김나현 메디데이터코리아 박사는 20일 '빅데이터와 AI를 활용한 임상시험의 새로운 패러다임'을 주제로 열린 메디데이터 미디어 아카데미 주제발표에서 "Acorn AI는 임상시험 계획 단계에서 △문헌고찰 △대조군 모집 △연구기관선정을, 임상시험 운영 단계에서는 △연구기관 퍼포먼스 체크에서 새로운 패러다임을 제시하고 있다"고 밝혔다.

시공간 제약 없는 문헌고찰 : 트라이얼 디자인
A약물의 혈압 감소 입증을 위한 문헌고찰을 시작한다고 가정한다. 임상계획을 수립하는데 6개월이 걸린다면, 그 중 문헌고찰에는 2개월 가량을 할애할 수 있다.

최근 4년간 발표된 고혈압 관련 논문은 약 44만부에 달한다. 전문 연구원 기준 200부 정도 논문을 리뷰했다. 전체 논문 수의 1/2205 정도를 확인한 셈이다.

김 박사는 "AI는 데이터와 실사용데이터로 풍부한 문헌고찰 결과를 제공할 수 있다"며 "혈압강하의 경우 수치만으로 확인할 수 없는 다각도적인 정보를 제공하게 된다"라고 설명했다.

예를 들어, 실제 데이터 기반 근거자료를 활용할 경우 '수축기 혈압이 30% 감소하지만 75세 이상 고령환자에게서 저혈압 가능성이 20% 증가한다', '수축기 혈압이 20% 감소하고 이완기는 10%증가하지만 저혈압발생률이 매우 낮다'와 같은 결과를 도출한다는 것이다.

그는 "트라이얼 디자인은 △전 세계에 분포한 임상연구와 실사용데이터를 △데이터전문가와 의료전문가가 △최신 통계분석 기법으로 분석하는 시스템"이라고 설명했다.

환자모집 기간, 비용 감소를 위한 '합성대조군'
대규모 환자를 대상으로하는 임상시험 3상 시험은 총 비용 중 32%가량을 환자모집에 사용한다.

전체 비용이 100억원이라면 환자모집에 32억원을 사용한다는 것이다. 그런데 기존 임상시험은 임상시험 대상 환자를 시험군과 대조군으로 나눈다. 

이는 곧 실제 임상시험 대상 약물이 투약되지 않는 절반의 대조군 모집에 16억원을 사용한다는 의미다.

대조군은 △위약 △무투약 △표준치료 3가지로 나눌 수 있는데, 이는 비용문제도 있지만 표준치료 대조군 외에는 치료기회를 제한한다는 점에서 윤리적인 문제도 제기되고 있는 상황이다.

외부대조군은 쉽게 말해 과거 데이터를 활용해 시험기관 외부에서 대조군을 선정하는 방식이다.

김나현 박사는 실제 환자를 시험군과 대조군으로 나눈 시험결과와 시험군과 외부대조군으로 나눈 시험 결과가 유사한 수치를 보인다고 설명했다.

위 그림은 대조군과 시험군을 비교한 도표다. 왼쪽 군집에서 노란 점은 현재 진행하고자 하는 임상시험 기준에 맞지 않는다는 의미다. 

김 박사 설명에 따르면, 노란색을 삭제하고 고혈압과 연관 있다고 보고되는 BMI 데이터 등 변수가 유사한 대조군과 시험군을 배치하는 방식으로 외부 대조군을 생성할 수 있다.

그는 "FDA 가이드라인에서도 특정 상황에 따라 연구 내부 대조군 대신 외부 생성 대조군을 시험군과 비교할 수 있다고 언급하고 있다"며 "메디세나 테라퓨틱스의 재발성 교모세포종 치료제 등 합성대조군 신뢰성과 타당성을 입증하는 사례도 나오고 있다"라고 설명했다.

연구기관 선정·관리, 스터디피지빌리티
임상수탁기관을 선정하고 임상시험을 시작하려고 하니 해당 연구소에 경쟁연구가 쏠려있는 상황이 닥쳤다.

이때에도 AI는 각 국가별·기관별 빅데이터를 활용해 연구기관을 선정할 수 있다.

특정 임상시험 수탁기관에 얼마나 많은 경쟁연구가 진행되고 있는지, 얼마나 혼잡한지 등을 확인하고 임상시험 등록률을 추산할 수 있다는 의미다.

임상시험이 진행되는 과정에서도 AI는 지속적으로 수집된 빅데이터를 활용한다.

임상시험 기관의 데이터 수집 상황이나, 임상시험 관련 문제들을 초기에 발견할 수 있고 빠른 대처가 가능하다는 것이 김 박사 의견이다.

그는 "더딘 등록률 원인, 과거 시험기관의 경험 등 빅데이터 활용으로 빠른 임상시험 등록과 시험기간 단축을 경험했다"며 "Acorn AI가 제공하는 '퍼포먼스 애널리틱스'는 리얼타임 네비게이션(Real Time Navigation) 제공으로 임상시험 수탁기관의 상황과 연구현황을 실시간으로 확인할 수 있다"고 설명했다.