인공지능 (AI)은 신약 개발의 많은 단계를 지원/가속화하는데 관여하며 때로는 새로운 방법론의 일환으로 인정받고 있습니다. 더 정교한 알고리즘, 더 큰 데이터셋, 더 새로운 아키텍처를 추구하는 현재의 AI의 발전속도와 실제로 이를 통해 확장되는 혜택은 놀라울 정도로 혁신적이기도 합니다. 반면, 그 이면적인 문제가 지목되고 있습니다. AI 도구의 정확성, 객관성을 어떻게 보장할 수 있을까요? 표준화된 방법론은 무엇일까요? 현 시점에서 비로소 데이터 통합 문제, 할루시네이션 통제 문제, AI윤리 및 거버넌스 제도 등이 논의되기 시작했지만, 여전히 초기 단계에 있습니다. 

신약 개발, 특히 천연물 약물개발에서 이 질문은 더욱 난해합니다. 천연물 약물개발에는 전통적으로 이어져 온 본질적인 문제가 있습니다. 여러가지 구성 성분들이 각각 어떤 성분들인지, 그 중 어떤 성분들이 유망한지, 유망한 성분들이 실제 예측/분석대로 작용할지, 성분들 간 상호작용이나 각 성분별 대사경로의 특이성은 없는지 등을 총칭하는 ‘구성성분 특정 문제’, 그리고 실제로 존재하지만 다양한 조건과 변수에 의해 과대평가되거나 과소평가, 또는 오평가되는 ‘chemical dark matter’가 그것입니다. 천연물에서 확실한 구조를 밝힌 단일 화합물을 분리하는 경우, 그리고 성분들의 객관적인 정보는 존재하나 완전히 확실하지 않은 추출물 단계인 경우의 차이는 상당히 극단적일 수 있으며, 이러한 문제들은 천연물 약물개발의 AI 도구 조합 및 활용에 대해 표준화가 진행되지 못하고 있는 이유입니다. 즉, 천연물 약물개발에서의 AI 활용의 진정한 당면 과제는 ‘어떤 알고리즘이 더 우수한가’가 아니라 ‘지금 가지고 있는 데이터로 어떤 AI 전략이 타당한가’를 정해야 하는 단계에 있습니다.

이러한 과도기에 입각하여, 저는 ‘데이터 품질 기반 AI 조합 매칭 프레임워크’를 제안하여 이 분야의 연구 설계에 새로운 관점을 제안하였습니다. 즉, 수많은 AI 도구들 중 어떤 플랫폼들을 사용해야 하는지를, 천연물 약물개발에서 오랫동안 전통적으로 신뢰받는 기존 프레임워크인 ‘대사체학 표준 이니셔티브 (MSI)’의 단계 분류별로 조합하는 연속성 패러다임으로서, 약물개발에서도 예외가 아닌 AI 관련 당면과제인 ‘데이터 표준화 및 기관별 통합 문제’를 ‘전통적 프레임워크에 맞추는’ 방법입니다. 그에 따라, MSI 단계 조건별 AI 도구 조합 알고리즘을 제시하고, 이 기준에 따라 실제 연구에 어렵지 않게 활용 가능한 방법론을 지향하며 디자인하였습니다. 이번 논문은, 평소 AI Era를 살아가며 가졌던 관점들과 인사이트를 Trends in Pharmacological Sciences (Cell Press, IF 19.9) 편집장님의 초청을 통해 Lead Contact로서 분야 의제를 제안할 귀중한 기회였으며, 현재 게재호에 예정되어 있는 TrendsTalk 인터뷰와 표지 선정을 기다리고 있습니다.

• 형식Review Paper
• 게재일2026년 05월 (BRIC 등록일 2026-06-08)
• 연구진국내 연구진
• 분야