Quris는 AI로 신약 개발을 앞당기고 동물 실험을 줄입니다
동물 실험은 신약 개발 과정에서 안타까운 필요악이지만, 생쥐를 대체할 좋은 방법은 없어 보입니다. 생쥐가 인간과 완전히 같은 모델은 아니더라도 말입니다. Quris는 인공지능과 '환자 온 칩(patient-on-a-chip)' 데이터를 결합해 신뢰할 수 있는 테스트와 자동화를 훨씬 낮은 비용으로 구현한 첫 실용적 솔루션을 만들었다고 밝혔습니다. 생쥐는 필요하지 않습니다.
이 회사는 파일럿 프로젝트에서 양산 단계로 넘어가기 위해 900만 달러의 투자를 유치했으며, 화려한 스폰서와 자문단 구성은 이 접근법에 근본적인 강점이 있음을 보여주는 유망한 지표입니다.
핵심 아이디어는 논리적입니다. 인체를 더 잘 모사한 소규모 시뮬레이션을 만들고, 이를 기계학습 시스템이 쉽게 해석할 수 있는 데이터를 수집하는 데 활용하는 것입니다. 물론 말이 쉽지 실제로 구현하기는 어렵지만, 연구자들이 이 방법을 떠올린 뒤 회사는 개발에 착수했습니다.
이 이스라엘 기업의 접근법은 '온 칩 장기(organs-on-chips)' 활용을 다룬 하버드대학교의 대규모 연구를 기반으로 합니다. 아직 비교적 새로운 이 시스템은 줄기세포에서 얻은 소량의 조직('오가노이드')을 약물이나 치료법의 시험대로 사용하며, 예를 들어 인간의 간이 특정 물질 조합에 어떻게 반응할지 잘 보여줍니다.
하버드 연구진은 여러 '장기 온 칩' 시스템(예: 간, 신장, 심장 세포)을 연결하면 놀라울 만큼 효과적인 인체 모델링을 얻을 수 있다는 것을 발견했습니다. 물론 실제 인체를 대체할 수는 없지만, 이렇게 연속적으로 연결된 오가노이드 시스템 또는 '환자 온 칩'은 생쥐 실험의 현실적인 대안이 될 수 있습니다. 생쥐 실험은 여전히 치료가 전신 장기 시스템에 어떤 영향을 주는지 확인하는 가장 일반적인 방법이지만, 생쥐 단계를 통과한 물질이 사람 대상 시험에서 성공하는 비율은 약 10%에 불과합니다.
Quris의 최고경영자는 이 연구가 발표된 뒤 자신과 동료들이 그 잠재력을 깨닫고, 이를 실험 시스템에서 확장 가능한 제품으로 바꾸기 위해 공학과 인공지능 측면에서 무엇이 필요한지 작업을 시작했다고 말했습니다. 이는 단순히 생쥐를 대체하는 것이 아니라, 사람 없이 제한적인 인체 테스트를 상대적으로 저렴하게 수행하는 방법이라는 설명입니다.
“제약회사를 운영한다고 가정해 봅시다. 종이 위에서는 좋아 보이는 분자가 실제로 효과가 있는지 알아내려고 임상시험 직전까지 기다리시겠습니까? 유전체학에서 원하는 모든 발견을 할 수 있더라도, 90%의 경우 실패하는 생쥐 실험을 피하는 데는 도움이 되지 않습니다. 이 방법은 경주에 나서기 전에 '우승마'를 고를 수 있게 해줍니다”
신약 후보물질이 임상 단계에 도달하기까지 수억 달러가 들 수 있다는 점을 고려하면, 실패할 것이 분명한 후보 몇 개를 걸러내기 위해 적지 않은 돈을 쓰는 것은 충분히 가치가 있습니다. 방법이 정확하다면 위험은 사실상 0에 가깝고, 값비싼 막다른 길을 한 번이라도 피하면 투자 가치가 있습니다. 즉, 소프트웨어 업계의 '빨리 실패하고 저렴하게 실패하라'는 사고방식은 이 분야에서는 애초에 맞지 않았던 셈입니다.
Quris 시스템은 회사가 '칩 위의 칩(chip-on-chip)' 기술이라고 부르는 방식을 사용합니다. 여러 오가노이드 시스템(칩)을 순차적으로(다른 칩 위에) 배치하지만, 여전히 현대 실험실 시스템보다 훨씬 작고 효율적입니다. 하버드 연구진처럼 100명의 모의 인체를 가동하려면 수백만 개의 칩이 필요하겠지만, Quris 시스템은 생물학적 재료를 더 적게 사용합니다. 자동화할 수 있으며, 잘 훈련된 기계학습 모델이 함께 제공됩니다.
Quris가 강조하는 또 다른 측면은, 고유한 데이터셋이 실험을 수행하고 해석하는 데 도움을 줄 수 있는 고유한 인공지능을 이끈다는 점입니다. 이 인공지능은 이미 기존 약물과 출시를 앞둔 일부 약물을 학습하며, 다양한 센서의 신호가 물질의 안전성에 무엇을 의미하는지 배우고 있습니다. 이를 통해 예컨대 500마리의 생쥐가 아니라 소수의 칩으로 효율적인 테스트를 할 수 있습니다.
칩 자체도 모두 같지 않습니다. 줄기세포와 조직을 세밀하게 조작하고 신중하게 선별하면 서로 다른 유형의 사람, 다양한 상태 또는 표현형을 시험할 수 있습니다. 회사가 효과는 좋지만 10%의 경우 부작용을 일으키는 약을 가지고 있다면, 다양한 유전적 소인이나 악화 요인을 자동으로 시험하여 어떤 유전적 요인이 이러한 부작용을 일으키는지 밝히는 데 도움이 될 수 있습니다.
AI는 이 모든 것을 알고 모든 데이터를 분류하기 때문에, 비교적 적은 수의 자동 테스트만으로도 어떤 약이 사람을 대상으로 한 시험에 적합한 후보인지 상당히 잘 판단할 수 있어야 합니다. AI의 해석이 없다면 데이터는 갑자기 여러 개의 박사 학위 논문이 필요한 문제로 바뀝니다. 하지만 벤트비치는 회사가 생물학적 측면을 어떤 식으로든 없앨 것으로 기대하지 않으며 AI에만 의존하지 않는다고 즉시 강조했습니다.
“이것은 정말 매우 큰 기회처럼 보입니다. 다른 화학 분야에서도 비슷한 아이디어가 있었는데, AI를 사용해 이러한 예측을 할 수 있다는 것입니다. 물론 이것이 테스트를 대체하지는 않겠지만 가능성을 좁혀 주므로, 제 생각에는 이 작업을 상당히 가속화할 것입니다”
이 사업 모델에는 두 가지 선택지가 있습니다. 하나는 제약회사에 후보 약물 스크리닝 서비스를 제공하고, 결과의 정확도에 따라 대금을 받는 방식입니다. 예를 들어 시스템이 승인한 약물이 예측한 대로 정해진 시험 단계에 도달하는 경우입니다. 다른 하나는 자체 의약품을 개발하는 것입니다. 현재 회사는 취약 X 염색체 자폐증 치료제를 보유하고 있으며, 2022년에 임상시험을 진행할 예정입니다.
“이것은 더 이상 제약회사만의 값비싼 실험이 아니게 될 것입니다. 5~10년 안에 수억 명의 사람들이 이를 충분히 활용할 수 있을 것입니다. 생각해 보면 지금 우리는 꽤 야만적인 방식으로 살고 있습니다. 약사에게 가면 가능한 부작용을 나열하지만 확실히는 알 수 없습니다. 그러니 우리가 실험용 토끼인가요? 답은 그렇습니다. 우리 모두는 실험용 토끼입니다. 하지만 이것은 그저 첫걸음일 뿐입니다”
