사의 파트너십 성명서는 업계가 약물 연구 및 개발 과정에서 AI 도구를 적용하는 것에 대해 높은 기대를 갖고 있음을 말해줍니다. 이 분야에는 많은 변화가 있었습니다. 앞으로 몇 년 안에 기업들은 더 나은 투자 전략과 첨단 AI 기술을 결합하여 역무어의 법칙이라는 '저주'를 단번에 깨뜨릴 수 있을 것으로 기대됩니다.

위 내용은 AI 기술은 제약 산업이 '역무어의 법칙'을 깨는 데 언제 도움이 될까요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!