약물 발견 분야 AI 시장, 2030년까지 284억 달러 규모로 급성장 전망, UnivDatos 조사 결과 42.4% 성장률 기록

보고서 주요 내용:

• 신약 발굴 및 개발(D&D)은 비용이 많이 들고 시간이 오래 걸립니다. 업계 저널 보고서에 따르면 새로운 약물 치료법을 발굴하고 개발하는 데 드는 평균 비용은 26억 달러이며 개발 주기는 10년이 넘습니다. 대부분의 후보 치료법은 특히 전임상 및 1상 임상 시험에서 제한적인 개발 테스트 깔때기로 인해 임상 시험 초기에 폐기되며, 이는 높은 비용과 긴 개발 주기에 직접적인 영향을 미칩니다.
• 임상 시험에서 AI 솔루션은 잠재적인 병목 현상을 제거하고 임상 시험 주기를 단축하며 임상 시험의 효율성과 정확성을 향상시킵니다. 결과적으로 이러한 최첨단 AI 솔루션은 생명 과학 업계 관계자들 사이에서 점점 더 인기를 얻고 있습니다. Clinical Trials Arena의 2021년 추정치에 따르면 신약 발굴 및 제약 회사에서 상위 4개 AI 기반 회사 간의 전략적 제휴 및 파트너십 수는 2015년 4개에서 2020년 27개로 증가했습니다.
• 생의학 및 임상 연구 공간이 점점 더 디지털화되어 AI 솔루션을 위한 길을 열고 있습니다. 분자 스크리닝 단계 및 전임상 연구를 포함하여 신약 발굴 프로세스에서 생성되는 막대한 양의 데이터로 인해 AI 기반 솔루션에 대한 수요가 증가하고 있습니다.

Univdatos Market Insights의 새로운 보고서에 따르면, 신약 발굴 시장의 AI는 연평균 성장률 42.4%로 성장하여 2030년에는 284억 달러에 이를 것으로 예상됩니다. 새로운 치료 후보 물질의 발굴 및 개발은 세계에서 가장 노동 집약적이고 시간이 많이 걸리는 프로세스 중 하나입니다. D&D의 가장 큰 문제는 높은 소모율입니다. 이는 신약 발굴에 사용되는 시행착오 접근 방식 때문입니다. 임상 시험을 위한 약리학적 약물 리드의 1% 미만이 약물 후보로 전환됩니다. 전문가들은 이러한 시험에서 고려되는 약물 후보의 거의 90%가 개발 주기에서 앞으로 나아가지 못한다고 추정합니다. 이로 인해 비용이 많이 듭니다. 처방약은 일반적으로 벤치에서 시장까지 10-15년이 걸리고 평균 10억~20억 달러의 비용이 듭니다. 위 비용의 약 3분의 1은 신약 발굴 단계에서 발생합니다. 증가하는 자본 요구 사항 및 후기 단계 프로그램 실패와 같은 이러한 문제점을 해결하기 위해 제약 회사는 화학 및 생물학적 정보를 사용하여 신약 발굴 및 개발 프로세스를 개선하기 위해 AI 기반 도구 사용을 모색하고 있습니다. AI 신약 발굴은 대량의 임상/의료 데이터를 처리하고 분석하여 현대 신약 발굴 노력을 개선하는 데 활용할 수 있을 것으로 예상됩니다.

신약 발굴 시장의 AI에 대한 통찰력 확보– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry

이 보고서는 비용이 많이 들고 시간이 오래 걸리는 약물 전달 프로세스가 향후 몇 년 동안 신약 발굴 시장에서 AI를 주도하는 주요 요인 중 하나라고 시사합니다. 새로운 약물을 개발하는 데는 일반적으로 10-15년이 걸리며 평균 비용은 최대 28억 달러입니다. 약물 실패의 80-90%가 임상에서 발생하며, 2상 PoC 시험이 임상 실패의 대부분을 차지합니다. 미국 FDA와 같은 규제 기관에서 승인한 NME의 수는 지난 10년(2010-2019년) 동안 이전 10년에 비해 증가했지만, 새로운 약물을 시장에 출시하는 데 드는 비용은 크게 증가했습니다. 제약 혁신 비용 증가에 기여하는 주요 요인으로는 후기 임상 소모로 인한 투자 손실, 높은 승인 기준을 설정하는 보다 엄격한 규제 체제, 특히 중요한 시험에 대한 임상 시험 비용 증가가 있습니다. 이러한 요인들은 제약 및 생명 공학 회사가 생산성을 향상시키고 비용을 절감하며 장기적인 지속 가능성을 보장하기 위해 새로운 기술의 혁신과 채택을 주도합니다.

신약 발굴 과정에서 특정 질환에 대한 약물 후보로 승인되는 화합물은 5,000~10,000개 중 하나에 불과합니다. 신약 발굴의 Al은 새로운 약물을 시장에 출시하는 데 걸리는 시간과 비용을 획기적으로 줄일 수 있는 잠재력이 있습니다. 또한 이전에는 표적하기 어려웠던 질환에 대한 새로운 치료법을 발견할 수 있는 잠재력도 있습니다.

그림 1: 신약 발굴 스타트업에서 AI를 사용하는 상위 국가, 2021년

이 시장의 여러 플레이어는 신약 발굴에 도움이 될 수 있는 플랫폼을 구축하고 있습니다. 예를 들어,

• Google Cloud는 2023년 5월에 두 가지 새로운 AI 기반 솔루션인 표적 및 리드 식별 제품군과 멀티오믹스 제품군을 출시했습니다. 이 제품군은 신약 발굴 회사, 제약 회사 및 공공 부문 조직이 신약 설계 및 정밀 의료 노력을 가속화하도록 설계되었습니다. 표적 및 리드 식별 제품군은 생체 내에서 보다 효율적인 신약 설계를 가능하게 하고, 단백질 구조를 예측하고, 신약 발굴에서 리드 최적화를 가속화합니다. 두 가지 AI 기반 Google Cloud 제품군은 바이오 제약 분야에서 오랜 문제인 시간과 비용이 많이 소요될 수 있는 새로운 약물을 미국 시장에 출시하는 데 도움이 됩니다. Big Pharma의 Pfizer를 포함한 여러 회사가 이미 이러한 제품을 사용하기 시작했습니다.
• 2023년 3월, Insilico Medicine은 특수 AI 채팅 기능인 "ChatPandaGPT"를 PandaOmicms 플랫폼에 추가했습니다. 이 통합을 통해 연구원들은 플랫폼과 "자연어 대화"를 할 수 있으며, 이를 통해 대규모 데이터 세트를 분석하고 잠재적인 치료 표적 및 바이오마커를 보다 효과적으로 발견할 수 있습니다.

종양학 부문, 시장에서 최대 견인력 확보

AI를 사용한 종양학 신약 발굴은 항암제 신약 발굴을 가속화합니다. 암 발생률이 증가함에 따라 종양학 신약 발굴 부문은 가까운 장래에 성장할 것으로 예상됩니다. American Cancer Society 2022는 암이 미국에서 두 번째로 높은 사망 원인이며 2022년까지 609,360건 이상의 새로운 암 발병 사례가 예상된다고 추정합니다. AI는 머신러닝과 딥러닝 알고리즘을 사용하여 항암제 신약 발굴을 가속화합니다. 딥러닝의 도움으로 약물 후보 물질을 de novo 분자 구조로 설계하고 반응을 예측할 수 있습니다. Nature에 발표된 2022년 연구에 따르면 AI는 생물학적 네트워크에서 새로운 약물 및 항암 표적을 식별하는 데 유용합니다. 생물학적 네트워크는 암세포 구성 요소 간의 상호 작용을 보존하고 평가하는 데 도움이 됩니다. 세포 네트워크 모델링은 AI 생물학 분석을 사용하여 네트워크 속성과 암을 연결하는 프레임워크를 정량화하는 데 도움이 됩니다. AI는 종양학에서 항암제 신약 발굴을 가속화합니다. 또한 시장의 여러 플레이어가 암 신약 발굴 분야에서 인공 지능(AI)을 사용하고 있습니다. 예를 들어, 종양학 신약 발굴 및 약물 개발 회사인 model medicines는 2022년 10월에 AXL 및 BRD4 수용체를 표적으로 하는 종양학 약물을 개발할 것이라고 발표했습니다. 2022년 6월에는 또 다른 종양학 약물 개발사인 schrödinger s.r.o.가 MALT1 수용체의 억제제인 SGR-1505라는 약물에 대한 INDA(Investigational New Drug Application)를 미국 식품의약국(USFDA)으로부터 승인받았습니다. 이 회사는 물리학 기반 소프트웨어 플랫폼을 사용하여 종양학 약물을 개발하고 있습니다. AI를 사용한 진행 중인 연구 및 임상 신약 발굴, 시장 플레이어 및 제약 회사의 주요 개발로 인해 종양학 시장은 향후 몇 년 동안 크게 성장할 것으로 예상됩니다.

결론

신약 발굴의 미래를 탐구하면서 이 분야 내에서 인공 지능(AI)의 통합은 높은 비용, 긴 개발 주기 및 역사적으로 제약 산업을 괴롭혀 온 어려운 소모율이라는 오랜 문제를 해결하는 데 희망의 빛을 제시합니다. AI 기술과 복잡한 신약 발굴 프로세스의 통합은 26억 달러의 비용과 10년 이상의 개발 시간이라는 어려운 수치가 더 이상 표준이 아닌 새로운 시대를 열고 있습니다. 전략적 제휴 및 생물 의학 연구의 디지털화를 통해 AI는 새로운 치료법 발굴에 접근하는 방식에 큰 도약을 가능하게 하고 있습니다. 신약 발굴 프로세스 중에 생성되는 막대한 데이터를 탐색하는 데 AI 기반 솔루션을 사용하면 보다 혁신적이고 효과적인 방법론으로 전환하는 것이 입증됩니다. 또한 특히 종양학 부문은 AI를 통해 혁명적인 발전의 정점에 서 있습니다. 종양학 신약 발굴에 AI를 통합하면 항암제 신약 발굴이 가속화될 뿐만 아니라 이전에는 접근할 수 없었던 치료법에 대한 새로운 길이 열립니다. 암이 전 세계적으로 주요 사망 원인으로 남아 있는 상황에서 이 분야에서 AI의 역할은 수백만 명에게 희망의 빛입니다. 회사가 이 중요한 시점에 서 있을 때 신약 발굴에서 AI의 궤적은 생명을 구하는 약물 개발이 비효율성과 엄청난 비용으로 인해 방해받지 않는 미래를 예고합니다. 기술 대기업과 제약 회사의 협력, 개발 중인 혁신적인 플랫폼과 솔루션은 변화에 적합한 부문을 나타냅니다. 결론적으로 신약 발굴 시장의 AI는 기존 신약 발굴 프로세스의 장벽을 극복해야 할 필요성에 힘입어 혁명의 직전에 있습니다.