“K-멜로디 사업으로 연합학습 기반 ADMET 예측모델인 FAM을 개발하면 향후 약물 표적 상호작용이나 후보물질 탐색, 임상 설계 등에 적용이 가능하다.”

K-멜로디(K-Machine Learning Ledger Orchestration for Drug Discovery) 김화종 사업단장은 최근 제약바이오협회 기자단과 만나 K-멜로디 기대효과에 대해 이같이 밝혔다.

정부는 인공지능(AI)을 이용해 빠른 신약개발을 지원하는 ‘연합학습 기반 신약개발 가속화 프로젝트, K-멜로디 사업단을 지난 달 17일 출범시켰다. 

과학기술정보통신부와 보건복지부가 공동으로 추진하는 연합학습 기반 신약개발 가속화 프로젝트는 올해부터 5년간 348억원의 예산을 투입, 연합학습 기반 ADMET(약물의 흡수와 분포, 대사, 배설 및 독성) 예측 모델인 ‘FAM(Federated ADMET Model)’ 개발을 목표로 한다.

신약 후보물질의 ADMET 값을 예측할 때 시험관(in-vitro) 시험 결과만으로는 비임상(in-vivo) 및 임상시험 통과를 보장하기 어렵다. 또 현재 학습용 데이터 부족으로 AI 활용 성능에도 한계가 있다.

사업단은 ADMET 예측 외에 특정 타깃과 상호작용, 약물 간 상호작용, 사용자 유형별 반응 예측, 다양한 독성 예측 등 확대 가능한 솔루션이 필요해 연합학습 기반의 ADMET 예측 모델인 ‘FAM 솔루션’을 개발한다는 계획이다

김화종 단장은 “현장에서 유용하게 사용할 수 있는 우수한 성능의 ADMET 예측 모델, FAM을 개발해 약물 표적 상호작용이나 분자 표현형 파운데이션 모델 개발 등에 활용할 것”이라고 전했다.

이외에도 리드 최적화, 임상 설계, 시판 후 조사 등에도 적용할 수 있을 것으로 내다봤다. 김 단장은 이를 위해 데이터 제공자에게 차별화한 인센티브 제공을 위한 'AI 모델 개선 기여도'를 측정하고 이를 후속 정부 지원 사업이나 우수 AI 기업 발굴에 활용하겠다는 계획도 내비쳤다. 또 글로벌 협력을 확대해 FAM 참여자를 확대하고 성능도 높인다는 복안이다.

K-멜로디 사업은 제약회사 뿐 아니라 임상시험을 수행하는 병원, 연구소, 그리고 식품의약품안전처 등 기관들도 협력한다. 하지만 협력 과정에서 이들이 데이터를 공유하는 것은 개인정보 유출 등 여러 문제로 쉽지 않다. 

김 단장은 “이런 현실적인 어려움을 해결할 수 있는 가장 효과적인 방법이 바로 연합학습”이라고 강조했다.

김 단장에 따르면 연합학습은 데이터를 가져오는 게 아니라 모델이 학습을 하고 그 파라미터만 가져온다. 이렇게 학습한 능력치는 개인정보가 아니라는 게 김 단장 설명이다. 

한편 용어에 대한 아쉬움도 함께 전했다. 

김 단장은 “멜로디 프로젝트는 이미 유럽에서 수행한 프로젝트의 이름일 뿐 아니라 지향하는 목표도 다르다”며 “K를 붙였어도 다른 국가의 고유명사를 계속 부르는 것 보단 우리만의 용어가 있길 바랬지만, 정부 사업이라 이름 변경이 쉽진 않았다”고 말했다.

사업단은 이달 세부사업 공고 및 사업단 홈페이지 구축 및 설명회를 개최한다. 이어 6월 세부 사업자를 선정하고 7월부터 1차년도 과제를 시작한다.

김 단장은 “성공적인 사업 추진으로 연합학습 기술 확보 뿐 아니라 제도 법규, 신약개발 및 데이터 소유자와 AI 솔루션 개발자 간 협력 생태계 조성 등 다양한 성과를 창출하도록 할 것”이라고 다짐했다.