온코크로스, AI 약물 상호작용 예측 모델 개발…FDA 동물실험 감축 기조 ‘주목’

AI 기반 약물-약물 상호작용(DDI) 예측 모델 ‘DDI-OCF’ 개발 성과 공개

©온코크로스

온코크로스는 인공지능(AI) 기반의 약물-약물 상호작용(DDI) 예측 모델인 ‘DDI-OCF’를 개발하고, 관련 논문을 의료 인공지능 분야의 저명 국제학술지인 Artificial Intelligence in Medicine 최신호에 발표했다고 30일 밝혔다.

이번 연구는 연세대학교, KAIST, 숭실대학교와의 공동 연구로 수행되었으며, 온코크로스 최고인공지능책임자(CAIO)인 KAIST 전산학부 박노성 교수, 최고기술책임자(CTO)인 숭실대 의생명시스템학부 류재용 교수가 참여했다. 

연구팀이 개발한 모델은 그래프 신경망(Graph Convolutional Network, GCN)과 협업 필터링(Collaborative Filtering)을 결합한 AI 기반 예측 시스템으로, 약물의 화학 구조나 생물학적 정보 없이도 실제 보고된 상호작용 데이터만을 바탕으로 수천 개의 약물 간 잠재적 상호작용을 예측할 수 있는 것이 특징이다.

기존의 약물 상호작용 예측 기술은 주로 약물의 구조가 얼마나 비슷한지를 비교해 분류하는 방식이었다. 하지만 이 방법은 실제로 상호작용이 있는지 확인되지 않은 약물 조합에 대해 ‘상호작용 없음’으로 처리해야 하는 한계가 있었고, 이로 인해 예측이 틀리거나 데이터가 불균형해지는 문제가 자주 발생했다. 

온코크로스 연구팀은 이러한 한계를 극복하기 위해 약물-약물 상호작용 네트워크 전체를 그래프로 변환해 네트워크 구조 자체에서 패턴을 학습하는 방식을 도입했다. 여기에 영화나 상품 추천 시스템에서 활용되는 협업 필터링 기법을 적용해 약물간 상호작용 가능성을 점수화하고, 랭킹 형태로 제공한다.

연구팀은 DrugBank 데이터(4072개 약물, 139만여 건 상호작용)와 TWOSIDES 데이터(645개 약물, 6만여 건 상호작용)를 활용해 교차 검증 및 외부 검증을 진행하였으며, DDI-OCF 모델은 기존 분류 모델과 동등한 수준의 예측 성능을 보였다. 약물 구조 정보 없이도 충분한 예측력을 확보해 전통적인 화학 구조 기반 분석이 어려운 바이오의약품 등 다양한 약물 유형에도 적용 가능성이 크다는 설명이다.

이번 연구는 최근 FDA가 2025년부터 동물실험을 대폭 감축하겠다고 공식 발표한 정책 기조와 맞물려 더욱 주목받고 있다. FDA는 2023년 ‘동물실험 현대화법 3.0’을 통해 2025년까지 동물실험을 30% 이상 줄이고, 컴퓨테이셔널 모델 등 대체기술 개발을 가속화하겠다는 계획을 밝힌 바 있다.

논문의 교신저자인 김이랑 온코크로스 대표는 “FDA의 동물실험 감축 정책이 AI 기반 예측 모델의 실용화에 긍정적인 환경을 조성할 것”이라며 “DDI-OCF 모델은 실험적 검증에 의존하지 않고 대규모 약물 상호작용을 예측할 수 있어, 신약 개발 단계에서 동물실험 비용과 기간을 줄이고, 생물의약품 등 동물모델 적용이 어려운 영역에서도 예측을 가능케해 환자 안전과 신약 개발 효율성 모두에 기여할 것으로 기대한다”고 말했다.