“연합학습 기술로 ADMET 예측”…K멜로디, 신약개발 가속 나선다

연합학습 기반 신약개발 플랫폼 ‘K멜로디(K-MELLODDY)’가 국내 신약개발 패러다임 변화를 이끈다. 각 참여 기관의 분산된 데이터를 공유하지 않고도 인공지능(AI) 학습이 가능한 이 기술은 민감정보 보호와 예측 정확도 혁신이라는 두 가지 과제를 동시에 겨냥한다. 한국제약바이오협회 K멜로디 사업단이 오는 25일 개최할 2025년도 신규 과제 착수보고회에는 산·학·연 5개 신규 과제가 공식 선정되고, 연구책임자의 구체적 과제 계획이 소개된다. 업계에서는 이번 발표를 ‘AI 신약개발 고도화의 전환점’으로 해석하고 있다.

이번에 신규 선정된 연구과제는 고려대 의료정보학교실(아론티어·경희대), 고려대 인공지능학과, 숭실대(온코크로스·한국화학연구원), LG화학, 한국과학기술원 등 다양한 산·학·연 컨소시엄이 맡는다. 기존 1단계 플랫폼 개발 진척과 함께 연합학습에 특화된 예측모델과 데이터 연계, 기술 고도화 방안도 보고회에서 다뤄질 예정이다. ‘연합학습’은 개인정보 등 민감정보를 외부에 내놓지 않으면서도 각 기관이 자체 모델을 발전시킬 수 있다는 장점이 있다.

K멜로디 사업의 핵심은 ADMET(흡수, 분포, 대사, 배설, 독성) 예측을 위한 ‘FAM(Federated ADMET Model)’ 개발이다. FAM은 분산된 데이터 환경에서 AI가 개별 데이터를 결합해 글로벌 모델을 학습하되, 데이터 원본은 각 기관 내부에 남겨둔다. 이 방식은 악성 코드나 해킹 등 외부 침해 위험을 줄이면서도 신약 후보물질의 약리·독성 평가 정확도를 기존 중앙집중형 방식보다 크게 높일 수 있다는 점에서 주목된다.

사업은 플랫폼 개발, 데이터 활용, AI 모델 고도화의 세 단계로 구성됐다. 각 단계별 세부 과제는 상호 긴밀히 연계되도록 설계됐으며, 최종 목적은 신약개발 파이프라인의 효율성 극대화와 데이터 보안 강화에 있다. 실제로 ADMET 예측 정밀도가 30% 이상 개선될 경우 임상 실패율 감소와 개발비용 절감 등 파급력이 크다.

유사한 글로벌 시도로는 유럽 멜로디(MELLODDY) 프로젝트와 미국 대형 제약사의 연합학습 기반 AI 신약개발 플랫폼 사례가 꼽힌다. 다만 국내에서는 민간·학계·정부기관이 모두 참여해 이 같은 대규모 연합학습 모델을 개발하는 것은 처음이라는 점에서 의미가 크다. 연합학습이 기존 데이터 통합형 신약개발 방식의 한계를 어떻게 극복할지에 업계의 이목이 집중된다.

현행 법제상 개인정보보호법 및 관련 R&D 규정에 따라, 민감정보의 직접적인 외부 이전은 엄격히 제한된다. 이에 따라 AI 신약개발을 위해서는 안전한 데이터 협력 체제 및 책임 있는 학습 알고리즘 개발이 필수적이다.

김화종 K-멜로디 사업단장은 “올해 신규 과제 착수로 AI 기반 신약개발 모델 완성도를 한층 높이겠다”며 “산·학·연이 힘을 모아 혁신적인 협력 생태계를 지속적으로 만들어갈 것”이라고 밝혔다. 업계에서는 이번 사업이 실제 신약개발 현장에 얼마나 신속하게 안착할지 주목하고 있다.