한국제약바이오협회(회장 노연홍)는 17일 서울 방배동 협회 4층 대강당에서 연합학습 기반 신약개발 가속화 프로젝트 사업단(K-MELLODDY 사업단·단장 김화종) 개소식을 진행했다고 밝혔다.

과학기술정보통신부와 보건복지부가 공동으로 추진하는 연합학습 기반 신약개발 가속화 프로젝트는 올해부터 5년간 348억 예산을 투입, 연합학습 기반 ADMET 예측 모델 ‘FAM(Federated ADMET Model)’ 개발을 목표로 한다.  

한국제약바이오협회는 17일 서울 방배동 협회 4층 대강당에서 '연합학습 기반 신약개발 가속화 프로젝트 사업단' 개소식을 진행했다. 이날 김화종 사업단장<맨 왼쪽>, 노연홍 제약바이오협회장<가운데>, 원희목 전 제약바이오협회장<왼쪽 두 번째>, 이재국 제약바이오협회 부회장<맨 오른쪽>과 관계자들이 테이프 커팅을 하고 있다. [사진=제약바이오협회]

연합학습(Federated Learning)은 각 기관이 보유한 데이터를 한 곳으로 모으지 않고 개별 기관에서 인공지능(AI)을 학습시키는 기술로 정보 유출 위험이 거의 없어 민감 정보의 ‘보호’와 ‘활용’이 동시에 가능하고, ADMET(Absorption, Distribution, Metabolism, Excretion, Toxicity)는 약물 흡수와 분포, 대사, 배설 및 독성 등 임상시험 성공의 가장 중요한 요소로, 미국 NIH 발표에 따르면 ADMET가 신약 연구개발(R&D) 비용의 22% 정도 차지한다.

특히 한국은 기술 수출 등으로 1상까지 하는 사례가 많아 임상 비용의 대부분을 차지하는 것으로 보고됐다.

프로젝트는 크게 플랫폼 구축, 데이터 공급·활용, AI 모델 개발 등으로 구분된다.

세부 과제는 연합학습 기반 FAM 운영 플랫폼을 구축하는 ‘플랫폼 구축 및 개발 1개 과제 및 제약사, 병원, 연구소 등에 대한 데이터 공급 및 FAM을 활용한 ‘데이터 공급·활용 20개 과제’, FAM 솔루션과 응용 모델을 개발하는 AI 모델 개발 15개 과제로 구성된다고 협회 측은 밝혔다.

이 프로젝트는 일회성 솔루션 구축이 아닌 데이터 추가를 통해 연속적으로, 자동적으로 성능이 개선된다는 장점이 있다는 게 사업단 측 설명이다.

사업단은 FAM 솔루션 확보 이후 연합학습의 실용성을 검증하고 참여 기관을 확대해나가는 동시에 신약개발 단계 적용 및 확장, 데이터 기여도 평가, 글로벌 협력 확대 등도 추진키로 했다.

노 협회장은 “우리의 목표는 연합학습 플랫폼을 통해 다기관의 ADMET 데이터를 수집해 고성능의 예측 도구를 개발해 비용효과성을 극대화하는 것”이라며 “이를 통해 6대 제약강국 도약에 한 발 더 다가서겠다”고 말했다.

김 사업단장은 “신약후보물질의 ADMET 값을 예측할 때 in-vitro(시험관) 시험 결과만으론 in-vivo(비임상) 및 임상 통과를 보장하기 어렵고, 현재 학습용 데이터 부족으로 AI 활용 성능에도 한계가 있다”고 지적했다.

이어 "연합학습 기술을 활용함으로써 개별 연구기관이나 기업이 독자적으로 수행하기 어려운 대규모 데이터 분석과 모델링 작업을 공동으로 수행할 수 있게 된다"며 "ADMET 예측 외에 특정 타깃과 약물 간 상호작용, 사용자 유형별 반응 예측, 다양한 독성 예측 등으로 확대 가능한 솔루션이 필요해 연합학습 기반의 ADMET 예측 모델인 ‘FAM 솔루션’을 개발하려는 것인데, 이번 프로젝트가 신약개발 속도와 효율성 개선에 크게 기여할 것"이라고 기대했다.