안녕하세요.
@kangsukin 입니다.
"The real voyage of discovery consists not in seeking new landscapes but in having new eyes." (Marcel Proust)
딜로이트가 세계 최초 머신러닝을 활용한 '신약 가치평가 솔루션'을 개발했다고 합니다. 'D.Predict'라는 머신러닝 모델은 다양한 변수와 여러 모델링을 통해 70%이상 정확성을 보장한다고 하는데요. 현재 솔루션을 전체적으로 공개하지 않아, 어떤 방법론과 모델링을 활용했는지는 알 수 없습니다.
6개의 머신러닝 알고리즘을 활용, FDA에 등록된 13,000개 임상시험에 대한 학습을 거쳤고, 73% 이상의 정확도로 임상시험의 성공을 맞췄다고 알려짐
전체 솔루션 오픈 후, 상세히 한번 더 봐야겠지만 다양한 산업 중, '제약/바이오'영역이라는게 가장 매력적인게 아닌가 생각됩니다. 저 또한 예측모델링 프로젝트를 가끔 하는데, 기존 방법론과 비교해서 무엇이 다른지 궁금해지네요.(*나중에 좀 더 상세한 정보가 공개되면 관련해서 포스팅을 한번 더 해볼 생각입니다.)
다시 돌아가서, 제약/바이오 산업의 경우, 임상실험의 결과가 매우 중요합니다. 임상 실험에 성공하여 기술을 팔거나, 상업화하여 제품을 생산하기 시작하면 엄청난 수익을 얻을 수 있습니다. 반면에 그 단계까지 투자비용과 시간은 말할 것도 없는 노력이 필요합니다.
그 때문일까요? 주변에서 주식 투자로 큰 돈을 벌었거나 손실을 겪은 사람을 보면 대부분 '제약/바이오 주' 투자자입니다. 투자자들에 왜 투자했냐고 물으면, '막연한 기대감', '개발멤버와 회사에 대한 믿음', '성공 시 시장가치' 등등을 이야기 합니다. 그리고 이러한 막연하고 추상적인 믿음에 언론까지 가세하면 주식 시장은 롤러코스터처럼 흔들리기도 하구요.
이러한 솔루션이 정말로 70%의 예측을 보장한다면, 회사 입장에서는 R&D 비용을 좀 더 합리적이고 효율적으로 투자할 수 있고, 벤처캐피탈 등 투자유치도 용이할 것으로 보입니다. 투자자 입장에서도 추상적인 믿음에 기반한 '기도매매'는 하지 않을 것이구요.
[D.Predict 변수 및 결과]
- 변수 : 임상시험 단계, 적응증, 질환군, 참가자 성별, 참가자 건강상태, 참가자 수, 의뢰 주체, 연구 종류, 기간, 지리적 위치, 의약품 종류, 작용기전, 대상, 투여 경로 등 14개의 입력 데이터
- 결과 : 성공, 불확실, 실패, 부분적 성공
다만 한가지 우려스러운 점은 데이터가 쌓여야 예측력도 올라갈 것인데, 신규로 개발을 시작하는 회사들에는 적용이 가능할 것인지, '삼성바이오로직스 분식회계 의혹'과 같은 연구 개발과 별개로 발생하는 잠재적인 위험 요소는 어떻게 극복해야할지가 고민되기도 할 것 같습니다.
재무적인 리스크 분석 결과를 '신약 가치평가 솔루션'에 예측 변수로 넣으면 보완이 가능하려나요? 아무튼 앞으로 어떤식으로 발전할지 귀추가 주목됩니다.