AI, 임상시험 오류 해결사?…70% 결함만 키웠다

인공지능(AI)이 임상시험의 결함을 해결하기는커녕 오히려 오류를 확대 재생산할 수 있다는 분석이 나왔다.

19일(현지시간) 바이오 전문매체 피어스바이오텍에 따르면 임상시험 데이터 기업 페시(Phesi)는 최근 보고서를 통해 임상시험 프로토콜 중 실제 환자 데이터 및 결과와 연결된 경우는 3분의 1에 못 미친다고 밝혔다. 60만 건의 임상 프로토콜을 분석한 결과, 29.3%만이 환자 데이터와 연관성을 보였다.

이러한 경향은 항암제 임상시험에서도 비슷하게 나타났다. 11만6746건의 항암제 임상 중 사용 가능한 환자 데이터와 연결된 비율은 30.9%에 그쳤다. 세계에서 가장 많이 연구된 질병인 유방암조차 1만5977건의 임상 중 31.2%만이 실제 환자 데이터와 연결됐다.

페시는 임상시험 설계와 실제 환자 사이의 연결고리가 없을 경우, 잘못된 의사결정이 임상개발 과정에서 반복될 위험이 크다고 지적했다. 많은 프로토콜이 기존 임상시험을 기반으로 설계되기 때문에, 원본이 되는 시험이 환자군과 단절돼 있다면 문제가 반복될 가능성이 높다는 것이다.

특히 AI의 활용이 이러한 문제점을 키우는 요인으로 지목됐다. 젠 리 페시 창립자 겸 대표는 "과거에는 프로토콜 작성자가 인간의 판단력을 적용해 설계와 목표 환자군 사이의 연관성을 검토할 수 있었다"고 말했다. 그는 "AI는 훨씬 더 많은 과거 자료를 학습할 수 있지만, 올바른 논리나 판단력이 없으면 그 연결고리를 만드는 데 실패할 수 있다"며 "결함이 해결되는 것이 아니라 오히려 확대되는 셈"이라고 덧붙였다.

보고서에 따르면 일부 임상 설계는 환자 모집과 데이터 수집 자체를 제한해 결과가 보고되지 않는 경우도 있다. 프로토콜의 의도와 환자에게 일어나는 일 사이에 연관성이 없으면 어떤 설계가 효과적인지, 실패 원인은 무엇인지 파악하기 어렵다.

페시는 AI에 과도하게 의존하는 임상 의뢰자들이 과거 환자 모집에 어려움을 겪었거나 실패했던 임상 설계를 재사용할 위험에 처할 수 있다고 경고했다. 임상 실패는 의뢰자에게 막대한 재정적 타격을 줄 수 있다.

리 대표는 "AI가 임상개발을 최적화할 엄청난 기회가 있지만, 이는 AI의 기반이 되는 플랫폼이 실제 환자 및 결과가 보고된 프로토콜을 식별할 수 있을 때만 가능하다"고 강조했다.