써모피셔사이언티픽, OSDPredict로 의약품 제형 개발 실패 ‘초기에 걸러낸다’

OSDPredict, 제형 리스크 ‘초기 의사결정’ 단계서 선제 대응 in silico 기반 제형 전략 선별…실험은 검증 단계로 전환 제형 개발 패러다임, ‘실험’에서 ‘선택’으로 이동

써모피셔 사이언티픽 CDMO 과학·혁신 부문 산제이 코나구르투(Sanjay Konagurthu) 박사.©써모피셔 사이언티픽

산제이 코나구르투 박사가  2025년 4월 16일 서울 강남구 써모피셔 사이언티픽 수서 오피스에서 열린 ‘인공지능 기술 기반 신약개발 전략 및 임상시험의 디지털 혁신' 세미나에서 발표하고 있다.©약업신문=권혁진 기자

“제형 개발 실패는 대부분 늦게 발견됩니다. 문제는 기술이 아니라, 언제 그 문제를 인지하느냐에 있습니다. 초기 단계에서 제형 전략을 잘못 선택하면, 그 영향은 개발 후반부에서 훨씬 큰 리스크로 확대됩니다.”

경구 고형제(OSD) 개발에서 용해도와 생체이용률 문제는 여전히 가장 큰 병목으로 꼽힌다. 개발 중인 신규 화학물질의 70~90%가 용해도 한계를 겪는 것으로 알려져 있고, 이는 제형 전략 실패와 직결된다. 

그러나 실제 개발 현장에서는 이러한 리스크가 pre-formulation(제형 초기 연구 단계)을 지나 임상 진입 이후에야 드러나는 경우가 적지 않다. 문제는 기술의 문제가 아니라, 리스크를 언제 인지하고 어떤 기준으로 의사결정을 내리느냐에 있다.

써모피셔 사이언티픽은 이 지점을 ‘초기 제형 의사결정’ 단계에서 풀어보겠다는 접근이다. OSDPredict는 Quadrant 2를 포함한 in silico(컴퓨터 기반, 인실리코) 예측 플랫폼으로, 경구 제형 전략과 공정 변수, 안정성까지 CMC 관점에서 함께 분석한다. 실험을 반복하면서 답을 찾기보다 초기 단계에서 제형 전략을 선별하고 이후 실험으로 검증하는 구조다.

이 변화는 단순한 효율 개선이라기보다 개발 방식 자체의 전환에 가깝다. ASD(무정형 고체 분산체)나 지질 기반 제형처럼 난용성 약물 대응 전략을 데이터 기반으로 선별하고, PBPK(생리학적 기반 약동학) 모델을 활용한 노출 예측을 통해 FIH(최초 인체 투여) 용량 결정까지 이어지는 흐름이다. 제형 개발 중심이 ‘실험’에서 ‘선택’으로 이동하고 있는 셈이다.

써모피셔는 한국 기업을 대상으로 ‘AI/ML 제형 개발 챌린지’도 진행 중이다. 선발 기업은 초기 단계에서 용해도·생체이용률 리스크를 사전에 평가하고, 효율적인 개발 전략을 수립할 수 있도록 지원받는다.

약업신문은 약 1년 전인 2025년 4월, 서울 강남구 써모피셔 사이언티픽 수서 오피스에서 열린 ‘인공지능 기반 신약개발 전략 및 임상시험의 디지털 혁신’ 세미나 현장에서 산제이 코나구르투(Sanjay Konagurthu) 박사를 처음 만났다. 당시 그는 제형 개발과 공정, 약동학 예측을 통합하는 모델링 기반 접근 필요성을 강조했다.

이후 약업신문은 해당 기술과 개발 전략의 실제 적용 중심으로 지속적으로 소통을 이어왔다. 단순한 개념 소개를 넘어, 현장에서 어떻게 활용되는지, 규제 대응까지 어떻게 연결되는지를 확인하는 과정이었다.

이번 인터뷰는 이러한 흐름 속에서 이뤄졌다. 약업신문은 ‘OSDPredict’와 ‘Quadrant 2’를 중심으로 제형 개발 의사결정 구조의 변화와 그 영향, 아울러 실제 개발과 규제 대응으로 이어지는 흐름을 짚어봤다.

OSDPredict는 어떤 문제를 해결하기 위해 개발된 플랫폼인가? Quadrant 2를 포함한 각 솔루션은 신약 개발 전주기에서 어떤 의사결정을 지원하는가?

OSDPredict는 Quadrant 2를 포함한 다양한 예측 모델링 솔루션으로 구성된 플랫폼이다. 낮은 용해도, 생체이용률, 제조 가능성, 안정성 등 OSD 개발에서 반복적으로 발생하는 리스크를 줄이는 데 목적이 있다. 이러한 문제는 개발 지연과 실패의 주요 원인으로 작용한다.

플랫폼은 신약 개발 전반에서 데이터 기반 의사결정을 지원하도록 설계됐다. 초기 탐색 및 전임상 단계에서는 후보 물질의 용해도와 흡수 리스크를 평가하고, 제형 가능성을 기준으로 우선순위를 정한다. IND 준비 단계에서는 Quadrant 2를 통해 ASD, 지질 기반 제형 등 적절한 제형 기술과 부형제 조합을 선별한다.

이후 후기 임상과 상업화 단계에서는 공정 최적화, 압축 및 스케일업 시뮬레이션, 안정성 및 포장 전략 수립까지 지원 범위가 확장된다. 결과적으로 개발 전 과정에서 실험 부담을 줄이고 의사결정 속도를 높이는 구조다.

OSDPredict는 개발의 핵심을 실험에서 선택으로 옮기는 도구로 볼 수 있다.

신규 화학 물질의 최대 90%가 용해도 문제를 겪고 있는 것으로 알려졌다. Quadrant 2는 기존 실험 기반 접근 대비 어떤 단계에서 가장 큰 시간·비용·리스크 절감 효과를 만드는가?

Quadrant 2의 가치는 초기 제형 결정 단계에서 가장 뚜렷하게 나타난다. 기존 방식에서는 용해도와 생체이용률 문제가 비교적 늦게 확인되는 경우가 많기 때문이다.

반면 in silico 예측을 초기 단계에 적용하면, 본격적인 실험에 앞서 다양한 제형 전략과 부형제 옵션을 빠르게 스크리닝할 수 있다. 이를 통해 불필요한 실험을 줄이고 API 소모를 최소화할 수 있다. 후기 단계에서의 재제형이나 스케일업 과정에서 발생할 수 있는 리스크도 사전에 낮출 수 있다.

결국 핵심은 문제를 늦게 발견하는 것이 아니라, 초기 단계에서 실패 가능성을 선제적으로 걸러내는 데 있다.

Quadrant 2는 제형 기술 선정 정확도 90% 이상, 부형제 예측 정확도 80% 이상이라는 수치를 제시하고 있다. 어떤 기준과 방식으로 검증된 것인가?

이 수치는 과거 개발 사례를 기반으로 한 후향적 분석을 통해 도출된 결과다. 예측된 제형 기술과 부형제 조합이 실제 실험에서 용해도, 용출, 생체이용률 개선 목표를 얼마나 충족했는지를 기준으로 평가됐다.

수백 개 분자에 대해 예측 결과와 실험 결과를 비교해 일치도를 정량적으로 분석했다. 이론이 아니라 실제 개발 데이터를 기반으로 산출된 값이라는 점에서 의미가 있다.

이러한 검증을 통해 Quadrant 2의 예측이 제형 전략 수립 단계에서 신뢰할 수 있는 기준으로 활용될 수 있다는 것을 확인했다.

Quadrant 2는 in silico 예측 기반으로 제형 기술과 부형제 조합을 제시한다. 실제 개발 현장에서 어느 수준까지 의사결정에 반영되는가? 내부 검증 방식과 적용 사례는 무엇인가?

실무에서는 Quadrant 2의 예측 결과를 최종 의사결정 기준이 아니라, 제형 전략을 빠르게 좁히기 위한 도구로 활용한다.

초기 단계에서 모든 제형 옵션을 실험하는 것은 현실적으로 어렵다. 이에 따라 in silico 예측을 통해 가능성이 높은 옵션을 먼저 선별하고, 이후 해당 후보를 중심으로 실험을 진행하는 방식이 일반적이다.

이 과정에서 예측 결과는 단순 참고 수준을 넘어 실험 설계의 출발점으로 활용된다. 어떤 제형을 우선적으로 검토할지, 어떤 조건을 배제할지를 결정하는 데 직접 반영된다.

2014년부터 2024년까지 약 400개 분자에 적용된 경험을 통해, 이러한 접근이 실험 횟수를 줄이면서도 성공 가능성이 높은 경로에 집중하게 한다는 점이 확인됐다. 결과적으로 개발 초기 단계에서 의사결정 속도를 높이고 시행착오를 줄이는 데 기여한다.

실무 현장에서는 제형 전략을 잘못 선택했다는 사실을 개발 중·후반부에 인지하는 경우가 많다. OSDPredict는 제형 전략 실패 가능성을 개발 초기 단계에서 어떤 신호로 포착하는가?

OSDPredict는 특정 제형 전략으로는 목표 용출이나 생체 노출을 달성하기 어렵다는 신호를 개발 초기 단계에서 미리 포착하는 데 목적이 있다.

이를 위해 낮은 고유 용해도, 불리한 고체 상태 특성, 부형제 호환성, 공정 변수 민감도 등 다양한 리스크 지표를 종합적으로 분석한다. 이러한 요소가 복합적으로 작용해 충분한 성능 확보가 어렵다는 예측이 나오면, 이는 전략 재검토가 필요하다는 초기 경고 신호로 해석된다.

또한 공정 시뮬레이션을 통해 스케일업 과정에서 발생할 수 있는 제조 리스크까지 함께 평가함으로써, 개발 후반부에서 드러날 수 있는 실패 요인을 앞 단계에서 미리 확인할 수 있도록 한다.

제형, 공정, PBPK 기반 FIH 용량 예측 결과가 상충할 경우, 실무에서는 어떤 기준으로 우선순위를 결정하는가?

의사결정은 환자 안전성과 임상 노출을 최우선으로 진행된다. 이후 제품 품질과 안정성, 마지막으로 제조 가능성과 비용 순으로 판단한다.

PBPK 기반 FIH 용량 예측에서 목표 노출을 달성하지 못할 때에는 제형 전략을 우선으로 재검토한다. 반대로 제형과 공정 간 충돌이 발생하면 추가 실험과 benefit-risk(유익성-위해성) 평가를 통해 방향을 결정한다.

이처럼 결과가 상충할 때는 단일 기준에 의존하기보다 안전성, 유효성, 품질, 제조성을 종합적으로 고려해 단계적으로 판단하는 것이 일반적이다. OSDPredict는 이러한 의사결정에 필요한 데이터를 제공하는 역할을 한다.

OSDPredict의 안정성 예측 및 포장 모델링은 IND 또는 NDA 등 규제 대응에서 어떻게 활용되는가?

OSDPredict의 안정성 예측 모델은 초기 단계에서 안정성 리스크를 식별하고, 합리적인 시험 및 포장 전략 수립을 지원한다. in silico 결과만으로 규제 요건을 대체할 수는 없지만, 시험 조건을 좁히고 가속 및 장기 안정성 시험 설계를 최적화하는 근거로 활용된다.

IND 또는 NDA 제출 시에는 실험 데이터와 함께 리스크 기반 개발 전략을 설명하는 보조 자료로 활용될 수 있다. 이는 규제기관이 요구하는 체계적인 CMC 개발 접근과 부합한다.

OSDPredict 및 Quadrant 2의 예측 데이터는 FDA 등 규제기관과의 커뮤니케이션에서 어느 수준까지 활용 가능한가?

개발 전략과 리스크를 설명하는 보조 자료로 활용될 수 있다. 특히 제형 선택 과정과 시험 설계의 타당성을 뒷받침하는 근거로 의미가 있다.

다만 예측 결과만으로 규제 요건을 대체할 수는 없으며, 실험 데이터와의 정합성을 기반으로 모델의 가정, 한계, 검증 과정을 함께 설명해야 한다. 최근 FDA 등 규제기관이 모델링과 시뮬레이션의 활용을 강조하고 있는 것도 이러한 맥락이다. 이러한 점에서 써모피셔는 모델링 결과를 규제기관이 이해하고 검증할 수 있는 형태로 구조화해 제시하는 데 강점이 있다.

결국 규제기관이 요구하는 것은 모델 자체가 아니라, 그 결과를 어떻게 해석하고 의사결정에 반영했는지를 설명할 수 있는 데이터다. 이러한 측면에서 예측 데이터는 과학적 근거를 보강하는 역할을 한다.

in silico 기반 공정 모델링을 처음 도입하려는 조직은 OSDPredict를 어떤 단계부터 적용하는 것이 현실적인가?

가장 현실적인 접근은 파일럿 기반의 단계적 도입이다. 일부 핵심 후보 물질에 먼저 적용해 초기 리스크를 평가하고, 제한된 실험으로 결과를 검증하는 방식이다. 이후 효과가 확인되면 공정 모델링과 스케일업 시뮬레이션으로 확장할 수 있다. 이 방식은 조직 내 부담을 최소화하면서 점진적으로 역량을 구축하는 데 도움이 된다.

한국 제약사, 특히 중소기업은 초기 개발 단계에서 실험 자원이 제한적인 경우가 많다. OSDPredict와 Quadrant 2를 어떤 방식으로 활용하는 것이 가장 효과적인가?

자원이 한정된 기업은 초기 단계에서 후보 물질 선별과 리스크 평가 도구로 활용하는 것이 가장 효과적이다. 소수의 후보 물질에 대해 in silico 분석을 수행해 가장 유망한 물질에 실험 자원을 집중할 수 있다. 또한 모델 기반 결과를 활용해 소규모 제형 실험을 신속하게 검증할 수 있다.

CDMO와 같은 외부 파트너와 협업하면 도입 장벽을 낮출 수 있으며, 이러한 단계적이고 리스크 기반의 접근은 제한된 자원을 효율적으로 활용하는 데 도움이 된다.

써모피셔는 이와 같은 접근을 보다 실질적으로 지원하기 위해 한국 제약 기업을 대상으로 ‘AI/ML 제형 개발 챌린지’를 진행하고 있다. 해당 챌린지는 선발된 기업에 Quadrant 2 활용 기회를 제공해, 개발 중인 후보 물질에 대한 데이터 기반 제형 전략 수립을 지원하는 프로그램이다.

선발 기업은 Quadrant 2를 활용한 제형 예측 데이터를 기반으로, 개발 초기 단계에서 용해도 및 생체이용률 관련 리스크를 사전에 평가하고 더욱 효율적인 개발 전략을 수립할 수 있다. 또한 우수 사례에 대해서는 공동 케이스 적용 사례(case study) 개발 기회도 제공된다.

본 프로그램이 한국 기업들이 데이터 기반 제형 개발 접근법을 경험하고, 보다 효율적인 개발 전략을 구축하는 계기가 될 것으로 기대한다.