Aizon, AWS를 사용한 인공 지능을 통해 의약품 제조 개선

제약 업종은 복잡하고 규제가 심한 산업 분야입니다. 각 제조 공정에서 수백 가지 결정 사항과 변수를 올바르게 조정해야 환자에게 안전하고 효능이 뛰어난 약품을 공급할 수 있습니다. 최근 의약품 시장의 규모가 커지면서 생산 관리 및 공정 데이터 분석에 대한 수요가 수작업으로 감당할 수 있는 한계를 넘어서고 있습니다. 샌프란시스코에 본사를 둔 스타트업 Aizon은 Amazon Web Services(AWS) 제품을 적용하여 의약품 제조업체가 제조 공정을 현대화하고 디지털 제조 플랜트의 이점을 실현하고 있습니다.

Aizon은 의약품 제조업체의 공정을 최적화하고 효율성을 극대화하는 데 초점을 둔 서비스형 소프트웨어(SaaS) 인공 지능 플랫폼을 제공합니다. 제조업체가 필요한 분석 작업을 자체적으로 수행하는 데 있어 가장 큰 걸림돌 중 하나는 제약 공정 데이터 특유의 복잡성입니다.

Aizon의 공동 창립자이자 최고 과학 책임자인 Toni Manzano 박사는 “데이터 과학자들이 AI를 실행하기 전에 데이터의 준비와 정리에 약 80%의 업무 시간을 소비하게 됩니다”라고 말합니다. Aizon은 플랫폼에 데이터 정리 기능을 구축하여 제약회사 고객이 과학 전문 분야에 집중할 수 있도록 함으로써 이러한 비효율성 문제를 해결한다고 합니다.

GxP로 통칭되는 일련의 제조 모범 사례를 준수하도록 설계된 Aizon의 플랫폼은 제약 및 바이오 제조 산업에 매우 적합합니다. Aizon은 AWS 규정 준수 및 보안 프레임워크의 얼리 어답터로서 이 인프라를 기반으로 플랫폼을 구축했습니다. 이전에 Aizon은 AWS가 발표한 GxP 규정 준수 및 보안과 관련한 백서의 개발에 참여한 바 있습니다.

Aizon은 여러 생물약제 회사와 협력하고 있으며, 이들 중 다수는 사내에서 온프레미스 소프트웨어를 사용하여 컴퓨팅 작업을 수행합니다. 하지만 이들 기업이 업계에서 날로 발전하고 있는 ‘Pharma 4.0’의 이점을 활용하려면 클라우드 기술을 도입해야 합니다. Manzano 박사는 한 고객의 사례를 들며 AWS를 활용하기 전에는 컴퓨팅 작업에 회사 리소스의 최대 66%를 투입해야 했다고 추정합니다. 그러나 지금은 이 컴퓨팅 작업을 AWS에 아웃소싱하고 있습니다.

Manzano 박사는 “GxP 환경에 AI를 적용하는 기술이 우리의 전문 분야입니다. 생물약제 회사들은 의약품 제조를 위한 업스트림 또는 다운스트림 공정을 개선할 수 있는 지식을 갖추고 있습니다. 우리의 전문 분야는 기술 그 자체가 아닙니다. 우리 고객은 암호화, 스토리지 및 백그라운드 프로세스에 대해 신경 쓰기를 원치 않습니다. AWS가 모든 기술을 효과적으로 지원하는 덕분에 AWS 고객은 공정과 검증에 모든 지식 역량을 쏟을 수 있습니다. Aizon의 경우에는 규제가 엄격한 제약 산업에 AI를 적용하는 것에 집중합니다”라고 말합니다.

Manzano 박사는 고객이 AWS를 활용할 경우 시간을 절약하고 기술 전문 지식을 확보하는 것은 물론, AWS를 활용하지 않을 경우에 발생할 비용의 약 80%를 절약하면서 목표를 달성할 수 있다고 추정합니다.

Aizon의 가장 차별화된 역량 중 하나는 바이오 제조 공정을 이루는 다양한 구성 요소의 ‘디지털 트윈’을 만드는 것입니다.“ 이 플래그십 애플리케이션은 세포를 증식하고 특정 제약 공정에 사용할 생물학적 약제를 채취하는 데 사용되는 정밀하게 튜닝된 대형 기계인 개별 생물 반응기를 2대 만들어 운용합니다.

이 디지털 애플리케이션을 사용하면 수십억 개의 디바이스에서 데이터를 수집, 분석 및 저장할 수 있는 서버리스 아키텍처인 AWS 사물 인터넷(AWS IoT)을 통해 의약품 제조 시설 내의 개별 생물 반응기를 서로 연결하고 클라우드에도 연결할 수 있습니다. 생물 반응기 내에서 조건이 바뀌면, 이 이벤트가 서버리스 컴퓨팅 서비스인 AWS Lambda를 트리거하여 Amazon SageMaker에서 기계 학습 작업을 실행하게 되고, 궁극적으로 공정 최적화 분석 및 출력을 위한 데이터를 제공합니다.

Manzano 박사는 Aizon 플랫폼이 제 기능을 발휘할 수 있게 해주는 핵심 도구는 AWS Lambda라고 강조합니다. 개별 생물 반응기 조건은 살아 있고 성장하는 미생물과 관련이 있기 때문에 이미 의약품 산업에서 가장 복잡한 문제 중 하나입니다. 그런데 여러 생물 반응기가 포함된 전체 공정을 분석하면 데이터의 양이 폭발적으로 늘어납니다.

Manzano 박사는 “대형 글로벌 제약회사가 전 세계에 얼마나 많은 생물 반응기를 보유하고 있을지 상상해 보세요. 수천, 수만 개는 될 겁니다. 이렇게 많은 생물 반응기가 모두 클라우드에 연결되어 값을 생성하고 예측 결과를 계산하며 이상치를 탐지하는데, 서버리스 아키텍처 없이는 그렇게 많은 데이터를 관리할 수 없습니다.“라고 말합니다.

인체 혈장을 기반으로 유망한 약물을 생산하는 한 다국적 제약회사는 알 수 없는 이유로 제품 생산량이 감소하는 동시에 공정의 변동성이 원치 않게 커지는 문제를 수년 동안 겪어왔습니다. 이 같은 문제의 근본 원인을 파악하기 위해 이 회사는 Aizon에 도움을 요청했습니다. Aizon은 AWS 클라우드 아키텍처를 기반으로 구축된 AI 지원 GxP 준수 플랫폼을 활용하여, 수년에 걸쳐 수집된 수천 개 의약품 배치에서 혈장 구성 기원 간의 패턴을 식별하는 비지도 학습 모델을 개발했습니다. 또한 Aizon은 향후 각 배치의 생산량을 예측하는 지도 학습 모델을 만들어 실시간 대시보드와 결합했습니다.

Aizon의 분석 결과를 토대로, 공정 변동의 절반 이상이 혈장 구성 기원으로 인해 발생하며 배치 클러스터화가 생산량 예측에 매우 중요하다는 사실이 밝혀졌습니다. 또한 Aizon은 두 가지 중요한 공정 변수를 식별하고, 이들 변수만 최적화해도 생산량을 두 자릿수나 높일 수 있다는 사실을 파악했습니다. 그 결과 제약회사 고객은 수천만 달러의 이익을 거둘 수 있게 되었습니다.

Aizon은 앞으로 더 많은 제약회사들이 이같은 이점을 실현하도록 돕고자 합니다. Manzano 박사는 “AWS 덕분에 플랫폼의 확장성이 크게 향상되었습니다. 이제 규모에 관계없이 어떤 고객 환경에서든 몇 분 만에 전체 플랫폼을 배포할 수 있을 뿐만 아니라, 어떤 국가에서도 플랫폼을 복제하고 에스컬레이션할 수 있게 되었습니다”라고 말합니다. Aizon은 전 세계 규제 기관과 협력하여 의약품 제조에 AI를 적용하기 위한 표준을 수립하면서 자사의 소프트웨어 서비스를 지속적으로 확장해나갈 계획입니다.

Aizon과 같은 기업이 어떻게 AWS for Life Sciences를 활용하여 혁신을 촉진하는지 자세히 알아보세요.