K-MELLODDY, 연합학습 신약개발 1단계 성과 공개…16일 보고회

연합학습 기반 신약개발 프로젝트 K-MELLODDY(K-멜로디)가 사업 1단계의 주요 연구 성과를 공개한다.

한국제약바이오협회 K-MELLODDY사업단은 16일 평창 알펜시아 리조트 컨벤션센터에서 열리는 한국비임상시험연구회 제50차 추계 워크숍에서 'K-MELLODDY 1단계 성과보고회'를 연다고 15일 밝혔다.

이번 보고회는 산·학·연·병에 흩어진 비임상·독성·약동학(PK) 데이터를 기관 밖으로 옮기지 않고 공동 활용하는 연합학습 기반 신약개발 체계의 구축 성과와 연구 현황을 공유하기 위해 마련됐다.

K-MELLODDY는 연합학습 기반 신약개발 가속화 플랫폼인 FDD(Federated Drug Discovery) 구축과 ADMET 예측 모델인 FAM(Federated ADMET Model) 개발을 주요 목표로 추진하고 있다. ADMET는 흡수·분포·대사·배설·독성을 뜻한다.

보고회는 2개 세션으로 진행된다. 1부에서는 김화종 단장이 사업 개요와 추진 현황을 소개하고, 홍성은 연구기획팀장이 FDD 플랫폼의 연합학습 가이드라인과 공개 모델 검증 내용을 발표한다.

이어 에비드넷이 FDD 플랫폼 구축 현황과 주요 기능을 소개한다. 연세대학교는 ADMET 파운데이션 모델 기반 FAM 통합 솔루션을, 목암생명과학연구소는 언어·그래프 앙상블 기반 ADMET 예측 모델을 각각 공개한다.

2부에서는 아이젠사이언스, 전북대학교, 한국과학기술원(KAIST), 고려대학교 등이 대규모 약물 표현 학습과 ADMET-PK/PD 예측, 설명가능한 멀티모달 파운데이션 모델, 연합 메타학습 등 연구 성과를 발표한다.

연합학습은 원본 데이터를 각 기관 내부에 두고 모델 학습에 필요한 정보만 주고받아 공동으로 AI 모델을 학습하는 기술이다. K-MELLODDY는 이를 활용해 제약기업과 병원, 연구기관이 보유한 민감한 데이터를 외부로 이전하지 않고 공동 연구에 쓰는 기반을 구축하고 있다.

사업 1단계에서는 다기관 연합학습을 지원하는 플랫폼과 데이터 활용 기반을 마련하고, 다양한 ADMET·PK 영역의 예측 모델을 개발·검증하는 데 중점을 뒀다. 이번 보고회에서는 플랫폼과 예측 모델을 실제 연합학습 환경에서 연계·활용하기 위한 결과와 향후 고도화 방안도 제시한다.

김화종 단장은 "기관의 민감한 데이터를 보호하면서도 여러 기관이 공동으로 AI 모델을 개발·활용할 수 있는 연구 기반을 마련했다는 데 의미가 있다"고 말했다.

그는 "구축된 플랫폼과 모델의 연계를 강화하고 실제 신약개발 현장에서 활용할 수 있도록 기술을 고도화해 신약개발에 드는 시간과 비용을 줄이는 데 기여하겠다"고 덧붙였다.

K-MELLODDY는 보건복지부와 과학기술정보통신부가 공동 추진하는 국가연구개발사업으로, 2024년부터 2028년까지 총 348억원 규모로 진행된다.