인공지능 기반 신약개발 플랫폼의 수용의도에 영향을 미치는 요인에 관한 연구 A Study on Factors Affecting the Intention to Adopt the Drug Discovery Platform Based on Artificial Intelligence원문보기
제약산업은 신약 연구개발에 오랜 기간과 막대한 비용을 투자하지만 높은 실패율에 따른 생산성 위기와 검증된 타겟에 대한 경쟁 심화, 글로벌 혁신 신약 개발 등 많은 과제를 안고 있다. 인공지능 기술은 4차 산업혁명을 주도하는 핵심 기술로 제약산업의 도전 과제를 해결할 새로운 패러다임으로 각광을 받고 있다. 해외에서는 수년 전부터 글로벌 제약사와 ...
제약산업은 신약 연구개발에 오랜 기간과 막대한 비용을 투자하지만 높은 실패율에 따른 생산성 위기와 검증된 타겟에 대한 경쟁 심화, 글로벌 혁신 신약 개발 등 많은 과제를 안고 있다. 인공지능 기술은 4차 산업혁명을 주도하는 핵심 기술로 제약산업의 도전 과제를 해결할 새로운 패러다임으로 각광을 받고 있다. 해외에서는 수년 전부터 글로벌 제약사와 인공지능 플랫폼 기업 간의 개별적인 협력을 넘어 정부 주도의 컨소시엄까지 활발하게 적용해왔고 다수의 약물이 임상시험 단계에서 효능과 안전성을 검증하는 단계에 이르렀다. 국내도 기업 간 신약 후보물질 발굴 공동 연구 방식의 협업 사례가 증가하고 있으나 신약개발 방법론으로 내재화하기 위한 인공지능 기반 신약개발(이하 AI신약개발) 플랫폼 도입에는 보수적인 자세로 관망하고 있는 상황이다. 그동안 AI신약개발 플랫폼의 기술적 완성도 측면에서 접근하는 연구가 대부분이고 플랫폼의 수용 및 확산에 관한 연구는 초기 단계라 관련 연구들이 부족한 실정이다. 이에 본 논문에서는 국내 제약사 및 신약 연구기관들이 AI신약개발 플랫폼을 채택 및 도입하는데 영향을 미치는 요인들과 구조적 관계를 검증하고 수용을 확산할 수 있는 시사점을 제시하고자 한다. 첫째, 신약개발 과업 특성과 AI신약개발 플랫폼의 정보품질 특성, 그리고 AI신약개발 플랫폼에 기대되는 위험관리 요인이 과업기술적합성, 신뢰, 지각된 가치에 미치는 영향을 규명하고자 한다. 둘째, 기술 적합 관점의 객관적 기능성 평가인 과업기술적합성과, 인간-기술과의 상호작용을 통한 인지적⦁정서적 평가인 신뢰가 지각된 가치와 수용의도에 미치는 영향을 알아보고자 한다. 셋째, AI신약개발 플랫폼 도입 및 채택 시 고려해야 할 차별적인 집단별 특성을 도출하고 조절효과를 확인하고자 한다. 문헌 연구 고찰을 통해서 신약개발 과업 특성과 AI신약개발 플랫폼의 정보품질 특성, 플랫폼에 기대하는 위험관리 요인을 독립변수로 범주화하고, 정보시스템 성공 모형과 과업기술적합(TTF) 이론, 가치기반수용모형(VAM), 신뢰이론을 토대로 연구모형을 설정하였다. 신약개발 관련 조직에 근무하면서 AI신약개발 플랫폼 도입 업무 경험이나, 교육을 통해 인공지능 기술의 이해도가 있는 응답자를 대상으로 온라인 설문조사를 통해 수집된 451부 중 378부의 유효 표본 데이터를 추출하여 실증분석을 진행하였다. 실증분석 결과, 조절효과를 제외한 23개 가설 중 17개 가설이 채택되고 6개 가설이 기각되었다. 과업기술적합성에는 신약개발 과업 특성인 약물 혁신성과 약물 유효성, 약리작용 설명가능성, 정보품질 특성인 정보 풍부성과 정보 정확성이 유의한 영향을 미쳤지만, 정보 전문성은 영향을 미치지 않았다. 신뢰에는 정보 정확성과 정보 전문성, 약물 유효성, 보안성이 유의한 영향을 미쳤지만 약리작용 설명가능성, 실패위험 감소는 영향을 미치지 않는 것으로 나타났다. 지각된 가치에는 약물 혁신성, 정보 정확성, 실패위험 감소가 유의하게 영향을 미쳤지만, 약물 유효성, 정보 풍부성, 보안성은 영향을 미치지 못하는 것으로 나타났다. 과업기술적합성과 신뢰는 지각된 가치, 수용의도에 유의한 영향을 미치는 것으로 확인되었다. 그리고, 다중그룹 간의 조절효과 분석에서는 혁신저항만 조절변수로서 유의한 영향을 미치는 것으로 나타났고 AI 리터러시, 경영층 지원은 조절변수로서 역할을 하지 못하는 것으로 나타났다. 본 논문은 개인화 차원을 넘어 조직 과업 수행 및 성과 차원에서 인공지능 제품 및 서비스에 대한 구성원의 태도와 행동 연구의 이론적 토대를 마련하였고, 기술 적합 관점의 객관적 기능성 평가와, 인간-기술 간 상호작용을 통한 인지적⦁정서적 평가를 균형있게 고려한 가치평가 참고모델을 제시한 점에서 의의가 있다. 정책적으로도 인공지능 활용 혁신신약 발굴 사업 확대와 함께 데이터 개방 및 공유, 알고리즘 고도화, 전문가 양성의 핵심 인프라 확대를 동시 추진이 필요하다. 또한 인공지능으로 발굴한 약물이 특허 및 지적재산권으로 인정받을 수 있도록 정책 및 법률적 발전 노력이 필요하다. 금번 연구를 통해 국내 제약업계에도 인공지능 기술의 접목을 통해 글로벌 제약 경쟁력을 강화하고 혁신 신약 개발을 촉진하는데 작은 보탬이 되었으면 하는 바람이며, 향후 다양한 영역에서 인공지능 기술을 연구하고 적용하는데 디딤돌이 되기를 기대한다.
제약산업은 신약 연구개발에 오랜 기간과 막대한 비용을 투자하지만 높은 실패율에 따른 생산성 위기와 검증된 타겟에 대한 경쟁 심화, 글로벌 혁신 신약 개발 등 많은 과제를 안고 있다. 인공지능 기술은 4차 산업혁명을 주도하는 핵심 기술로 제약산업의 도전 과제를 해결할 새로운 패러다임으로 각광을 받고 있다. 해외에서는 수년 전부터 글로벌 제약사와 인공지능 플랫폼 기업 간의 개별적인 협력을 넘어 정부 주도의 컨소시엄까지 활발하게 적용해왔고 다수의 약물이 임상시험 단계에서 효능과 안전성을 검증하는 단계에 이르렀다. 국내도 기업 간 신약 후보물질 발굴 공동 연구 방식의 협업 사례가 증가하고 있으나 신약개발 방법론으로 내재화하기 위한 인공지능 기반 신약개발(이하 AI신약개발) 플랫폼 도입에는 보수적인 자세로 관망하고 있는 상황이다. 그동안 AI신약개발 플랫폼의 기술적 완성도 측면에서 접근하는 연구가 대부분이고 플랫폼의 수용 및 확산에 관한 연구는 초기 단계라 관련 연구들이 부족한 실정이다. 이에 본 논문에서는 국내 제약사 및 신약 연구기관들이 AI신약개발 플랫폼을 채택 및 도입하는데 영향을 미치는 요인들과 구조적 관계를 검증하고 수용을 확산할 수 있는 시사점을 제시하고자 한다. 첫째, 신약개발 과업 특성과 AI신약개발 플랫폼의 정보품질 특성, 그리고 AI신약개발 플랫폼에 기대되는 위험관리 요인이 과업기술적합성, 신뢰, 지각된 가치에 미치는 영향을 규명하고자 한다. 둘째, 기술 적합 관점의 객관적 기능성 평가인 과업기술적합성과, 인간-기술과의 상호작용을 통한 인지적⦁정서적 평가인 신뢰가 지각된 가치와 수용의도에 미치는 영향을 알아보고자 한다. 셋째, AI신약개발 플랫폼 도입 및 채택 시 고려해야 할 차별적인 집단별 특성을 도출하고 조절효과를 확인하고자 한다. 문헌 연구 고찰을 통해서 신약개발 과업 특성과 AI신약개발 플랫폼의 정보품질 특성, 플랫폼에 기대하는 위험관리 요인을 독립변수로 범주화하고, 정보시스템 성공 모형과 과업기술적합(TTF) 이론, 가치기반수용모형(VAM), 신뢰이론을 토대로 연구모형을 설정하였다. 신약개발 관련 조직에 근무하면서 AI신약개발 플랫폼 도입 업무 경험이나, 교육을 통해 인공지능 기술의 이해도가 있는 응답자를 대상으로 온라인 설문조사를 통해 수집된 451부 중 378부의 유효 표본 데이터를 추출하여 실증분석을 진행하였다. 실증분석 결과, 조절효과를 제외한 23개 가설 중 17개 가설이 채택되고 6개 가설이 기각되었다. 과업기술적합성에는 신약개발 과업 특성인 약물 혁신성과 약물 유효성, 약리작용 설명가능성, 정보품질 특성인 정보 풍부성과 정보 정확성이 유의한 영향을 미쳤지만, 정보 전문성은 영향을 미치지 않았다. 신뢰에는 정보 정확성과 정보 전문성, 약물 유효성, 보안성이 유의한 영향을 미쳤지만 약리작용 설명가능성, 실패위험 감소는 영향을 미치지 않는 것으로 나타났다. 지각된 가치에는 약물 혁신성, 정보 정확성, 실패위험 감소가 유의하게 영향을 미쳤지만, 약물 유효성, 정보 풍부성, 보안성은 영향을 미치지 못하는 것으로 나타났다. 과업기술적합성과 신뢰는 지각된 가치, 수용의도에 유의한 영향을 미치는 것으로 확인되었다. 그리고, 다중그룹 간의 조절효과 분석에서는 혁신저항만 조절변수로서 유의한 영향을 미치는 것으로 나타났고 AI 리터러시, 경영층 지원은 조절변수로서 역할을 하지 못하는 것으로 나타났다. 본 논문은 개인화 차원을 넘어 조직 과업 수행 및 성과 차원에서 인공지능 제품 및 서비스에 대한 구성원의 태도와 행동 연구의 이론적 토대를 마련하였고, 기술 적합 관점의 객관적 기능성 평가와, 인간-기술 간 상호작용을 통한 인지적⦁정서적 평가를 균형있게 고려한 가치평가 참고모델을 제시한 점에서 의의가 있다. 정책적으로도 인공지능 활용 혁신신약 발굴 사업 확대와 함께 데이터 개방 및 공유, 알고리즘 고도화, 전문가 양성의 핵심 인프라 확대를 동시 추진이 필요하다. 또한 인공지능으로 발굴한 약물이 특허 및 지적재산권으로 인정받을 수 있도록 정책 및 법률적 발전 노력이 필요하다. 금번 연구를 통해 국내 제약업계에도 인공지능 기술의 접목을 통해 글로벌 제약 경쟁력을 강화하고 혁신 신약 개발을 촉진하는데 작은 보탬이 되었으면 하는 바람이며, 향후 다양한 영역에서 인공지능 기술을 연구하고 적용하는데 디딤돌이 되기를 기대한다.
The pharmaceutical industry has invested a large amount of money in new drug research and development (R&D) over a long period of time but faces many challenges, such as a productivity crisis caused by the high failure rate of drug development, intensified competition for proven targets, and the dev...
The pharmaceutical industry has invested a large amount of money in new drug research and development (R&D) over a long period of time but faces many challenges, such as a productivity crisis caused by the high failure rate of drug development, intensified competition for proven targets, and the development of globally innovative new drugs. Artificial intelligence (AI) is a core technology that leads the fourth industrial revolution, and is in the spotlight as a new paradigm to solve challenges in the pharmaceutical industry. In foreign countries, government-led consortiums as well as private collaborations between global pharmaceutical companies and AI platform companies have actively adopted AI platforms for new drug R&D for many years, and a number of drug candidates have reached the stage of clinical trials to test their efficacy and safety. In South Korea the number of collaboration projects among companies, such as joint research activities for discovering new drug candidates, is also increasing, but the local pharmaceutical industry is watching with a conservative attitude toward the introduction of AI-based drug discovery platforms for new drug research. Most studies regarding AI-based drug discovery platforms are related to technology readiness levels of the platforms. However, studies regarding the implementation of AI-based drug discovery platforms, which are at an early stage, are scarce. In this regard, the current study aimed to investigate the structural relationship between factors affecting the implementation of AI-based drug discovery platforms in domestic pharmaceutical companies and new drug research institutes, and to present the implications for the implementation of AI-based drug discovery platforms. The detailed objectives of this thesis were as follows: First it is to investigate the effects of drug discovery task and information quality characteristics and expected risk management factors for AI drug discovery platforms on task technology fit, trust, and perceived value; Second it is to investigate the effects of task technology fit (an objective function evaluation of technology fit), and trust (a cognitive/emotional evaluation through human-technology interactions) on perceived values and intention to adopt AI-based drug discovery platforms; Third it is to derive distinctive characteristics of each group that should be considered when implementing an AI-based drug discovery platform, and to investigate the moderating effects. Through a literature review, drug discovery task characteristics, information quality, and expected risk management factors for AI-based drug discovery platforms were categorized as independent variables. A research model was developed based on the Information System Success Model, Task Technology Fit (TTF) theory, Value-based Adoption Model (VAM), and Trust theory. An online survey was administered to individuals who were working at a drug development-related organization and had experience in introducing AI-based drug discovery platforms or had an understanding of AI technology through education. Valid data collected from 378 out of 451 completed questionnaires were analyzed using empirical analysis. Consequently, 17 out of 23 hypotheses (with moderating effects excluded) were supported, and six hypotheses were rejected. Drug Innovativeness, Drug Effectiveness, and the Explainability of Pharmacological Actions (the drug discovery task characteristics), and Information Richness and Information Accuracy (the information quality characteristics) were found to have significant effects on Task Technology Fit. Information Expertise was found to have no effect on task technology fit. Information Accuracy, Information Expertise, Drug Effectiveness, and Security were found to have significant effects on Trust, whereas the Explainability of Pharmacologic Actions and Reduced Risk of Drug Discovery Failure were found to have no effect on Trust. Drug Innovativeness, Information Accuracy, and Reduced Risk of Drug Discovery Failure were found to have significant effects on Perceived Value, whereas Drug Effectiveness, Information Richness, and Security were found to have no effect on Perceived Value. Task Technology Fit and Trust had significant effects on Perceived Value and The Intention to Adopt. Analyzing the moderating effects between the multiple groups indicated that only Innovation Resistance had a significant effect as a moderating variable, whereas AI Literacy and Management Support did not feature in this regard. This thesis is significant in that it provides a theoretical foundation for studies regarding the attitudes and behavior of employees toward AI products and services at the organizational and individual task performance levels. A value evaluation reference model that considers the objective function of technology fit and a cognitive/emotional evaluation through human-technology interactions is presented. From a policy perspective, it is necessary to expand core infrastructure for data openness and sharing, algorithm advancement, and expert training, and promote AI-based innovative drug discovery projects. Efforts should be directed towards related policy and legal development, so that patents and intellectual property rights can be granted to drugs discovered by AI. This thesis will strengthen global pharmaceutical competitiveness and facilitate the discovery and development of innovative new drugs by supporting the implementation of AI technology in the domestic pharmaceutical industry, and will serve as a conduit for the study and implementation of AI technology in various fields in the future.
The pharmaceutical industry has invested a large amount of money in new drug research and development (R&D) over a long period of time but faces many challenges, such as a productivity crisis caused by the high failure rate of drug development, intensified competition for proven targets, and the development of globally innovative new drugs. Artificial intelligence (AI) is a core technology that leads the fourth industrial revolution, and is in the spotlight as a new paradigm to solve challenges in the pharmaceutical industry. In foreign countries, government-led consortiums as well as private collaborations between global pharmaceutical companies and AI platform companies have actively adopted AI platforms for new drug R&D for many years, and a number of drug candidates have reached the stage of clinical trials to test their efficacy and safety. In South Korea the number of collaboration projects among companies, such as joint research activities for discovering new drug candidates, is also increasing, but the local pharmaceutical industry is watching with a conservative attitude toward the introduction of AI-based drug discovery platforms for new drug research. Most studies regarding AI-based drug discovery platforms are related to technology readiness levels of the platforms. However, studies regarding the implementation of AI-based drug discovery platforms, which are at an early stage, are scarce. In this regard, the current study aimed to investigate the structural relationship between factors affecting the implementation of AI-based drug discovery platforms in domestic pharmaceutical companies and new drug research institutes, and to present the implications for the implementation of AI-based drug discovery platforms. The detailed objectives of this thesis were as follows: First it is to investigate the effects of drug discovery task and information quality characteristics and expected risk management factors for AI drug discovery platforms on task technology fit, trust, and perceived value; Second it is to investigate the effects of task technology fit (an objective function evaluation of technology fit), and trust (a cognitive/emotional evaluation through human-technology interactions) on perceived values and intention to adopt AI-based drug discovery platforms; Third it is to derive distinctive characteristics of each group that should be considered when implementing an AI-based drug discovery platform, and to investigate the moderating effects. Through a literature review, drug discovery task characteristics, information quality, and expected risk management factors for AI-based drug discovery platforms were categorized as independent variables. A research model was developed based on the Information System Success Model, Task Technology Fit (TTF) theory, Value-based Adoption Model (VAM), and Trust theory. An online survey was administered to individuals who were working at a drug development-related organization and had experience in introducing AI-based drug discovery platforms or had an understanding of AI technology through education. Valid data collected from 378 out of 451 completed questionnaires were analyzed using empirical analysis. Consequently, 17 out of 23 hypotheses (with moderating effects excluded) were supported, and six hypotheses were rejected. Drug Innovativeness, Drug Effectiveness, and the Explainability of Pharmacological Actions (the drug discovery task characteristics), and Information Richness and Information Accuracy (the information quality characteristics) were found to have significant effects on Task Technology Fit. Information Expertise was found to have no effect on task technology fit. Information Accuracy, Information Expertise, Drug Effectiveness, and Security were found to have significant effects on Trust, whereas the Explainability of Pharmacologic Actions and Reduced Risk of Drug Discovery Failure were found to have no effect on Trust. Drug Innovativeness, Information Accuracy, and Reduced Risk of Drug Discovery Failure were found to have significant effects on Perceived Value, whereas Drug Effectiveness, Information Richness, and Security were found to have no effect on Perceived Value. Task Technology Fit and Trust had significant effects on Perceived Value and The Intention to Adopt. Analyzing the moderating effects between the multiple groups indicated that only Innovation Resistance had a significant effect as a moderating variable, whereas AI Literacy and Management Support did not feature in this regard. This thesis is significant in that it provides a theoretical foundation for studies regarding the attitudes and behavior of employees toward AI products and services at the organizational and individual task performance levels. A value evaluation reference model that considers the objective function of technology fit and a cognitive/emotional evaluation through human-technology interactions is presented. From a policy perspective, it is necessary to expand core infrastructure for data openness and sharing, algorithm advancement, and expert training, and promote AI-based innovative drug discovery projects. Efforts should be directed towards related policy and legal development, so that patents and intellectual property rights can be granted to drugs discovered by AI. This thesis will strengthen global pharmaceutical competitiveness and facilitate the discovery and development of innovative new drugs by supporting the implementation of AI technology in the domestic pharmaceutical industry, and will serve as a conduit for the study and implementation of AI technology in various fields in the future.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.