코로나19 바이러스로 인해 빠른 신약 개발의 중 요성을 체감하면서 국내외 제약기업들의 기술력 확 보가 강조되고 있다. 신약의 경우 물질특허가 가능 하고, 제품의 생명력이 길고, 신흥 시장에서의 잠재 력이 높으며 소재에 대한 의존도가 높지 않기 때문 에 한국과 같이 자원이 부족한 국가에서 매력적인 시장이다. 2020년 기준으로 의약품 허가 및 신고된 품목 중 신약은 40개인데, 이중 국내 개발 신약은 개량 신약 6종에 불과한 것으로 나타나 국내외 시장 경쟁력을 갖추기 위해서는 신약 개발 기술에 대한 체질 개선이 필요하다. 신규 약물 개발 프로세스는 후보물질 발굴, 전 임상 및 임상 시험의 단계로 구성되는데, 후보물질 발굴 단계에서 약물로 활용될 수 있는 신규 화합물 을 발굴한다. 이론적으로 1030개 이상의 신규 화합 물을 합성할 수 있다고 알려져 있기 때문에 원하는특성을 갖는 화합물을 발견하는 것은 매우 어려운 일이다. 이로 인해 신약 발굴에서부터 출시까지 평 균 10년 이상이 소요되며, 전체 신약 개발 비용 중 1/3 이상이 후보물질 발굴 단계에서 소요된다. 화 합물 라이브러리로부터 1만 개의 물질을 스크리닝 하게 되면 임상 시험까지 들어가는 경우는 평균 10 개 정도이고, 임상 시험에 진입한 물질도 시판 승 인까지 성공한 케이스는 10% 미만으로 알려져 있 다. 최근 딥러닝(Deep Learning)과 같은 인공지능(AI: Artificial Intelligence) 기술의 발달과 알려진 화합물 분 자 구조에 대한 데이터의 지속적인 증가로 신약 개 발 분야에서도 인공지능 기술이 빠르게 도입되고 있다. 특히 인공지능을 이용한 후보물질 발굴은 전 통적인 신약 개발 프로세스에서와 같이 한정된 화 합물 라이브러리에서 후보물질을 스크리닝하는 것 이 아니라 합성 가능한 모든 화합물을 고려하여 후 보물질을 새롭게 생성하는 신규 약물 설계(De novo drug design) 기술의 등장으로 패러다임의 변화를 맞 이하고 있다. 인공지능 기반의 신규 약물 설계를 통 해 후보물질을 효과적으로 발굴할 수 있어서 오랫 동안 큰 변화가 없었던 신약 발굴 소요 기간 및 비용 을 획기적으로 감축할 수 있을 것으로 기대를 모으 고 있다. 이와 같은 기술의 변화에 따라 글로벌 인공 지능 신약 시장은 2025년까지 연평균 50%의 높은 성장률을 보이며, 약 30억 달러(약 4조 원)의 규모로 성장할 것으로 예측되고 있다[1]. 이에 본고에서는 신약 개발 프로세스의 큰 변화를 주도하고 있는 신 규 약물 설계를 위한 인공지능 기술에 대한 연구 동 향을 살펴보고자 한다.