생성적 인공지능은 제약 산업에서 더 많은 용도를 찾고 있으며 비구조적 정보를 통찰력으로 압축하고 노동 집약적인 작업을 자동화하고 있습니다. 모든 문제에 대한 해결책은 아니지만, 많은 문제에 대한 해결책이 되고 있습니다.
“가끔 사람들은 모든 문제에 새 기술을 던져놓고 그것이 통할 것이라고 생각하곤 합니다.”라고 생명 과학 헬스 기술 회사 BioPhy의 CEO이자 공동 창립자인 데이비드 랏쇼(David Latshaw)는 말했습니다. “더 나은 접근 방식은 ‘이러한 새로운 능력을 가지고 우리가 오늘 할 수 있는 것은 무엇인가?’라고 생각하는 것입니다. 제약 분야에는 많은 부분이 언어, 텍스트, 문서 기반입니다. 그리고 그것이 생성적 솔루션에서 찾아야 할 부분입니다.”
랏쇼는 최근 MedCity News의 INVEST 디지털 헬스 컨퍼런스에서 패널 토론에 참여했습니다. 그는 아트로포스 헬스의 CEO이자 공동 창립자인 브리검 하이드(Brigham Hyde)와 함께했습니다. 패널은 PharmStars의 CEO인 나오미 프리드(Naomi Fried)가 진행했습니다.
랏쇼에 따르면, AI는 약물 발견에서 점점 더 많이 사용되고 있으며, 여기에는 표적 식별, 분자의 효능과 안전성을 정량적으로 평가하는 등의 응용이 포함됩니다. 이러한 응용 덕분에 기업은 전통적인 방법보다 더 많은 양의 데이터를 처리할 수 있습니다. 약물 발견에서 AI는 기업이 더 많은 약물 표적과 이러한 표적에 도달할 수 있는 더 많은 분자를 신속하게 찾는 데 도움을 줄 수 있습니다. 그러한 작업을 수행하는 AI 기업의 예로 그는 Recursion과 Insilico Medicine을 언급했으며, 두 회사 모두 최근에 해당 AI 기술로 발견된 주요 약물 후보의 중간 임상 시험 결과를 보고했습니다.
임상 시험에서 AI의 응용에는 임상 시험에 등록할 올바른 환자를 식별하고 시험의 설계 및 구조를 최적화하는 작업이 포함됩니다. AI는 또한 시험을 시뮬레이션하고 예측하는 데 사용될 수 있습니다. 이는 기업이 자원을 올바른 프로그램에 적시에 할당하는 방법을 결정하는 데 도움이 될 수 있기 때문에 중요하다고 랏쇼는 말했습니다. 하이드는 이러한 시뮬레이션이 기업의 자원 투자 리스크를 줄이는 데 중요하다고 봅니다. 예를 들어, 2상 시험이 시작되기 전에 시뮬레이션을 통해 기업이 3,500만 또는 4,000만 달러를 연구에 투자하기 전 예상 결과를 볼 수 있습니다.
“그 지출을 하기 전에 성공할 가능성을 정말 잘 알 수 있습니다.” 하이드가 말했습니다. “특히 새 분자가 많이 있을 때 그렇게 해야 합니다. 모든 분자를 시도할 수 있는 충분한 자본이 없기 때문입니다.”
AI 채택의 지연 요인은 자금입니다. 이러한 기술의 초기 비용은 수천만 달러에 달하지만, 기업이 투자에서 언제 가치를 보기 시작할지는 불분명하다고 랏쇼는 말했습니다. 이것은 기업의 리스크 감내와 우선 순위에 달려 있습니다. 현재 가치를 찾고자 하는 기업은 후속 개발 및 상용화를 위해 AI 사용에 투자할 것입니다.
상업 단계에서 AI는 가장 많은 혜택을 받을 환자를 예측하는 데 사용될 수 있습니다. 이러한 데이터는 임상의의 치료 결정과 지불자의 보장 결정에 정보를 제공합니다. AI는 영업팀에도 영향을 미칩니다. 1,000명의 영업 팀을 갖는 대신, 기업은 강력한 AI 생성 데이터를 통해 주요 수용자를 타겟팅하는 데 사용할 수 있는 300명의 영업 대표만 필요할 수 있다고 하이드가 말했습니다.
상업화 단계 이전에 인력 변화가 일어날 수 있습니다. 예를 들어, FDA 제출 준비 작업은 AI의 지원으로 더 적은 인원과 더 적은 시간에 수행할 수 있다고 하이드가 말했습니다. 그러나 속도가 가장 중요한 고려 사항은 아닙니다. AI의 가치는 더 빠르고 효율적이며 더 성공적인 시험을 통해 측정될 것입니다.
“시간 곡선이나 성공 곡선 중 하나를 굴리면 그것은 바이오텍의 경제 모델과 자본 시장 모델에 엄청난 영향을 미칩니다.” 하이드가 말했습니다.
Johnson & Johnson의 베테랑인 랏쇼는 큰 제약 회사에서의 경험이 많은 실패와 성공적인 이니셔티브를 목격하게 했다고 밝혔습니다. 그는 제약 회사가 자체 AI 능력을 구축하는 것이 좋은 생각이라고 생각하지 않는다고 덧붙였습니다. 대신, 그들은 상용화와 과학의 핵심 역량에 집중하고 다양한 역량을 가진 다른 기업과 파트너십을 맺어야 한다고 설명했습니다. 10년 후 AI는 훨씬 더 정교해질 것입니다. 제약 회사에 대한 의미는 구성에서 큰 변화는 없겠지만, 훨씬 더 슬림해질 것이라는 것입니다.
“그들은 훨씬 적은 인원으로 동일한 양의 작업을 수행할 수 있을 것입니다.” 랏쇼가 말했습니다. “그 사람들은 기술과 도메인에 대해 매우 잘 알고 있을 것입니다. 그런 이중 언어 사용자는 지금 그렇게 흔하지 않지만, 미래가 작동하려면 그런 사람들이 필요할 것입니다.”
하이드는 대형 제약 회사가 현재와 매우 다를 수 있는 잠재성을 보고 있습니다. AI가 제공하는 새로운 능력으로 인해 대형 제약 회사는 약물 개발 스펙트럼에서 자신의 위치를 파악해야 합니다. 그들은 새로운 표적을 식별하는 회사가 될 수도 있고, 아니면 매우 효율적인 임상 시험을 운영하는 것일 수 있습니다.
새로운 비즈니스 모델이 시도될 것이며, 하이드는 상용화 모델이 이미 변화하고 있다고 언급했습니다. 화이자와 일라이 릴리가 최근 특정 제품을 환자에게 직접 판매하는 방향으로 전환할 것을 발표했습니다. 이 전환은 기업들이 가치를 주도하고 싶어 하는 이들이기 때문에 중요한데, 따라서 그들은 이러한 노력을 지원하기 위한 방법에 투자할 것입니다. 미래에는 AI의 개인화된 예측 능력이 초기 발견 단계에서부터 웹사이트를 통한 직접 환자 판매에 이르기까지 새로운 종류의 개인화된 약물로 이어질 수 있습니다. 기업은 여전히 제조 및 유통 측면에서 작동을 이루고 이 새로운 모델의 경제성을 파악해야 합니다.
“그것은 우리가 지금 생각하는 것과는 전혀 다른 제약 회사가 될 것입니다.” 하이드가 말했습니다.
사진 제공: MedCity News
