Pharmaceutical industries have been encountered with contradictory issues during the outbreak of COVID-19. Global interests on the development of new drugs weigh more than an economical values than drugs have itself, but pharmaceutical companies are still struggling with declining R&D returns for decades. In order to innovate these problems in drug development (i.e. drug pipelines), artificial intelligence is emerging as a cost-effective way to find new drugs. In this study, we applied systematic approach for each stage from drug development to research results and show how AI technology could change the previous methods of drug discovery. In addition, we used theoretical approach for new drug development that reveals how AI technology could contribute to the efficiency of R&D productivity. As a result of the study, we found that the current artificial intelligence technology has only a limited effect on improving the efficiency of drug development due to the too much focus of research and development, bottlenecks, and the technical characteristics of artificial intelligence itself. More challenges remain in AI technologies such as a transfer learning in AI models and the processes that are required for clinical trials. Fusion with physical chemistry still remains as a challenge, too. Finally, this study evaluates the technological maturity of AI drug development, and presents theoretical discussions and implications that are related with AI and organizational synergy, change management to improve organizational performances
코비드-19 바이러스 팬데믹을 통해 제약산업, 특히 신약개발의 중요성이 많은 사람들에게 각인되었다.
인공지능은 수십년째 낮아지고 있는 신약개발의 효율성을 높여줄 새로운 도구로 각광받고 있다.
본 연구는 인공지능 기반 신약개발과 관련된 문헌속 내용과 사례들을 이론적으로 고찰하는 리뷰 페이퍼로 작성되었다.
연구개발 생산성 분석 방법을 통해 현재의 인공지능 기술은 신약개발에 제한적인 영향만 미친다는것을 밝혔고 임상시험 관련 기술개발이 더 많은 성과를 내기 위한 중요요건임을 제시했다.
과적합, 낮은일반화 등 머신러닝이 가진 고유한 문제와 데이터 부족, 약물 작용기전의 복잡성 등 신약개발의 특징이 인공지능 기반 신약개발의 기술적 한계를 구성함을 밝히고, 이를 극복하기 위해 전이학습, 연합학습등 신약개발에 더 적합한 인공지능 모델의 개발, 계산을 기반으로 하는 물리화학적 방법과의 융합등 새로운 도전과제를 제시했다.
나아가 인공지능 기반 신약개발의 기술성숙도를 평가하고, 인공지능과 조직간의 시너지 창출과 변화관리를 통해 성과를 높이기 위한 이론적 논의와 시사점을 제시한다.
