필자는 "CHATGPT와 같은 AI의 발전은 의약품 연구개발에 앞으로 어떤 방향으로 전망이 됩니까?"라는 질문을 하였습니다. 이에 대한 답변으로

"AI 기술의 발전은 의약품 연구개발에 매우 큰 영향을 미치고 있습니다. 예를 들어, 기존에는 수년이 걸리던 약물 발견과 임상시험 단계에서의 대상 환자군 식별 등의 작업을 AI 기술을 활용하여 훨씬 빠르고 정확하게 수행할 수 있습니다. 또한, 생물 정보학 분야에서는 AI 기술을 활용하여 유전체 데이터 분석을 통해 질병 원인을 찾거나 개인별 맞춤형 의료 서비스를 제공하는 등의 기술적인 진보가 이루어지고 있습니다.

또한, AI 기술은 이미 약물 개발 단계에서도 활용되고 있습니다. 예를 들어, 약물 스크리닝 분야에서는 AI를 활용하여 수많은 화합물 중에서 잠재적인 약물 후보물질을 빠르고 정확하게 선별할 수 있습니다. 또한, 임상시험에서도 AI를 활용하여 대상 환자군을 식별하고, 치료 효과와 부작용 등을 미리 예측하여 보다 효율적이고 안전한 임상시험을 수행할 수 있습니다.

따라서, AI 기술의 발전은 의약품 연구개발 분야에서 매우 중요한 역할을 할 것으로 예상됩니다. 더욱 정확하고 빠른 약물 개발과 효과적인 의료 서비스 제공을 위해 AI 기술의 활용이 더욱 늘어날 것으로 보입니다." 라는 답변을 받았습니다. 

과연 사실일까? 

몇가지 답변에 대해서는 현재도 이루어 지고 있는 부분입니다. 또한 AI/ML이 이미 접근할 수 있는 정보에 대해 놀라운 성능을 발휘하고 있기도 합니다. 그러나 실제는 엄연하게 현재의 AI/ML 기술로는 복잡하고 자동제어가 어렵기로 악명난 연구실내에서는 어렵다는 평가가 많습니다. 

연구소는 자동화와 제어가 어렵기로 악명이 높으며, 자동화가 되어도 데이터 집계 및 구조화 프로세스는 더욱 어렵습니다.

이는 기술적 성숙도와 디지털화의 상태가 필요한 수준에 한참 뒤처져 있고, 실험실 디지털화를 위한 현재의 솔루션이 순수하게 포인트 솔루션(예: ELN 등)에 초점을 맞추고 있기 때문입니다.

이것은 중요한 문제인게 이 기술을 통해 얻을 수 있는 통찰력이 없다면 실험실 작업의 세세한 부분과 실제 세계에서 생물학이 어떻게 상호작용하는지에 대한 우리의 이해는 개인의 이해 범위로 제한될 것이기 때문입니다. 우리는 이러한 패턴과 개선을 찾기 위해 많은 노력을 할 수 있도록 컴퓨팅 파워에 의존할 수 있으며, 이는 과학자 개개인의 수준에서 창의성을 더 많이 유출할 수 있게 합니다. 그러나 우리는 그러하지 않습니다.

이러한 추세에 대한 예외는 실험 플랫폼을 사용하여 한 곳에서 실험, 제어 장비 및 구조 데이터를 설계하는 연구소가 될 것입니다. 연구원이 더 이상 걱정할 필요가 있는 것은 미래의 연구실이 아니라, 좀 더 오래 전에 도착한 미래의 실험입니다.

그럼에도 불구하고, 연구실외의 분야에 ML 기술을 접목시킬려는 노력을 하고 있습니다. 의료분야에는 환자를 데이터를 활용하여 효율적으로 질환을 관리하고 발견하는 알고리즘이 개발되고 있습니다. 그러나 여전히 치료 개선을 목표로 하는 ML의 연구는 상대적으로 적습니다. 주로 이미지 데이터 분석, 인구 통계학적 데이터 분석이 대부분입니다. 그나마 질환의 개선을 목표로 발전하고 있는 분야는 희귀질환자의 데이터를 통합하여 세포와 유전자 수준까지 질병과정을 상세히 연구하는 분야가 생겼다는 점입니다. 그러나 이러한 수준도 질환자의 모니터링 기능이 주 기능으로 활용되고 있습니다.

2023 ChatGPT의 등장으로 사회 전반 모든 분야에 AI가 지배할 것이라는 예측을 내놓고 있지만, 첨단 기술을 활용한 연구시장은 모두의 기대보다 더 늦은 시간으로 흘러갈 것입니다. 그렇지만 인류의 발전은 획기적인 발명을 통해 빠르게 적응해 나가는 역사를 가지고 있습니다. 앞으로 AI와 ML 기술의 발전이 인류건강을 지켜주는 제약 바이오 연구산업에 어떠한 블루칩으로 성장할지 기대가 됩니다.