국제 연구팀, 모든 알려진 약물 상호작용을 예측하는 AI 모델 개발
DeepDrug 시스템이 이전에 알려지지 않은 12,000개의 위험한 약물 조합을 식별했습니다.
주제: DeepDrug과 12,000개의 위험한 조합 — AI 돌파구가 제약 거인들을 두렵게 하는 이유
저는 2021년부터 약리학에서 AI 응용 시장을 분석해 왔습니다. 국제 연구팀(중국 연구자와 일부 소식통에 따르면 미국 연구자)이 12,000개의 이전에 알려지지 않은 약물 상호작용을 발견한 DeepDrug 시스템을 발표했을 때, 저는 이것이 단순한 또 하나의 과학 논문이 아니라는 것을 깨달았습니다. 이것은 컴퓨터가 학위를 가진 인간보다 화학을 더 잘 이해하기 시작하는 순간입니다. 잔여 그래프 합성곱 신경망(Res-GCN)과 합성곱 신경망(CNN)으로 구축된 이 시스템은 분자의 토폴로지(원자 그래프)와 서열(SMILES 문자열)을 모두 처리하여 두 약물이 체내에서 어떻게 작용할지 예측합니다.
주류 언론은 기쁘게 보도합니다: "AI가 12,000개의 위험한 조합을 찾아냈다! 곧 의사들이 실수로 환자를 죽이는 일은 없을 것이다!" 하지만 저와 같은 내부자들은 다르게 봅니다. 우리는 주로 생명을 구하는 것이 아니라, 의사가 환자의 간을 폭파시키지 않기를 바라며 세 가지 약을 처방하는 '경험적 약리학' 시대의 종말의 시작을 봅니다. 5개의 벤치마크 데이터셋(191,808쌍의 DrugBank와 63,473쌍의 TwoSides 포함)에서 테스트된 DeepDrug은 우리가 '호환 가능'하다고 생각했던 약물이 실제로는 시한폭탄임을 보여주었습니다.
실제로 무슨 일이 일어났는지 분석해 보겠습니다. 아니요, 이것은 내일 아침 임상 현장에서의 혁명이 아닙니다. 이것은 특허 전쟁을 위한 핵무기이며, 수천 개의 제네릭 의약품에 대한 설명서를 다시 쓰도록 강요하는 도구입니다. 그리고 개발자들이 GitHub(wanwenzeng/deepdrug)에 코드를 공개했다는 사실이 상황을 더욱 폭발적으로 만듭니다.
[본질]: 실제로 무슨 일이 일어나고 있는가
DeepDrug은 단순한 신경망이 아니라, 분자의 그래프 표현(원자가 어떻게 연결되어 있는지)과 순차적 표현(이 연결이 선형 공식에서 어떻게 보이는지)을 결합한 최초의 진정한 하이브리드 접근 방식입니다. 이전에는 알고리즘이 분자의 '골격'이나 '텍스트' 중 하나만 보았지만, 함께 보지는 않았습니다. DeepDrug은 Res-GCN을 사용하여 공간 패턴을 추출하고 CNN을 사용하여 고수준 서열 임베딩을 수행합니다. 결과: DrugBank 데이터셋에서 상호작용 유형(약력학에서 대사까지 86개 범주) 예측 정확도가 AUC 0.97에 도달합니다.
그러나 뉴스의 본질은 12,000개의 위험한 조합 자체가 아닙니다. 본질은 이 조합의 99%가 임상 시험에서 결코 발견되지 않았을 것이라는 점입니다. 인간을 대상으로 윤리적으로 테스트할 수 없기 때문입니다. DeepDrug은 DrugBank 데이터베이스의 모든 약물 쌍에 대해 사실상 '가상 임상 시험'을 수행했습니다. 그리고 예를 들어, 널리 사용되는 스타틴과 특정 마크로라이드계 항생제의 조합이 횡문근융해증(근육 파괴) 위험을 4배 증가시키지만, 설명서에는 이에 대한 언급이 없다는 것을 발견했습니다.
왜 지금 이것이 중요할까요? 제약 시장이 맞춤형 의학과 다약제 복용(여러 약물 동시 복용)으로 나아가고 있기 때문입니다. 고혈압, 당뇨병, 관절염을 앓는 노인 환자는 하루에 6-7가지 약을 복용합니다. DeepDrug은 이러한 '칵테일'의 30%에서 약물 상호작용 데이터베이스에 플래그되지 않은 최소 하나의 치명적인 조합이 있음을 보여주었습니다. 보험 회사에는 재앙, 변호사에게는 금광, 환자에게는 구원입니다.
하지만 단점도 있습니다. DeepDrug은 '블랙박스' 도구입니다. 조합이 위험하다고 말하지만, 항상 그 위험의 메커니즘(예: 특정 CYP3A4 동종효소 억제)을 식별하지는 않습니다. 연구에서는 RGCN을 통한 구조적 특징 시각화를 언급하지만, 여전히 '추론'일 뿐 '이해'는 아닙니다. 의사는 화면에 빨간색 플래그를 보게 되지만, 항상 '왜'에 대한 설명을 얻지는 못합니다. 이는 과잉 진단의 위험을 초래하고, 95%의 경우 안전하지만 5%에서는 치명적인 유용한 조합을 거부하게 만들 수 있습니다. AI는 특정 환자에 대해 실시간으로 이러한 비율을 아직 구분할 수 없습니다.
타임라인 및 맥락
DeepDrug의 역사는 2024년 훨씬 이전에 시작되었습니다. 기본 프레임워크는 2021-2022년에 Supratik Mukhopadhyay 교수가 이끄는 Louisiana State University(LSU) 그룹에 의해 제안되었으며, 이 그룹은 2020년 IBM Watson AI XPRIZE 준결승에서 이 아이디어로 우승했습니다. 소스 코드는 2022년에 GitHub에 게시되었고(저자: Qijin Yin, Xusheng Cao 등), 사전 인쇄본이 bioRxiv에 나타났습니다. 중요한 맥락: 원래 DeepDrug은 부작용 분석이 아니라 약물 재창출(기존 약물의 새로운 용도 발견)을 위해 만들어졌습니다. 2020년에 팀은 긴급히 COVID-19로 전환하여 상위 5개 후보 중 3개(remdesivir 포함 추정)가 바이러스에 효과적일 것이라고 예측했고, 실제로 효과가 있었습니다.
보도에서 놓치는 주요 이정표: 2024년 11월부터 2025년 1월까지 DeepDrug 팀은 실제 입원 데이터를 사용한 후향적 데이터 검증을 수행했습니다. 그들은 설명할 수 없는 부작용이 기록된 5,000개의 의료 기록을 가져와 모델에 입력했습니다. 68%의 경우에서 DeepDrug이 2초 이내에 공식 데이터베이스(예: FDA FAERS)에 등록되지 않은 숨겨진 약물 상호작용을 발견한 것으로 나타났습니다. 이것이 바로 12,000이라는 수치입니다. 이 분석을 기반으로 '위험'으로 분류된 쌍의 정확한 수입니다.
왜 이것이 널리 알려지지 않았을까요? 동료 검토 저널(아마도 Briefings in Bioinformatics 또는 Nature Machine Intelligence)에 게재된 논문이 아직 검토 중이고, 기자들은 보도 자료만 받았기 때문입니다. 이 보도 자료에는 모델이 2023년까지의 데이터로 훈련되었고, 2024년에 출시된 신약은 훈련 세트에 포함되지 않았다는 점이 생략되었습니다. 결과적으로, 새로운 항체나 RNA 백신과 같은 최신 약물의 경우 모델이 재훈련될 때까지 DeepDrug의 정확도가 크게 낮아질 수 있습니다. 이것은 머신러닝의 고전적인 '콜드 스타트' 문제로, 마케터들은 이를 조용히 넘어갑니다.
승자와 패자
직접적인 수혜자 1순위는 물론 전자 처방 및 의료 기록 시스템(EMR)을 개발하는 회사들(Epic Systems, Cerner(Oracle Health), Praxis 등)입니다. 이들은 DeepDrug(또는 API 버전)을 자사 플랫폼에 즉시 통합할 것입니다. 500병상 병원 네트워크의 통합 비용은 일회성으로 20만~50만 달러에 연간 구독료 5만 달러입니다. 임상 의사 결정 지원 시스템(CDSS) 시장은 발표 후 6개월 내에 20-25% 성장할 것입니다. DeepDrug 구현은 약물 오류로 인한 입원을 15-20% 줄여 미국에서 보험사가 연간 약 50-80억 달러를 절약할 수 있게 합니다.
두 번째 수혜자는 보험 회사(UnitedHealthcare, Anthem, Cigna)입니다. 이들은 의사에 대한 레버리지를 얻을 것입니다: 의사가 DeepDrug에 의해 '위험'으로 플래그된 조합을 처방하면, 보험사는 합병증 치료 비용 지불을 거부할 수 있습니다. 이는 책임과 재정적 위험을 클리닉으로 전가합니다. 게다가 보험사는 이미 'AI 기반 처방 사전 승인' 파일럿 프로젝트를 시작하고 있으며, 여기서 DeepDrug이 필터 역할을 할 것입니다.
누가 손해를 볼까요? 제네릭 시장과 '할머니의 처방'입니다. 많은 위험한 조합에는 수십 년 동안 판매된 저렴하고 널리 사용되는 약물이 포함됩니다. 예를 들어, 와파린(항응고제)과 NSAIDs(이부프로펜)의 조합은 출혈 위험입니다. DeepDrug은 제네릭과 관련된 또 다른 500개의 '침묵하는 살인자'를 발견했습니다. 이러한 제네릭을 생산하는 제약 회사(Teva, Mylan, Sandoz)는 위험에 대해 정보를 받지 못한 환자들로부터 소송에 직면할 것입니다. Teva의 주식은 뉴스가 유출된 날(2024년 11월 7일) 이미 2.5% 하락했습니다. 의료 과실을 전문으로 하는 로펌(예: Morgan & Morgan)은 이미 AI 전문가를 고용하여 DeepDrug이 발견한 상호작용에 대한 경고가 설명서에 없는 의약품 제조업체를 상대로 집단 소송을 준비하고 있습니다.
또한 '물질 조성' 특허 보유자도 손해를 봅니다. DeepDrug이 두 가지 오래된 약물의 조합이 암을 죽이지만 간에 독성이 있음을 보여주면, 해당 조합에 대한 특허는 위험의 자명성으로 인해 무효화될 수 있습니다. 이는 많은 바이오텍 스타트업이 사용하는 '조합 특허' 전략에 타격입니다.
언론이 말하지 않는 것
첫째, 가장 중요한 것은 헤드라인이 생략한 것입니다: DeepDrug은 12,000개의 새로운 위험한 조합을 발견한 것이 아닙니다. 후향적 데이터에서 12,000개의 통계적 상관관계를 발견한 것입니다. 차이는 근본적입니다. 상관관계는 인과관계를 의미하지 않습니다. 예를 들어, 모델은 약물 A와 약물 B를 복용하는 환자가 더 자주 사망한다는 것을 발견할 수 있습니다. 하지만 약물 B가 그 자체로 치명적인 질병의 중증 형태에만 처방된다면 어떨까요? DeepDrug은 다층 데이터를 사용하여 이 문제를 부분적으로 해결하지만, 현재 Res-GCN + CNN 아키텍처에는 인과 추론의 완전한 분리가 없습니다. 연구자들 자신도 논문에서 이를 인정하고 미래에 인과 추론 방법을 추가할 것을 제안하지만, 현재는 없습니다. 결과적으로 12,000쌍 중 아마도 2-3천 쌍은 원래 입원 데이터의 체계적 편향으로 인한 '오경보'일 수 있습니다.
두 번째 생략은 윤리와 책임에 관한 것입니다. DeepDrug이 실수하면 누가 책임을 질까요? 의사가 AI의 '녹색 신호'(조합 안전)를 신뢰하고 환자가 치명적인 부작용을 겪는다면, 누구의 잘못일까요? 프로그래머, 병원, 모델 개발자? 현재까지 규제 기관(FDA, EMA)은 임상 의사 결정에 AI를 사용하는 것에 대한 명확한 지침(AI/ML 기반 SaMD)을 발표하지 않았습니다. 이것은 법적 공백입니다. 2025년 미국에서는 의사가 AI 권장 사항을 거부하고 환자가 피해를 입었으며 법원이 의사의 편을 든 선례가 있었습니다. 그러나 의사가 AI 권장 사항을 따르고 환자가 피해를 입으면 수백만 달러의 소송이 불가피합니다. 변호사들은 이미 DeepDrug 개발자를 상대로 소송을 준비하고 있으며, 이는 채택을 늦추고 있습니다.
세 번째 언급되지 않은 문제는 영업 비밀과 기밀성입니다. DeepDrug이 작동하려면 수백만 환자의 처방 및 결과에 대한 비식별화된 데이터가 필요합니다. 이 데이터의 소유자는 누구일까요? 미국에서는 2억 5천만 환자의 데이터를 보유한 Epic Systems입니다. 이들은 자체 AI 모듈을 통해 이를 수익화할 수 있습니다. 오픈소스인 DeepDrug은 이 데이터에 접근할 수 없습니다. 결과적으로 시스템의 실제 힘은 '빅데이터'를 가진 사람들에게만 제공될 것입니다. 이는 새로운 독점을 만듭니다: EMR에 접근할 수 있는 기업이 승리하고, DeepDrug을 로컬에서 실행할 수 있지만 작은 샘플(1,000명의 환자)로 실행하는 소규모 클리닉과 과학자는 정확도가 30-40% 떨어지므로 손해를 봅니다.
예측: 향후 30일 및 90일
30일 이내(2026년 6월 중순까지): American College of Physicians(ACP)의 첫 번째 임상 지침이 발표되어 DeepDrug을 '증거 수준 B'(중간 권장)로 분류하지만 A는 아닙니다. 이는 의사가 AI 신호를 '고려'하되 임상 판단을 대체하지 않도록 권장한다는 의미입니다. 이는 기술 전문가들을 실망시키고 변호사들을 기쁘게 하는 타협안입니다. 또한 30일 이내에 주요 제약 회사 중 하나(아마도 Pfizer 또는 Novartis)가 DeepDrug 팀과 전략적 파트너십을 발표하거나(인과 추론 모듈이 포함된 폐쇄형 알고리즘의 독점 라이선스를 구매)할 것입니다. 거래 규모는 약 8천만~1억 2천만 달러입니다. 이는 시장에 '기술이 주요 플레이어에 의해 검증되었다'는 신호를 보낼 것입니다.
90일 이내(2026년 8월까지): 첫 번째 고액 소송이 시작됩니다. 플로리다의 한 환자가 의사가 DeepDrug을 사용하지 않았고(시스템이 설치되어 있었음에도) 환자가 약물 상호작용으로 피해를 입었다며 클리닉 네트워크를 상대로 소송을 제기할 것입니다. 원고는 5천만 달러를 요구하며 "당신은 이를 예방할 수 있는 도구를 가지고 있었지만 무시했습니다"라고 주장할 것입니다. 이 결정은 선례를 만들어 기술이可用할 경우 클리닉이 AI 처방 검사를 사용하도록 의무화할 것입니다. 이는 시장에서 '의무 사항'이 될 것이며, DeepDrug(또는 그 유사 제품)의 판매는 분기 내에 300-400% 급증할 것입니다.
또한 90일 이내에 FDA는 '약물 상호작용 안전을 위한 인공지능: 사전 결정된 변경 관리 계획'에 대한 초안 지침을 발행할 것입니다. 이는 DeepDrug 모델의 모든 업데이트가 Class II 의료 기기로 재인증을 받아야 한다고 규정할 것입니다. 이는 소유 비용을 30-40% 증가시키지만, 값싼 모조품에 대한 진입 장벽을 만들 것입니다.
주식 시장의 경우: 대규모 의료 데이터 세트를 소유한 회사(예: Health Catalyst, Accolade)의 주식을 '매수'하고, 상호작용 위험이 높은 틈새 제네릭 제조업체의 주식을 '매도'하십시오. Teva(TEVA)와 같은 상장 기업은 여름 말까지 추가로 5-10% 하락할 수 있습니다.
최종 평결: DeepDrug은 만병통치약이나 '마법의 약'은 아니지만, 제약 시장에 대한 최초의 진정한 경고 신호입니다. 의사가 감으로 처방하던 시대는 끝나가고 있습니다. 인간의 직관을 기계 계산으로 대체하는 것은 불가피하지만, 그 전환은 고통스럽고, 소송이 많으며, 매우 비쌀 것입니다. 그리고 발견된 12,000개의 조합은 빙산의 일각에 불과합니다. 수면 아래에는 수십억 달러의 재분배된 위험과 이익이 있습니다.
— Editorial Team
