[NEXT Seoul 2024] Leveraging AI for Efficient and Innovative Clinical Trials

* 해당 포스트는 NEXT Seoul 2024의 세션을 요약 및 발췌하여 작성한 내용입니다.

by Ruthie Davi, PhD (SVP Statistics and Regulatory Science Innovation, Medidata, Dassault Systèmes)

AI는 지각, 추론, 학습, 환경과의 상호작용, 문제해결, 창의력 발휘 등 인간의 마음과 연관된 인지 기능을 기계가 수행하는 것을 말합니다. AI는 이미 우리 일상 곳곳에 존재합니다. 영화를 추천하고, 준법 및 비준법과 관련된 제안을 하고, 영상을 해석하고, 질환의 패턴을 제시합니다.

AI는 새로운 기술이 아닙니다. 1956년 다트무스대학교 컨퍼런스에서 컴퓨터가 프로그램을 통해 인간의 생각을 대체할 수 있을 거라는 내용이 발표됐습니다. 그때부터 AI 논의가 본격화되었습니다. 도처에서 방대한 데이터가 쏟아오고, 컴퓨팅 스토리지와 컴퓨팅 파워가 강력해지면서 고도화된 분석이 기능해졌습니다. 이는 AI 발전을 가속화하여 머신러닝, 딥러닝, 급기야 생성형 AI로 이어졌습니다. AI는 모든 업계에 큰 영향을 미치고 있습니다.

의료에서 AI의 활용

의료 분야도 예외는 아닙니다. 특히, 환자 치료 방법과 결과를 개선할 수 있는 엄청난 잠재력을 가지고 있습니다. 이미 AI는 증상을 발견하고 진단을 내리는 데 사용되고 있습니다. FDA는 애플워치를 신약개발 툴로 승인했습니다. 이는 애플와치가 측정한 데이터를 엔드포인트로 활용한다는 데 의미가 있습니다.

AI와 머신 러닝은 임상연구 전반에서 임상시험 수행, 설계, 증거 생성 등을 최적화하는 데도 사용됩니다. 실제로 AI와 머신 러닝 구성 요소를 사용한 FDA 신청이 증가하고 있습니다. 한 논문을 보면 2016년, 2017년만 하더라도 AI를 활용한 제출 사례가 매년 1건밖에 없었던 것이 2020년 14건, 2021년 131건으로 크게 증가했습니다. 2022년, 2023년에는 훨씬 더 증가할 것입이다. AI 및 머신 러닝은 주로 임상 1상, 2상에서 연구를 보다 잘 설계하고 신약개발을 효율화 하는 데 사용되고 있습니다. 임상 3상, 확증적 유효성과 안정성에서는 아직은 많이 사용되지는 않습니다. 하지만 AI 활용도는 앞으로 훨씬 더 확장될 것입니다.

AI 및 머신러닝의 잠재력에 대한 FDA의 시선

FDA 역시 임상시험을 더욱 빠르게 진행하고, 신약을 더 빨리 맞춤형으로 제공할 것으로 기대되는 AI의 가능성에 주목하고 최근, 두 가지 중요한 문서를 발표했습니다. 이는 정보 제공에 중점을 둔 것으로 규범적인 내용은 아닙니다.

2023년 5월에 발표한 첫 번째 문서에서 FDA는 업계 관계자들에게 책임감 있는 AI 및 신약 개발에 대한 논의를 제안했습니다. 특정 가이드라인을 설정하거나 특정 AI 및 머신 러닝 접근 방식을 지지하는 것이 아닌, 연구자 및 개발자와의 대화 시작을 목표로 합니다. 2024년 4월에 발표한 두 번째 문서는 공공 안전을 보장하고 AI 및 머신 러닝 방법의 혁신적인 개발을 촉진하기 위해 CDER, CBER, CDRH, OCP가 어떻게 협력하고 있는지를 소개합니다.

FDA는 AI 및 머신 러닝의 잠재력만큼 우려와 위험도 있다는 것을 알고 있습니다. 따라서 안전성과 관련된 리스크 또한 제시하고 있습니다. 예를 들어, 의료기기의 AI 활용은 시판 후에도 계속해서 진화할 것입니다. 하지만 현재 FDA는 시판 중인 제품을 재평가하는 권한이 없습니다. 포스트 마케팅에서는 해당 제품의 시판을 중지시키는 권한밖에 없습니다. 때문에 이는 FDA의 도전과제가 되고 있습니다.

FDA가 제시한 8가지 AI 활용 영역과 메디데이터 솔루션

앞서 언급한 FDA의 두 가지 문서 중 첫 번째 문서에서 FDA는 AI 및 머신 러닝에 대한 평가는 아직 초기 단계이지만 이를 임상연구에서 사용할 수 있는 잠재적인 8가지 활용 사례를 제시했습니다. ▶환자 선정 ▶환자 모집 ▶복용량 최적화 ▶준수 여부 모니터링 및 개선 ▶유지율 개선 ▶사이트 선정 ▶데이터 수집 및 관리 ▶데이터 분석이 그것입니다. 이 중 5가지 영역(환자 선정, 유지율 개선, 사이트 선정, 데이터 수집 및 관리, 데이터 분석)은 이미 메디데이터가 지원하고 있는 영역입니다.

사례1. 환자 선정

AI 기술을 활용하여 적합한 환자를 선정할 수 있습니다. 다양한 과거 데이터를 분석하면 어떤 환자가 치료에 더 잘 반응하거나 부작용을 경험할 가능성이 높은지 파악할 수 있습니다.

생명공학기업인 미라티 테라퓨틱스(Mirati Therapeutics)사는 최소한의 문헌이 존재하는 다양한 비소세포폐암(NSCLS) 하위 집단의 결과를 파악하여 향후 임상시험에 대한 정보를 대상자에게 제공하기 위해, 과거 임상시험 데이터를 기반으로 800명 이상의 환자 데이터 세트를 생성하고 탐색적 분석을 수행했습니다. 이를 통해 어떤 환자를 모집해야 하는지에 대한 아이디어를 얻을 수 있었습니다. 검증력을 높이면서도 표본 사이즈를 줄일 수 있었던 것입니다.

사례2. 유지율 개선

AI 기술을 활용하면 외부 데이터를 사용하여 환자 프로필을 개발하여 중도 탈락과 부작용을 예측하여 참여자의 유지율을 높일 수 있습니다.

FDA는 AI 기술을 활용한 유지율 개선의 2가지 가능성을 제시했습니다. 첫 번째는 웨어러블과 같은 다른 기술을 활용해 환자의 부담을 줄임으로써 유지율을 높일 수 있다는 것입니다. 바로 이 부분에서 메디데이터가 강점을 가지고 있습니다. 두 번째는 어떤 요인으로 인해 환자가 안전성과 관련된 이상 사례를 보이거나 중도 탈락률이 높아질지 파악하는 것입니다. 메디데이터는 이 부분에서도 해법을 제시할 수 있습니다.

사노피(Sanofi)는 사이토카인 방출 증후군(CRS)의 원인과 이를 완화하는 방법을 파악하고자 했습니다. 이를 위해 임상시험 데이터세트(1400명의 환자, 400건의 중증 CRS 사례)를 구축하고 CRS에 대한 예측 모델을 구축하여, CRS 확률이 높을 만한 환자를 미리 파악할 수 있었습니다.

한편, 환자 중도 탈락은 CNS 임상시험에서 흔히 발생하는 문제이며, 이는 임상시험 결과의 편향성을 초래할 뿐만 아니라 유효성을 떨어뜨립니다. 글로벌 제약기업인 애브비(Abbvie)는 RCT의 풀링된 데이터를 사용하여 분류 모델링 및 생존 분석을 수행했습니다. 그리고 중도 탈락을 예측할 수 있는 요인을 파악했습니다. 그로 인해 중도 가능성이 높은 환자 파악의 정확도를 60% 향상했습니다. 이를 그 다음 시험에도 적용했고 선정 제외 기준에도 적용해 지속적으로 유지할 환자를 잘 파악할 수 있었습니다. 검정력 또한 높였습니다.

사례3. 사이트 선정

AI는 임상시험을 성공적으로 진행할 가능성이 가장 높은 시험기관을 식별하는 데 도움을 줍니다.

PPD는 희귀 질환 환자의 사이트 레벨에서의 등록률에 대한 부족한 가시성을 해결하기 위해 메디데이터의 AI 기반 툴인 Intelligence Trial을 이용하여, 이전 사이트의 경험을 활용해 어떤 사이트가 환자를 빨리 모집하고 프로토콜 위반 확률이 낮은지를 파악할 수 있었습니다.

사례4. 데이터 수집 및 관리

AI는 다양한 데이터 정리 및 큐레이션 목적(예: 누락된 값, 데이터의 조화)에도 사용할 수 있습니다.

메디데이터는 수년간 이 부분에 노력을 기울여왔습니다. 임상시험 데이터에는 입력 오류가 있을 수 있으며 100% 소스 검증에는 많은 시간과 비용이 소요됩니다. 하지만 머신러닝을 활용하면 찾기 어렵거나 특이한 패턴과 데이터 연관성을 식별할 수 있습니다. 이로써 고객사는 데이터 입력 오류를 빠르고 쉽게 파악하고, 그에 맞는 조사에 착수할 수 있습니다. 물론, 임상시험 모니터링을 더욱 효율적으로 실시할 수 있습니다.

사례5. 데이터 분석

AI 및 머신 러닝은 예측 모델링과 대조군 시뮬레이션에 사용되어 임상시험 설계에 정보를 제공할 수 있습니다.

생명공학 회사인 Arcus는 췌장암에 대한 단일군 임상 1상 시험의 맥락을 파악하고자 했습니다. 단일군의 경우 해석이 어렵습니다. 특히 환자들이 시험약을 투여 받지 않았을 경우 어떻게 됐을지 상상하기 어렵기 때문입니다. 따라서 이전에 췌장암 환자의 데이터를 사용해 투여 받지 않았다면 어땠을지를 파악합니다.

Arcus는 메디데이터의 과거 데이터 및 SCA 팀의 지원을 받아 단일군 임상시험의 맥락을 파악하기 위해 합성 대조군(SCA)을 만들었습니다. 이를 통해 맥락을 부여하고, 시험약을 투여받은 환자가 좋은 결과를 보이고, 때문에 시험약이 굉장히 긍정적인 반응을 보인다는 것을 확인할 수 있었습니다. 생존률도 6개월이 더 증가했습니다. 이는 임상 3상에 3억 2000만 달러 상당의 계약으로도 이어졌습니다.

의료 분야에서 점점 더 많은 애플리케이션이 등장하면서 AI 사용이 빠르게 증가하고 있습니다. FDA는 이러한 기술 변화에 관심을 보이며 가이드라인을 제시하고, AI와 머신 러닝의 올바른 사용에 대한 표준화를 추진하고 있습니다. 메디데이터는 이러한 혁신에서 선두를 달리고 있습니다. 메디데이터의 많은 프로젝트에는 이미 AI가 접목되어 있으며, AI가 탑재된 툴 또한 계속해서 확대하고 있습니다. 이러한 노력은 앞으로도 계속됩니다.