동북아시아 국가인 한국, 중국, 일본을 중심으로 출산율이 감소하고 있다. 아프리카 등 특정 국가를 제외하고 전 세계적으로 출산율이 곤두박질치는 중에 우리나라는 최하위로 인구소멸국이 되었다.

유엔엔 따르면 세계 인구의 2/3가 출산율 임계 기준이 2.1명 미만인 지역에 살고 있다. 남녀가 결혼하여 아이를 2.1명 낳으면 그래도 인구는 유지된다고 보는데 한 명만 낳으면 인구는 급격하게 감소한다. 그런데 우리나라는 0.72명이다. 말 그대로 인구멸망의 시대에 살고 있다.

정부는 이런 문제를 해결하기 위해 다양한 대책을 세워보지만, 지금으로서는 딱히 해결책이 없다. 차라리 그럴 바에 인간의 수명을 늘려 인구감소 문제를 해결하는 것은 어떨까? 예전이라면 우스갯소리겠지만 지금은 그 허무맹랑한 말이 곧 현실이 된다.

이미 유전자가위를 통해 인간의 유전자를 편집할 수 있는 시대까지 왔기에 수명을 대폭 늘리는 것 역시 허무맹랑한 일이 아니다. 수명 연장은 인류의 역사에서 중요한 목표 중 하나이며, 현대 의학과 기술의 발전으로 현실이 되고 있다. 그리고 그 중심에는 인공지능을 활용한 신약 개발이 있다.

인공지능은 의학적 데이터의 폭발적인 증가로 인해, 인간의 능력으로는 처리하기 어려운 대용량 데이터를 분석하고 이해하는 데 큰 도움이 되고 있다. 이러한 데이터 분석은 질병의 원인과 발생 메커니즘을 더 깊이 이해하는 데 도움을 주며, 이를 기반으로 신약의 개발과 효과적인 치료법을 찾는 데 크게 이바지한다.

기존의 연구 방법은 실험실에서의 실험과 임상 시험을 통해 수년이 걸리는 과정을 포함하지만, 인공지능을 활용하면 대규모 데이터를 신속하게 분석하여 효과적인 후보물질을 식별하고, 임상 시험을 최적화하여 그 기간을 대폭 단축할 수 있다.

산업 분야에서는 이미 디지털트윈이라고 하여 물리적인 제품이나 공정 등의 디지털 복제를 만들어서 다양한 시나리오를 만들고 이에 대한 분석데이터를 근거로 안전과 인프라구축 등 산업 곳곳에 활용하고 있다. 이제 디지털트윈은 미래가 아닌 현재에 현장에 적용되는 기술이다.

인공지능을 활용하여 신약 개발을 한다면 인간이 수천 년이 지나도 만들지 못하는 약을 단 며칠 만에 만들어 낼 수도 있게 된다. 신약 개발을 위해서는 신약 후보 물질의 탐색부터 시작해, 연구실에서의 실험, 동물 실험, 임상 시험 등의 과정을 거쳐야 하는데 이러한 과정에서 많은 시행착오가 발생한다. 인공지능은 개발에 걸리는 시간과 비용을 크게 단축할 수 있다.

인공지능은 대규모 데이터를 빠르게 분석하고, 이를 통해 신약 후보 물질을 탐색하고, 실험 결과를 예측하며, 임상 시험의 결과를 분석하는 등의 역할을 수행할 수 있다. 대규모의 생물학적 데이터를 분석하고, 이를 통해 신약 후보 물질을 탐색하는 것이 가능하고 실험 결과를 예측하고, 이를 바탕으로 실험 계획을 수립하여 실험의 효율성을 높일 수 있다.

임상 시험의 결과를 분석하고, 이를 바탕으로 신약의 효능과 부작용을 예측하는 것이 가능하기에 신약의 성공률까지도 높일 수 있다. 데이터만 있으면 당장 내일이라도 신약을 출시하는 것이 가능하게 될 수도 있다. 하지만 아직은 문제가 많다.

첫째로 인공지능이 학습한 데이터의 한계성. 인공지능은 학습한 데이터를 바탕으로 판단을 내리기 때문에, 학습한 데이터의 한계성으로 인해 잘못된 판단을 내릴 수 있다. 또 인공지능이 학습한 데이터가 편향되어 있다면, 이 역시 인공지능의 판단에 영향을 미칠 수 있다. 그리고 의료 데이터의 불일치와 불완전성은 모델의 정확성을 저해할 수 있다. 또한, 충분한 양의 데이터를 얻기도 어려울 수 있다.

둘째로 인공지능이 내린 판단의 근거를 파악하기 어렵다. 이는 인공지능이 복잡한 알고리즘을 사용하기 때문이며, 이에 따라 인공지능이 내린 판단의 근거를 파악하기 어렵다. 또, 인공지능이 내린 판단이 인간의 가치관과 충돌할 경우에는 문제가 될 수 있다. 인공지능 모델이 학습 데이터에 지나치게 의존하여 새로운 데이터에 대한 일반화 능력이 충분하지 않을 수 있다. 이는 모델의 예측력을 낮출 수 있으며, 잘못된 결론을 내릴 가능성이 있다.

셋째로 인공지능 기술의 발전 속도에 비해 신약 개발에 필요한 규제와 제도가 빠르게 따라가지 못한다. 이는 인공지능 기술을 이용한 신약 개발이 기존의 신약 개발과는 다른 방식으로 이루어지기 때문이며, 이에 따라 인공지능 기술을 이용한 신약 개발에 필요한 규제와 제도가 부족하거나 부적절한 경우가 생길 수 있다.

또한, 윤리적 문제와 관련된 우려도 있다. 의료 데이터의 수집, 사용 및 공유에 대한 윤리적인 사항을 고려하는 것이 더욱 중요하다. 개인 식별 정보의 보호와 데이터의 안전성에 대한 우려도 계속해서 존재한다.

하지만 역시 인공지능은 신약 개발에 더 많은 혁신을 가져올 수 있다. 예를 들어, 기존의 연구 방식은 특정 질병의 생물학적 메커니즘을 타겟팅하는 것에 주로 초점을 맞췄지만, 인공지능을 활용하면 예상치 못한 연관성을 발견하고 새로운 치료법을 찾을 수 있다.

인공지능은 데이터만 확보되면 어떤 약이든 만들 수 있는 가능성을 제시하며 시간이 지나면 인간이 제공하던 데이터마저도 인공지능이 스스로 확보할 수 있는 수준까지 올라갈 것이다. 스스로 데이터를 확보하고 교육하고 결과물을 낼 수 있는 수준까지 올라간다면 만들고 싶은 신약의 조건을 입력하면 뚝딱하고 해당 성분을 가진 약을 만들 수 있을 것으로 예상한다.

부작용 없이 지방이 빠지는 다이어트약, 성장판이 닫히지 않고 키가 크는 약, 노화를 방지하면서 수명이 늘어나는 약 등 인간이 상상할 순 있지만 만들 수 없었던 약이 등장하게 될 것이다. 그토록 고대하던 탈모 방지약마저도 기대하게 한다.

인공지능이 만드는 신약으로 인간의 수명마저도 늘리게 될 날이 머지않아 올 것이다. 그것이 축복인지 불행인지 아직은 판단할 수 없지만 너무나 빨리 변하는 지금의 시대에는 인간이 상상하는 모든 일은 현실로 만들어질 것이다. 곧.

 

 

 

 

 

글_정이도
㈜드림기획 대표이사
공학전문기자/작가/칼럼니스트