• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 생활/문화
  • 인사•부음
  • 글로벌뉴스
국감2025
인공지능
양자컴퓨팅
IT'sight
칼럼•연재
포토•영상

ZDNet 검색 페이지

'임상시험 데이터'통합검색 결과 입니다. (5건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

임상시험 지연 하루 50만 달러 손실…AI, '데이터 뉴노멀' 시대 해법 제시

인공지능(AI)이 데이터 뉴노멀 시대에 복잡해지는 임상시험 문제 해결을 위한 열쇠로 떠오르고 있다. 신약 개발 과정에서 임상시험은 필수 단계지만, 오랜 시간과 막대한 비용이 투입되는 병목 구간이기도 하다. 복잡한 데이터 관리와 변수로 인한 임상 지연, 프로토콜 변경 등이 초래하는 비용 손실은 제약업계 전반의 공통 과제다. R&D 지출은 증가하고 있지만 신약 승인 건수는 이에 비례하지 않는다. 이에 따라 임상시험에 인공지능(AI)을 통합하는 전략이 업계 경쟁력 확보의 핵심으로 부상하고 있다. 미국 바이오 전문 매체 피어스바이오테크(Fierce Biotech)에 따르면 임상시험 지연은 하루 약 4만 달러의 비용과 50만 달러의 매출 손실을 초래하는 것으로 나타났다. 반면 임상시험은 다양한 출처의 디지털 데이터가 폭발적으로 증가하면서 점차 복잡해져 '데이터 뉴노멀(new data normal)' 시대에 진입했다. 터프츠대학 의약품 개발연구센터(Tufts CSDD)에 따르면, 3상 임상시험에서 수집되는 데이터 포인트는 평균 360만 건으로 20년 전 대비 7배 이상 늘어났다. 임상시험 분산화 확산으로 평가 변수와 절차는 더욱 복잡해지고 혁신적 시험 설계도 증가해 데이터량도 계속 늘고 있다. 이런 환경에서 AI는 임상시험 설계 기간을 평균 73일 단축하는 잠재력을 보여주고 있다. 글로벌 컨설팅 기업 맥킨지(McKinsey & Company)는 AI 도입이 개발 자산당 평균 6개월의 개발 기간을 줄일 수 있다고 분석, 환자들이 혁신 치료제에 더 빠르게 접근할 수 있을 것으로 전망했다. 메디데이터(Medidata)는 '임상시험에서의 AI 현황과 미래(The State of AI in Clinical Trials: Today and Tomorrow)' 보고서를 통해 AI가 임상 개발 환경을 어떻게 재편하고 있는지를 분석했다. 보고서는 ISR Market Research와 공동으로 전 세계 200명 이상의 임상 연구 전문가를 대상으로 AI 도입 현황과 효과, 미래 전망에 대한 설문을 진행한 결과를 담고 있다. 조사에 따르면 응답자의 56%는 조직이 이미 AI를 도입했다고 답했으며, 37%는 적극적인 활용 가능성을 평가 중이라고 밝혔다. 반면 향후 12개월 내 AI 활용 계획이 전혀 없다고 답한 비율은 7%에 불과해 업계 전반이 빠르게 AI 전환에 나서고 있음을 보여준다. AI를 사용하는 대다수의 조직이 실제로 혜택을 보고 있다고 밝혔다. AI 사용자 중 73%는 AI 도입이 기대에 부합하거나 그 이상이라고 답했다. 이러한 만족도는 눈에 보이는 성과에서 비롯된다. 사용자 중 70%는 데이터 정확도가 개선됐다고 답했으며, 61%는 데이터 수집 과정이 간소화됐다고 응답했다. 또 AI가 임상시험을 '보통' 또는 '큰 폭'으로 개선했다고 답했고, 특히 효과가 컸던 분야로는 ▲임상시험 결과보고서(CSR) 작성(73%) ▲이상값 및 이상 징후 탐지(70%) ▲시험기관 타당성 평가 및 선정(69%) ▲데이터 수집 및 품질관리(68%) ▲환자군 및 코호트 식별(68%) ▲개인 맞춤형 환자 커뮤니케이션 및 챗봇(66%)이 꼽혔다. 이는 향후 12개월 내 AI 도입 확대가 가장 기대되는 분야와도 크게 겹치는 것으로 나타났다. 다양한 분석을 통해 임상시험에서 AI는 더 이상 선택이 아닌, 비용 통제, 지연 최소화, 경쟁력 유지를 위한 핵심 요소로 자리 잡고 있다. 임상시험 전 과정에서 가시적인 성과를 만들어내며, 속도·비용·품질 측면에서 실질적인 개선 효과를 입증하고 있다. 또 AI 기반 모델링과 시뮬레이션은 다양한 임상 시나리오를 가상 검증함으로써 불필요한 프로토콜 수정 빈도를 줄이고, 평균 6개월의 개발 기간을 단축하며 성공 확률을 높이고 있다. 시험기관 운영 측면에서도 AI 자동화의 효과가 뚜렷하다. AI 계약 검토 및 결제 자동화 기능을 통해 협상·지급 프로세스를 최대 50% 단축하고, TrialGPT와 같은 환자 매칭 툴을 활용해 스크리닝 시간을 40% 줄였다. AI를 활용한 고효율 시험기관 식별률은 30~50% 향상되고, 환자 등록 속도는 10~15% 빨라진 것으로 나타났다. 이외에도 AI 기반 챗봇과 맞춤형 메시징 시스템은 환자 참여 유지율을 높이고 이탈 위험 환자를 조기에 식별·관리하며, 대규모 언어모델(LLM) 기반 스크리닝은 최대 42%의 시간 단축과 불필요한 탈락 감소를 이끌고, 다국어 지원과 개인 맞춤 커뮤니케이션으로 환자 신뢰와 참여도를 높인다. 메디데이터의 아시아·태평양 지역 마케팅 총괄 김혜지 상무는 “AI는 단순한 효율성 향상을 넘어, 임상시험 운영 전반에서 속도·품질·비용의 혁신을 이끌고 있다. 조기에 AI를 도입한 기업들은 확보한 시간과 비용 절감 효과를 후속 연구에 재투자하며 선순환 구조를 만들고 있고, 이는 곧 시장에서의 경쟁 우위로 이어지고 있다”며 “메디데이터는 AI를 단일 솔루션이 아닌 임상시험 전 과정을 뒷받침하는 플랫폼 전략이자 철학으로 보고 있다. 임상시험 기간 단축, 데이터 정확성 개선, 수백만 달러 규모의 비용 절감 등 효과는 이미 수치로 입증되고 있으며, 이를 통해 환자들이 혁신 치료제에 더 빠르게 접근할 수 있도록 지원할 것”이라고 강조했다. 한편 메디데이터는 AI를 적극 활용해 임상시험 전 과정에서 혁신적인 대안을 제시하고 있다. 25년간 전 세계 3만 6천 건 이상의 임상시험을 지원하며, 1100만 명 이상의 환자 데이터를 축적, 업계 최대 규모의 데이터베이스를 보유하고 있다. 이를 토대로 임상시험 설계, 환자 모집, 데이터 관리, 규제 제출까지 임상시험 전 주기(end-to-end)를 아우르는 통합 솔루션을 제공하고 있다. 특히 2024년 미국 FDA에서 승인된 신약 가운데 72%, 그리고 2015년 이후 전체 승인 사례의 62%가 메디데이터의 기술을 활용했다.

2025.11.02 17:18조민규

POSTECH, AI 활용한 혈당 예측 기술로 '상용화위한 임상 준비중'

혈당을 정확하게 예측하고, 심지어 저혈당 위험까지 감지할 수 있는 '똑똑한' 인고지능(AI) 기술이 개발됐다. 조만간 임상시험에도 들어갈 예정이어서, 중증 당뇨환자 혈당 관리가 한결 수월해질 것으로 전망됐다. POSTECH(포스텍)은 IT융합공학과·기계공학과·전자전기공학과·융합대학원 박성민 교수, 황민주 석사 연구팀이 누구나 쉽게 혈당을 관리할 수 있는 'DA-CMTL(Domain-Agnostic Continual Multi-Task Learning)'이라는 인공지능 모델을 개발했다고 21일 밝혔다. 연구결과는 국제 학술지 '네이처' 파트널(Nature)' 파트널 저널인 '엔피제이 디지털 메딕신(npj Digital Medicine)'에 최근 게재됐다. 이 모델은 환자들이 팔에 붙이는 '연속혈당측정기(CGM1))'에서 5분마다 기록되는 혈당 수치와 인슐린 주입 데이터 학습을 통해 혈당 변화를 예측하고, 동시에 저혈당 발생 가능성까지 계산한다. 황민주 연구원(제1저자)은 "기존대비 혈당 측정 정확도가 1.5배 개선됐다"며 "현재 박성민 지도교수가 창업한 큐어스트림과 공동으로 상용화를 위한 임상시험을 준비중"이라고 말했다. 연구팀은 세 가지 기술을 결합해 성능을 높였다. 첫째, '지속 학습(Continual Learning)'을 통해 환자마다 다른 데이터를 차례대로 학습해도 안정적인 성능을 유지하도록 했다. 이어 '다중 작업 학습(Multi-Task Learning)' 방법을 적용해 혈당 예측과 저혈당 감지를 동시에 수행하는 통합 구조를 구현했다. 세 번째는, 가상 환경에서 학습한 지식이 실제 환자 데이터에서도 효과를 내도록 '가상-현실 전이(Sim2Real Transfer)' 기법을 더했다. 실험 결과, 이 모델은 혈당 예측 정확도를 나타내는 RMSE(평균제곱근오차)에서 14.01mg/dL를 기록했다. 기존 모델보다 5.12mg/dL 더 정확한 성능을 보였다. 이는 기존대비 1.5배 가량 더 정확하다는 것을 의미한다. 또한, 연구팀은 전임상 실험을 넘어 실제 실시간 인공췌장 시스템에서도 뚜렷한 개선 효과를 나타내, 의료 현장 적용 가능성까지 확인됐다. POSTECH 박성민 교수는 “이번 연구로 차세대 인공췌장 기술로 발전할 수 있는 토대를 마련했다”며, “이를 통해 당뇨 환자의 치료 방식과 삶의 질을 획기적으로 개선할 수 있기를 기대한다”고 말했다. 연구는 한국연구재단 중견사업, 과학기술정보통신부 IP스타과학자 사업, 과학기술정보통신부 및 정보통신기획평가원의 인공지능핵심고급인재양성 사업 등의 지원을 받아 수행됐다.

2025.10.21 09:34박희범

그린리본, 데이터 분석 특허 확보… 임상시험 실패율 80% 줄일 열쇠

그린리본은 임상시험 데이터 분석 솔루션 '그린스카우트'(GreenScout)에 적용되는 환경변수 컨트롤 및 의료비 기반 진단코드 예측 시스템에 대해 특허를 취득했다고 21일 밝혔다. 그린리본은 2021년 보험·헬스데이터 기반 인슈어테크 서비스 '라이프캐치'(LifeCatch)로 출발해 현재 220만명 이상의 가입자 데이터를 보유하고 있다. 이 데이터를 기반으로 제약사와 연구기관을 위한 임상시험 리크루팅 및 분석 솔루션 '그린스카우트'를 선보이며, 글로벌 제약사와 국내 바이오텍을 대상으로 사업을 확장하고 있다. 이번 특허 기술은 임상시험 데이터 분석 과정에서 발생하는 다차원적 환경변수와 의료비 지출 패턴을 교차 검증해, 환자군 분류와 진단코드 예측의 정확도를 높이는 독자적 알고리즘이다. 이를 통해 단순 환자 모집 방식에서 벗어나 실데이터 기반의 지능형 프리스크리닝 체계를 구현한 점이 높은 평가를 받았다. 기술의 효과를 보면 기존 연구 실시기관 중심 방식으로는 환자 10명 모집에 평균 140일 이상이 소요됐지만, 그린스카우트를 적용한 글로벌 제약사의 자가면역질환 임상시험에서는 14일 만에 동일한 규모를 모집, 기존 대비 10배 이상 빠른 속도를 달성했다. 이 성과는 임상시험 진입 기간을 획기적으로 단축하며, 신약 개발 과정의 효율성을 크게 높였다는 점에서 의미가 크다. 김규리 그린리본 대표는 “임상시험의 실패율은 80% 이상이 환자 모집 실패와 데이터 신뢰성 부족에서 비롯된다”며 “이번 특허는 그린리본이 이 문제를 근본적으로 해결할 수 있는 기술력을 확보했다는 의미가 있다”고 강조했다. 이어 “앞으로도 AI와 실데이터 기반 혁신을 통해 글로벌 임상시험 시장에서 한국 제약바이오 산업의 경쟁력을 높이고, 고객사와 함께 신약 개발 성공에 기여하겠다”고 밝혔다. 그린리본의 그린스카우트는 전국 단위의 실손·보험 청구 데이터, 진료 패턴, 복약 순응도 데이터를 활용해 환자 모집과 임상시험 설계를 지원한다. 이를 통해 제약사와 연구기관은 모집 효율성을 극대화하고, 임상시험의 기간과 비용 절감에 도움을 주고 있다.

2025.08.21 16:17조민규

신약 1개 개발 비용 3조1천원…글로벌 임상시험 기준도 변해

신약개발 임상시험에서 품질·효율성은 당연한 것이 됐다. 글로벌 임상시험 규정이 '품질 설계', '환자 중심' 등으로 운영 철학 바뀌고 있기 때문이다. 글로벌 회계·컨설팅 기업 딜로이트가 20개 글로벌 제약회사를 대상으로 제약 혁신 수익률 측정을 분석한 연례보고서에 따르면, 2024년 1개의 신약을 개발하는 데 드는 평균 비용은 약 22억3천만 달러(약 3조1천600억원)으로 나타났다. 이는 전년(2023년 21억2천만 달러) 대비 약 5.1% 증가한 수치이며, 10년 전(2015년 15억1천300만 달러) 대비 약 47% 증가한 수치이다. 신약개발 비용이 증가하는 이유는 암·알츠하이머 등 복잡한 생물학적 기전을 가진 질환 치료제 개발과 정밀의료 발전 등으로 임상시험의 난이도가 증가하는 반면, 중도 실패율은 높아졌고, 3상 시험을 포함해 전체 개발 주기가 매년 지속적으로 증가하기 때문이다. 여기에 인플레이션, 세금/관세, 인건비 증가와 같은 거시경제의 변화 등 복합적인 요인에 기인한 것으로 분석된다. 임상시험에 투자되는 시간도 상당하다. 딜로이트의 이밸류에이트파마(evaluate Pharma) 데이터 분석에 따르면, 2024년 기준으로 임상시험 1상부터 허가 신청까지 걸린 시간은 100개월을 초과했으며, 특히 지난 5년간 3상 임상시험 기간은 12% 증가했다. 임상시험 기간이 늘어나면 결과적으로 비용이 상승하고 신약 출시가 지연된다. 신약개발 임상시험 환경 변화에 따라 글로벌 가이드라인도 바뀌었다. 올해 1월 국제의약품규제조화위원회(ICH)는 임상시험 우수관리기준(GCP) 가이드라인을 개정하며 보다 신뢰할 수 있고 효율적이며 윤리적인 임상시험 환경 구축을 강조했다. ICH는 임상시험 참여자 보호를 강화하고 임상시험 품질을 개선하기 위해 1996년 GCP 가이드라인을 최초 제정했으며, 이후 2016년 ICH E6(R2)를 내놨다. 그러나 R2 버전은 COVID-19 팬데믹 이후 등장한 분산형 임상시험, 전자동의서, 원격 모니터링 등 새로운 임상시험 방식을 충분히 적용하기 어려웠다. 이에 변화한 환경에 맞춰 GCP의 틀을 재구성했으며, 약 9년만인 올해 1월 임상시험의 설계와 운영에 있어 품질 중심의 접근방식을 강화한 세 번째 개정안인 ICH E6(R3)를 최종 채택, 오는 7월에 공식 발표할 예정이다. ICH E6(R3) 개정안은 기존의 E6(R2) 대비 ▲임상시험 전 주기에서 설계 기반 품질 고도화(QbD) 강화 ▲디지털 기술 기반의 분산형 임상시험(DCT) 환경 공식 반영 ▲환자 중심 접근방식 강화 등을 내용으로 한다. 구체적으로 품질 관리 측면에서 기존의 '위험 기반 모니터링'(RBM)을 넘어 '위험 기반 품질관리'(RBQM) 개념을 새롭게 도입했다. 이는 임상시험의 설계부터 운영, 모니터링, 데이터 분석까지 전 과정에 걸쳐 통합적인 품질 관리를 강조하는 접근법으로, 특히 시험 초기 단계부터 환자의 안전과 데이터의 신뢰성을 확보하기 위해 '핵심 품질 요인'(CTQ)에 따라 품질 계획을 수립하고, 진행 중에는 사전에 설정한 '품질 허용 한계'(QTL)를 초과하는 경우 즉각적인 조치를 취하도록 요구한다. 이를 통해 데이터 수집, 환자 안전 등에 영향을 미칠 수 있는 주요 위험 요소를 사전에 식별하고, 리스크가 높은 영역에 자원을 집중하여 모니터링함으로써 위험 발생 가능성을 낮추는 예방적 조치를 취하거나 프로세스 개선을 수행할 수 있다. 결과적으로 임상시험에서 불필요한 자원 낭비를 줄이는 동시에 환자 안전성과 데이터 무결성을 확보할 수 있어 임상시험의 효율성과 신뢰성을 크게 높일 수 있을 것으로 보인다. 디지털 전환 측면에서는 팬데믹 이후 가속화된 원격 모니터링, 전자동의(eConsent), 웨어러블 기기 기반 데이터 수집 등 디지털 기반의 분산형 임상시험(DCT) 환경을 적극 반영해 다양한 임상시험 환경 속에서 유연하고 효율적인 접근이 가능하도록 했다. 또 분산형 환경에서 발생 가능한 시스템 간 데이터 호환성, 데이터 무결성, 보안 이슈에 대한 관리 기준을 구체화했는데, 데이터는 생성부터 보관, 파기까지 무결성(데이터가 조작되지 않고, 환자 기록이 정확히 반영되고, 절차대로 시험이 진행되는 것)이 확보될 수 있도록 생애주기 전체를 관리해야 하며, 개인정보 보호 기준도 강화됐다. 환자 중심 운영도 강조했다. 환자를 지칭하는 용어가 기존의 'subject'(시험 대상자)에서 'participant'(시험 참가자)로 변경해 참가자의 능동적 참여와 권리를 강조하는 방향으로 전환했고, 기존 문서 서명 중심의 임상시험 동의를 환자(참여자)가 충분히 이해한 후 자발적으로 동의할 수 있도록 권고하고, 다양한 정보 제공 방식(이미지, 영상 등 포함)과 전자동의서 같은 디지털 도구 활용을 통해 참여자의 부담을 줄이고 접근성은 높이도록 했다. 또 개인정보 보호와 결과 공유 등도 강화되어 환자의 경험과 편의성을 고려한 임상시험 설계를 장려한다. 메디데이터의 아시아·태평양 지역 마케팅 총괄 김혜지 상무는 “ICH E6(R3)는 일반적인 규정 개정이 아닌, 임상시험을 바라보는 사고방식의 전환”이라며 “단순한 절차 준수를 넘어, 환자 중심성과 데이터 신뢰성을 기반으로 임상시험을 설계하고 운영하는 것이 핵심이다. 특히 설계 기반 품질 고도화와 위험기반 품질관리 개념은 임상시험의 전 과정에서 선제적이고 전략적인 품질 관리를 요구하며, 디지털 기술은 이러한 변화에 대응할 수 있는 가장 강력한 수단이다”라고 강조했다. 또 “이번 버전은 디지털 기술도 적극 수용하고 있어, 전자동의서(eConsent), 원격 모니터링, 전자 데이터 수집 시스템 등은 R3의 철학 구현에 핵심적인 도구로 자리 잡고 있다. 디지털 전환은 이제 임상시험의 품질과 효율성을 확보하기 위한 전략적 필수 요소이다"라고 설명했다. 한편 매년 5월 20일은 세계 임상시험의 날로, 영국 해군 군의관 제임스 린드(James Lind)가 괴혈병 치료를 위해 항해 중 선원들을 대상으로 1747년 5월20일에 최초의 근대적 임상시험 실시한 것을 기념해 지정됐다.

2025.05.20 06:00조민규

성공적인 신약개발, 환자 경험 넘어 데이터 기반 AI 접목해 혁신 도모

메디데이터는 '성공적인 신약개발을 위한 도약: 환자 경험을 넘어 데이터 기반 AI까지'를 주제로 한 넥스트 서울(NEXT SEOUL) 2024 컨퍼런스를 4일 개최했다. 이번 컨퍼런스에서는 제약바이오기업, 임상수탁기관(CRO) 등 신약개발 R&D와 임상시험 운영 및 데이터 관리, 디지털 헬스케어 분야의 국내외 전문가들이 연사로 참여해 분산형 임상시험 및 인공지능(AI) 등 새로운 기술을 통한 효율적인 임상시험 운영 방안 등에 대해 모색하는 자리를 가졌다. '임상시험 혁신을 위한 새로운 패러다임'을 주제로 기조연설에 나선 메디데이터 글로벌 CEO 안쏘니 코스텔로(Anthony Costello)는 “임상시험 변혁을 위해서는 점진적인 혁신과 단순한 참여를 넘어 환자를 평생 파트너로 삼고 더 큰 통찰력을 제공하는 데이터를 포괄해 보다 전체적인 접근 방식이 필요하다”지적했다. 안쏘니 코스텔로 CEO는 “제약바이오산업이 전반적으로 경험 위주로 초점이 옮겨가고 있으며, 여러 제품에 걸쳐 제공되는 경험은 환자, 임상기관, 제약사 등이 임상을 설계하는 데 많은 영향을 준다”라며 “미래의 임상연구는 환자와 의약품에 대한 생각 방식을 바꿔 새로운 패러다임으로 옮겨가야 한다”고 강조했다. 이어 “가장 먼저 바꿔야 할 것은 한명의 환자를 단편적으로 임상에 등록하고 종료시 환자와의 관계도 종료되는 것에서 벗어나야 한다”며 “환자의 전 생애주기에 걸쳐 관계를 유지하면 웨어러블, 임상데이터 등 고도화된 데이터를 수집할 수 있게 되면, 환자가 특정 의약품에 어떻게 반응하는지 더욱 심도 있는 데이터를 수집하고 파악하면서 의약품에 대한 반응 이해도도 높아질 것”이라고 말했다. 또 “임상시험의 변혁을 위해서는 점진적인 혁신과 단순한 참여를 넘어, 환자를 평생 파트너로 삼고, 더 큰 통찰력을 제공하는 데이터를 포함해 보다 전체적인 접근 방식이 필요하다”라며 “메디데이터는 환자의 다양성, 의료데이터의 원활한 연계, 다중 소스 데이터 수집 및 AI기반 통찰력을 포함하는 새로운 통합 솔루션을 개발해 시험과정을 가속화 할 수 있는 임상기술의 새로운 혁신을 추진하고 있다”라고 말했다. 이어 셀트리온 데이터사이언스연구소 데이터관리본부장 이영철 상무는 기술의 발전으로 변화하고 있는 최근 임상시험 수행 방식을 소개하고, 향후 AI 기술이 불러올 임상시험의 변화에 대해 발표했다. 또 차의과대학교 약학과 조혜영 교수는 한국형 분산형 임상시험 도입과 관련한 정책 및 제도 현황에 대해 공유하며, 우리나라도 협의체 구성을 시작으로 시범사업 도입 및 가이드라인을 통한 제도적 정비를 진행 중이라고 전했다. 이날 메디데이터의 최신 디지털 기술 활용 임상 동향 및 경험 사례를 공유하고, 메디데이터의 임상 솔루션을 직접 시뮬레이션 해보는 시간도 가졌다. 유재구 메디데이터코리아 지사장은 “(제약바이오에서) AI는 상당히 주목받는 분야로 관련 솔루션도 많이 출시돼 있다. 우리 제품의 경우 AI를 통해 실제 참여 환자 중심으로 분석해 정확한 환자수를 파악하고, 이를 통한 사이트 개설, 스터디 결정 등 정확한 예측으로 임상시험을 최적화할 수 있다”고 말했다. 이어 “정부도 제약바이오가 미래라는 이야기를 많이 하는데 투자 등은 많이 따라 오지 않는 듯하다. 삼성 매출이 67조원인데 애브비의 경우 휴미라 하나로 20조원의 매출을 달성하고 있다”라며 “우리도 임상경험, 병원, 의료진, 설비 등 인프라가 뛰어난 만큼, 메디데이터의 혁신적인 임상시험 솔루션을 통해 앞으로도 국내외 제약바이오기업 및 기관들의 성공적인 신약개발을 적극 지원할 것”이라고 밝혔다. 한편 2006년부터 시작된 '메디데이터 넥스트(NEXT) 컨퍼런스'는 미국, 유럽, 한국, 중국, 일본 등 세계 각국에서 매년 개최되고 있으며, 생명과학 분야 전문가들이 한자리에 모여 제약산업의 글로벌 경쟁력을 위한 신약개발 임상 최신 동향과 사례를 공유하는 자리다. 서울에서는 2014년 처음 시작돼 올해로 10주년을 맞이했다. 메디데이터는 이번 넥스트 서울 컨퍼런스를 통해 '메디데이터 CDS(Clinical Data Studio)'와 '메디데이터시뮬란트(Simulants) 솔루션을 공개했다. 메디데이터 CDS는 기존 임상시험 데이터를 비롯해 전자 의료 기록(EMR), 제3자 EDC(전자 데이터 수집) 데이터를 포함한 내‧외부 데이터를 모두 단일 저장소에 모아, 풍부하게 가공된 통합 데이터를 바탕으로 유효성 검사 및 모니터링 등을 지원하는 솔루션이다. 메디데이터의 통합 플랫폼을 기반으로 AI를 통해 데이터 처리, 통합, 표준화, 관리 및 사용 프로세스를 혁신적으로 간소화 및 가속화한다. 메디데이터 Simulants는 메디데이터가 보유한 3만 3천여 건, 1천만 명 이상 환자의 임상시험 데이터를 기반으로 생성형 AI를 활용해 개인정보를 보호하는 동시에 원본 데이터 소스의 속성과 패턴을 모방하는 합성 데이터를 생성하는 솔루션이다. 임상시험 개발자는 Simulants를 활용해 과거 임상시험 데이터에 포함된 중요한 인사이트를 확보하고, 신뢰도 높은 합성 데이터를 생성해, 임상시험 설계를 최적화할 수 있다. 메디데이터 넥스트 서울 2024의 발표 내용은 6월17일부터 21일까지 메디데이터 홈페이지에서 확인할 수 있다.

2024.06.04 16:56조민규

  Prev 1 Next  

지금 뜨는 기사

이시각 헤드라인

"메모리, 공급 자체가 병목화"…최태원 회장, '통 큰' 투자 결의

[SW키트] 에이전틱 AI 시대 개발자는 코드를 어떻게 관리할까

"미리 크리스마스"…2만 명 몰린 '더현대서울' 산타집 가보니

국회, 원화스테이블 코인 유통·과세체계 논의

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.