• GC녹십자랩셀의 임상시험 검체분석 전문 법인 ㈜지씨씨엘에 투자(GC녹십자랩셀, 씨엔알리서치 각각 67%, 26.1% 지분 보유)하여 국내 최초의 Central Lab. 서비스를 제공할 수 있게 되었습니다. ㈜지씨씨엘을 통해 ① 임상 검체 분석에 필요한 표준물질 제공, ② 임상시험에 필요한 생물안전3등급시설 제공, ③ 분석법 개발 및 검증의 서비스 등을 제공할 수 있게 되었으며 이는 해외에서 제공받던 서비스 영역이었지만 당사로 인해 국내에서도 서비스 제공이 가능하게 되었습니다.

• 2021년 05월 ㈜트라이얼인포매틱스의 2대 주주로서 국내 최초 Imaging CRO 설립에 참여하였습니다. ㈜트라이얼인포매틱스의 CDISC(Clinical Data Interchange Standards Consortium) 기반의 Data 처리 및 Imaging 분석과 복잡한 항암임상 분야의 국내 최다 레퍼런스를 보유한 당사가 협업하여 영상 기반 임상시험 관리 및 임상 효율을 높일 수 있게 되었습니다.  

• 임상시험을 수행하면서 대상시험약(IP: Investigational Product)을 생산하고 유통하기 위하여 GMP 인증을 득한 시설을 이용할 수 있는 ㈜케이바이오스타트에 투자를 하게 되었으며, 이를 통하여 IP(Investigational Product)에 대한 생산 및 유통까지 그 영역을 확장하였습니다.

• AI가 접목된 복약 순응도 개선 시스템 개발 및 임상시험 Delivery 시스템 기능을 개선하기 위하여 복약관리솔루션 인핸드플러스㈜와의 공동투자를 통하여 사업을 추진해 왔습니다. 

바이오 기업의 R&D 과정은 지금과 같은 온디맨드(on-demand)의 시대에 다소 변칙(anomaly)적인 이야기로 느껴집니다. 신약은 그 발견에서부터 FDA 승인까지 약 10-15년이라는 긴 시간이 걸리고, 총 개발비용으로는 평균적으로 약 26억 달러라는 천문학적인 비용이 필요합니다. 최근 코로나19 백신이 경이로운 속도로 개발된 과정에 견주어 보면, 이와 같이 신약 개발에 소요되는 시간은 더욱 더 길게만 느껴집니다.

어느덧 3년차로 접어든 코로나19는 임상시험이 진행되는 풍경도 바꾸어 놓았습니다. 분산(decentralized) 또는 가상(virtual) 임상시험으로의 변화의 필요성이 이곳저곳에서 들려오고 있는데요, 앞으로 임상시험과 신약 발견에서는 어떤 요소가 디지털화 될 수 있을까요?

임상시험에 도입되었던 초기 디지털 기술로는 EDC(Electronic Data Capture systems), eCOA(electronic Clinical Outcome Assessments), ePRO(electronic Patient Reported Outcomes)가 있습니다. EDC는 임상시험 문서들을 디지털 문서로 보관할 수 있게 하며, eCOA와 ePRO는 평가지와 설문지를 전자적으로 배포할 수 있도록 돕습니다. 그러나 이와 같은 기술은 전통적인 임상 시험의 방법을 벗어나지 않고, 그 안에서 활용될 수 있는 디지털 도구에 지나지 않습니다.

분산/가상 임상시험의 경우, 기존의 임상시험기관을 필요로 하지 않습니다. 지난 10년 동안 이를 실현하기 위해 여러 번의 시도가 있었지만 등록률(enrollment)과 참여률(engagement)이 저조하여 성과가 그리 좋지 못했습니다. 그러다가 2017년 Science37과 AOBiome의 파트너십, 2019년 얀센(Janssen)과 PRA Health Sciences의 파트너십을 통해 성공을 거두기 시작했습니다.

더 최근에는 전통적인 임상시험에 디지털 헬스 솔루션을 융합하고, 임상시험을 분산화(decentralization) 하려는 시도가 가속화되고 있습니다. 주로 스타트업에서 이러한 혁신이 나타나고 있는데, 미국에서는 2016년부터 연간 3 억 달러 이상의 자본 투자가 지속적으로 이루어지고 있습니다. 2016년 한 해 약 4억 달러의 투자가 있었던 것과 비교하면, 2020년에는 Q3까지 약 7.87 억 달러의 투자가 있었으니 임상시험 솔루션과 관련된 투자는 뚜렷한 상승세를 보이고 있습니다.

이는 몇 개의 규모가 큰 라운드의 투자 때문인데요, 전체적인 투자 건수가 늘었다기 보다는 개별적인 투자 규모가 커진 이유 탓입니다. 코로나19가 성장 동력으로 작용하면서 분산형 임상이 주목을 받았습니다. 2020년 Q3 동안 규모가 가장 컸던 순으로 투자 라운드를 살펴보면 ConcertAI ($150M), Verana Health ($100M), Aetion ($82M), THREAD ($50M)가 있습니다.

그동안 미국 FDA는 임상시험에 대한 디지털 헬스 솔루션 도입에 박차를 가하도록 정책적인 변화를 주었습니다. 규제 승인과 관련하여 데이터의 상호운용성(interoperability)와 실사용증거(Real World Evidence)를 뒷받침하는 ‘21st Century Cures Act’를 2016년 12월 13일 제정하였으며, 2020년 9월에는 디지털 헬스 기술의 활용을 증진시키려는 목적으로 FDA 내의 디지털 헬스케어 전담 부서 ‘Digital Health Unit’을 ‘Digital Health Center of Excellence’로 승격시켰습니다.

임상시험에서의 디지털 헬스케어 기술 활용은 1) 준비단계(study set-up), 2) 시작단계(activation), 3) 평가단계(evaluation)로 나누어 살펴볼 수 있습니다. 대부분의 스타트업들은 하나의 단계에 솔루션을 적용하는 것에 집중하고 있습니다. 더 나아가 4) End-to-end 솔루션을 제공하는 기업들도 있습니다.

1) 준비단계(Study set-up): 임상시험을 계획하는 단계를 타겟팅 하는데, 이는 프로토콜의 개발에서부터 임상시험 장소 선정과 구체적인 준비과정을 포함합니다. 기존 제약사, Medtech, CRO 업체가 프로토콜 디자인에 정통하기는 하지만, 좀 더 ‘환자 중심적인(patient-centered)’ 임상시험을 위한 솔루션에 대한 필요가 존재합니다.

• 예를 들면 Transparency Life Sciences는 환자와 보호자, 전문 의료인의 의견을 크라우스 소싱하는 솔루션을 제공하고 있으며,
• TriNetX는 프로토콜의 기준에 맞는 환자의 지역에 맞추어 위치 기반의 임상시험 장소 선정 솔루션을 제공합니다.
• TrialSpark는 빅데이터 분석을 통해 임상시험 참가자가 있을 확률이 높은 지역을 찾아줍니다. 몇몇 회사들은 장소 선정에 앞서 연구자들과 직원들의 효율성을 높여주는 것에 집중하고 있습니다.

2) 시작단계(Activation): 임상시험 참가자 발견(identify), 선별(screen), 등록(enroll)에 드는 시간을 줄여주는 제품이 해당됩니다. 임상시험 장소의 3분의 2 이상이 초기의 참가자 모집에 실패하며, 등록(recruitment)에만 미국 제약사의 임상시험 총 예산의 대략 40%가 소요됩니다. 많은 솔루션들이 알고리즘, 인공지능(AI), 자연어처리(NLP) 기술을 활용하지만 접근방법은 다양하게 존재합니다.

• Deep6AI, Mendel.AI는 NLP 기술을 이용해 환자의 의료 기록에 기반해 임상시험을 매칭해주는 솔루션을 제공합니다.
• Reify는 실시간으로 인사이트를 제공하고 효율적인 참가자 모집이 가능하도록 하는 플랫폼을 개발하고 있습니다.
• DrugViu는 다양한 임상시험 참가자 모집이 가능해지도록 소수자(minority) 커뮤니티에 집중하여 환자 데이터의 수집과 비식별화(de-identification) 기술을 개발하고 있습니다.

3) 평가단계(Evaluation): 결과(outcomes)와 관련된 환자 데이터를 수집하고 관리하는 능동적(active)/수동적(passive) 솔루션을 포함합니다. 능동적(active) 데이터 수집의 경우 EDC(전자자료수집 통합 플랫폼), eCOA(전자 임상 결과 평가 솔루션), ePROs를 포함하는 개념입니다. Clincapture, uMotif가 데이터 포착(capture) 플랫폼에 해당됩니다. 수동적(passive) 데이터 수집 솔루션이 최근 더 주목을 받고 있는데, 핸드폰의 센서나 다양한 바이오센서를 활용합니다.

• 스마트폰 카메라를 통해 약을 복용하는 모습을 인식하거나 (AiCure)
• 집 안에서의 움직임을 추적하며 (Emerald)
• 핸드폰 사용량 변화를 통해 컨디션 변화를 분석하기도 합니다. 예를 들면 nQmedical은 뇌의 퇴행성 변화를 평가하기 위해 타이핑과 터치 스크린의 운동학적(kinematics) 데이터를 이용합니다.

4) End-to-end: 분산/가상 임상을 촉진하거나 다양한 단계를 포함하는 임상시험 솔루션이 여기에 해당됩니다. Evidation, Medable, Science 37, THREAD는 end-to-end 솔루션을 제공하는 대표적인 기업들입니다.

• Evidation은 당사의 환우회 Achievement와 디지털 플랫폼을 레버리지하여 분산/원격 임상을 시행하는데, 오마다 헬스(Omada Health)의 만성질환 관리 프로그램과 관련된 최근의 연구에서 이를 활용하였습니다.
• 위의 기업들은 모두 제약사 또는 CRO 업체와 활발하게 파트너십을 체결하고 있습니다. Medable은 LabCorp와, Science 37은 Boehringer Ingelheim과 Novartis, THREAD는 Novartis와 파트너십을 맺었습니다.

임상시험에서의 디지털 트랜스포메이션은 이미 진행되고 있습니다. 기존의 것을 좀 더 효율적으로 만드는 것보다, 아예 새로운 방식으로 만드는 기술이 활용되고 있습니다. 아래와 같은 솔루션들이 해당됩니다.

임상시험이 시작 전에 그 성공 가능성을 계산하는 솔루션

• Intelligenca.AI는 AI를 활용해 성공 가능성을 계산하며
• GNS Healthcare는 AI 기반으로 “인실리코(in silico)” 환자를 생성해내어 주어진 임상시험 환경에서 어떤 환자가 가장 적합할지 특징을 잡아냅니다.

전통적인 임상시험에서의 대조군을 '합성 대조군' 또는 '디지털 트윈'으로 대체하는 솔루션

• 전통적으로는 무작위 임상시험에서 대조군은 중재군과의 비교를 위해 위약(placebo)을 투여받거나 standard-of-care로 여겨지는 기존 치료를 받았습니다. 그러나 중재군은 암이나 희귀질환 임상시험에서 제한적인 효과성을 나타내기 때문에 윤리적인 문제를 포함하고 있습니다. 이를 대체하기 위해 과거의 데이터나 실사용증거(RWE)를 기반으로 합성(synthetic) 대조군을 활용할 수 있습니다.
• UnlearnAI라는 스타트업에서는 DiGenesis라는 머신러닝 플랫폼을 활용하여 '디지털 트윈'을 만들어냅니다. 이는 환자가 만약 위약을 투여받았더라면 어떤 결과가 있었을지에 대해 컴퓨터로 생성한 포괄적이고(comprehensive), 종단적인(longitudinal) 임상 기록 데이터를 의미합니다.

규제 승인을 위한 RWD, RWE의 적극적인 활용

• RWD(Real-World Data), RWE(Real-World Evidence)는 무작위 임상시험의 테두리를 벗어난 일상적인 임상 치료 과정에서 생성됩니다. 21st Century Cures Act는 규제 승인과 관련하여 RWD, RWE의 중요성을 강조하고 있습니다.
• 2018년 Roche에 의해 190만 달러에 인수된 Flatiron Health는 종양학(Oncology)에 대한 RWE 플랫폼을 제공하며 FDA, NICE와 파트너십을 맺었습니다.
• RWD를 활용하는 다른 기업으로는 후기 단계의 R&D를 지원하는 ConcertAI, Aetion이 있습니다. 코로나19로 인해 RWE의 활용과 RWD의 수집이 가속될 것으로 전망됩니다.

수많은 시간과 비용이 들어감에도 불구하고 임상 3상의 50%는 실패합니다. 그러나 발전된 분석법과 알고리즘을 활용하면 미리 실패할 임상시험을 골라내고, 실패 확률을 줄일 수 있습니다.

• 영국 기반의 스타트업 Healx는 희귀 질환에 집중하며, Netramark는 Ai를 활용해 임상시험에 적합한 특정 아집단(subpopulation)이나 대체 적응증을 발견하는 솔루션을 제공합니다.

[원문 링크] Rock Health: Next-gen digital health innovation in clinical trials