주주총회소집공고

주주총회 소집공고

주주님의 깊은 관심과 성원에 감사드립니다.

당사 정관 제22조에 의거 정기주주총회를 다음과 같이 개최하오니 참석하여 주시기 바랍니다.

                                              - 다      음 -

1. 일   시 : 2021년 3월 31일 (수요일) 오후 2시 00분

2. 장   소 : 대전광역시 유성구 테크노2로 187, 미건테크노월드 2차 C동 223호 교육장

3. 회의의 목적사항

[보고사항]
- 감사보고
- 영업보고
- 내부회계관리제도 운영실태 보고

[부의안건]
제1호의안: 제12기(2020.1.1 ~ 2020.12.31) 재무제표 승인의 건
제2호의안: 주식매수선택권 승인의 건
제3호의안: 이사 보수한도 승인의 건
제4호의안: 감사 보수한도 승인의 건
제5호의안: 대표이사 재선임의 건(정종선 대표이사 연임)

4. 경영참고사항 비치

상법 제542조의4에 의한 경영참고사항은 우리 회사의 본점과 명의개서 대행회사(국민은행 증권 대행부)에 비치하였으며, 금융위원회 및 한국거래소에 전자공시하여 조회가 가능하오니 참고하시기 바랍니다.

5. 실질주주의 의결권 행사에 관한 사항

우리 회사의 이번 주주총회에서는 한국예탁결제원이 주주님들의 의결권을 행사할 수 없습니다. 따라서 주주님께서는 한국예탁결제원에 의결권행사에 관한 의사표시를 하실 필요가 없으며, 종전과 같이 주주총회에 참석하여 의결권을 직접행사하시거나 또는 위임장에 의거 의결권을 간접행사 할 수 있습니다.

6. 주주총회 참석시 준비물

- 직접행사 : 주총참석장, 신분증

- 대리행사 : 주총참석장, 위임장(주주와 대리인의 인적사항 기재, 인감날인),
                    대리인의 신분증

7. 코로나바이러스 감염증-19(COVID-19)의 감염 및 확산을 예방하기 위하여 주주총회 개최 시 총회장 입구에서 총회에 참석하시는 주주님들의 체온을 측정할 수 있으며, 발열이 의심되는 경우 부득이 출입이 제한될 수 있음을 알려드립니다. 또한 질병 예방을 위해 주주총회에 참석시 반드시 마스크 착용을 부탁드립니다.

I. 사외이사 등의 활동내역과 보수에 관한 사항

1. 사외이사 등의 활동내역

가. 이사회 출석률 및 이사회 의안에 대한 찬반여부

나. 이사회내 위원회에서의 사외이사 등의 활동내역

2. 사외이사 등의 보수현황

※ 주총승인금액은 이사전원에 대한 주총승인금액임
※ 지급총액 및 1인당 평균 지급액은 2021년도 1월~2월 사외이사에 대한 지급액임.

II. 최대주주등과의 거래내역에 관한 사항

1. 단일 거래규모가 일정규모이상인 거래

2. 해당 사업연도중에 특정인과 해당 거래를 포함한 거래총액이 일정규모이상인 거래

III. 경영참고사항

1. 사업의 개요

가. 업계의 현황

[AI 산업]

인공지능 이란 인지, 학습 등 인간의 지적능력의 일부 또는 전체를 '컴퓨터를 이용해 구현하는 지능'을 의미합니다. 인공지능(Artificial Intelligence, AI)이라는 용어는 1956년 영국 디트머스 회의에서 컴퓨터/인지과학자인 존매카시에 의해 처음 사용되었으며 이후 용어와 정의는 연구자에 따라 다양하게 정의되고 있습니다.

                  [인공지능의 다양한 정의]

즉, 인공지능이란 단순히 기계학습뿐만이 아니라, 인간이 다양한 환경 하에서 지능에 기반하여 학습하고, 다양한 문제에 대해 최선의 선택을 통해 그 문제를 해결할 수 있는 시스템을 의미한다는 점에서 포괄적인 용어 입니다. 인공지능은 기계학습을 포함하여, 자연어 처리 능력을 기반으로 한 정형/비정형 자료에 대한 분석과 지식 트리(Knowledge Tree)를 통한 지식화 능력, 인간과의 자연스러운 소통을 위한 음성인식과 음성 기반의 표현능력, 데이터에 대한 이해와 추론을 기반으로 질문에 대한 답변하는 능력 들을 포괄합니다.

1997년 IBM의 딥블루가 체스 챔피언인 개스 카스파로프를 꺾고, 2011년에는 역시 IBM의 왓슨이 인기 퀴즈쇼 였던 제퍼디에서 최다 연승 챔피언인 켄제닝스와 최다 상금 획득자 브래드 러터를 꺾으면서 다시 한번 인공지능에 대한 기대감이 높아졌으며, 인지컴퓨팅이라는 용어로 이 분야에서 선도적인 회사로 자리매김하게 됩니다.

현존하는 여러 상용 인공지능 중에서 가장 인지도가 높은 인공지능은 아마 인간과 인공지능 간 세기의 대결을 만든 알파고, 즉 구글의 딥마인드가 아닐까 합니다. 딥마인드는 다층 신경망과 큐러닝을 조합하여 심층 인공지능 기술인 심층 큐 네트워크를 독자 개발했습니다. 2016년 3월 이세돌 9단과의 대국에서 4승1패의 기록과 함께 인공지능의 가능성을 크게 보여 줬습니다. 현재 딥마인드는 인공지능을 의료와 건강분야에 적용하기 위해 노력 중입니다.

싱귤래리티 대학의 미래학자 레이 커즈와일은 "2040년에 인공지능은 인간 두뇌를 뛰어 넘을 것"이라며 '싱귤래리티'시대의 개막을 예고 하였으며, 공동 설립자인 피터 디아만디스는 그 시기가 2035년으로 단축 될 것이라고 전망 하였습니다. 또한, 해외 인공지능 연구자를 대상으로 인간의 지적 능력을 뛰어 넘는 기술의 실현 가능성을 조사한 결과, 40년 내 외과수술, 30년 내에는 뉴욕타임즈의 베스트셀러 출판을 비롯하여, 모든 분야에서 45년에 실현 가능성이 있다고 예측하였습니다.

최근 들어 인공지능 수준은 더욱 빠르게 발전하고 있어 이러한 추세라면 향후에는 일상 생활의 거의 모든 분야에 걸쳐 기반기술로서 성격이 강하므로, 앞으로도 그 응용 영역이 크게 확대될 전망입니다.  IT 업계뿐만 아니라 금융, 농업, 헬스케어, 자동차, 물류 등에 이용되고 있습니다.

산업별로 AI에 의한 시간, 품질, 개인화 서비스 향상 등 잠재력을 평가하여 AI에 의한 영향력이 큰 산업 분야는 아래 표와 같습니다.

                               [AI 활용이 가능한 산업 분야]

출처: PWC

오늘날 인공지능은 또한, 글로벌 IT산업의 핵심 화두로 부상하였습니다. 기계가 사람의 생각과 판단 능력을 가지는 시대가 현실화되고 있으며 영역을 더욱 확대하여 이제는 단순 작업을 넘어 회계나 법률, 진료 등 전문 영역까지 인공지능을 활용하는 사례도 늘고 있습니다.

최근 들어 인공지능 수준은 더음성이나 이미지를 인식하고 분류하는 것은 물론 언어 번역, 자율주행, 기사 작성 등도 수행할 수 있습니다. 한발 더 나아가 인간의 감정까지 모방하는 컴퓨터 등 인공지능 확산이 빠르게 이루어지고 있습니다. 이런 추세라면 향후에는 일상 생활의 거의 모든 분야에 걸쳐 인공지능이 직간접적으로 활용될 전망입니다.

특히, 인공지능의 부상으로 반도체가 또 다시 큰 주목을 받고 있으며 해당 산업은 PC와 스마트폰 등 새로운 기기가 등장할 때마다 성장을 거듭하였습니다. 이들 기기들은 시간이 지날수록 보다 많은 정보 저장 용량과 빠른 연산 실행 속도를 요구하기 때문에, 고성능 반도체를 찾는 수요가 꾸준히 증가하였습니다. 게다가 스마트폰 시장이 폭발적으로 성장하면서 제품을 작고 가볍게 만들기 위하여 작은 크기에 기능을 집약한 반도체를 개발하려는 기업들의 경쟁도 치열하게 전개되고 있습니다.

이런 가운데 최근에는 인공지능을 집중적으로 지원할 수 있는 반도체를 개발 및 탑재 하려는 움직임이 두드러지고 있습니다. 인공지능 알고리즘을 효율적으로 구동할 수 있는 전용 반도체 프로세서를 사용하여 인공지능 성능을 대폭 끌어 올리는 것입니다. 인공지능 저변이 폭넓게 확대되면서 인공지능 프로세서는 글로벌 IT산업의 핵심기술로 부상하고 있습니다.

인공지능 이론에 대한 연구 또한 활발히 이루어지면서 이를 구현하기 위한 소프트웨어가 관심을 받은 반면, 이를 뒷받침하는 하드웨어는 상대적으로 크게 부각되지 못했습니다. 그러나 인공지능에 대한 기대수준이 나날이 커지면서 지금의 IT시스템으로는 이를 충족하기 어렵다는 주장이 제기되었습니다. 간단한 인공지능 알고리즘의 탑재는 큰문제는 없지만, 인공지능의 요구 성능 및 활용 범위가 커지면서 기존 하드웨어 기반으로는 지속적인 발전이 어렵다는 것입니다.

특히, 이런 문제는 오늘날 인공지능 발전을 주도하는 딥러닝 구현에서 중요 이슈로 부상하였습니다. 딥러닝은 인공지능의 주요 연구 분야인 머신러닝을 구현할 수 있는 알고리즘으로 인간 뇌의 신경망 구조를 모방한 것이 특징입니다.

그림01_ AI발전히스토리

이에 주요 국가들은 정부차원에서 인공지능의 장기적 R&D 투자, 법/규제 개선, 인력 양성 등의 정책 환경을 마련하고, 산학연과 R&D 협력 체계 구축을 통해 인공지능 생태계를 활성화하는데 주력하고 있습니다.

또한, 최근 전세계 주요 국가는 인공지능의 이용 증진과 기술발전을 위한 활성화 정책을 수립하고 있습니다. 일련의 정책 방안들은 핵심 원천기술 개발, 인재양성 및 교육, 공공 및 민간 영역 적용, 윤리, 표준화, 규제, 데이터 및 디지털 인프라 제공 등을 공통적으로 포괄하고 있습니다.

미국은 인공지능 기술을 선도하고 있으며 민간이 주도하는 시장환경으로 평가받고 있지만, 건강, 교육, 환경 등의 공공 영역에서는 정부가 적극적인 투자 주체로 나서고 있습니다. 미국 정부는 2013년부터 30억달러를 투자한다고 발표한적 있으며 정부의 장기투자를 강화하기 위한 R&D 전략 방향 또한 제시하였습니다. 미국은 1960-70년대부터 인공지능에 대한 회의적 시각이 팽배한 시기였음에도 불구하고, 장기투자를 지속하면서 현재 뇌과학, 자율자동차 등에서 선도적인 원천기술을 확보하게 되었습니다.

중국은 정부 주도로 대규모 선행 투자를 하여 AI R&D, 제품응용, 산업육성, 인재양성 등을 종합적으로 추진하고 있습니다. 그 가운데 시장주도 원칙을 천명하여 인공지능 기술성과의 상업적 활용도 적극 지원하고 있습니다. 기존에 중국의 ICT 정책이 대체로 정부 주도의 탑다운 방식이었던 반면, 인공지능 정책에서는 정부의 역할을 업계 인도, 정책지원, 안전 예방, 시장감독, 환경조성, 윤리법제 제정 등에 한정하면서, 응용 시장 확산과 오픈소스 개방을 원칙으로 견지하고 있습니다.

중국 국무원은 차세대 AI 발전 규획을 잇달아 발표하면서 2030년까지 인공지능 핵심 산업에 1조위안(약180조원)을 투자하고 관련 산업 규모를 10조까지 확대하겠다고 발표 하였습니다

그림 02_ 차세대 AI규획의 6대 중점 의무

일본은 AI 기술 경쟁력 확보를 통해 저성장과 고령화 등 현안을 해결하고 산업구조를 고도화하여 경제 산업을 발전시킴으로써 경제 사회의 변혁을 도모하고 있습니다. 산업경제 관점의 혁신 성장 정책으로 인공지능에 관한 AI 산업화 로드맵 등을 잇달아 발표하였습니다. 일본이 보유한 강점인 로봇, 제조업 등과의 융합을 고려한 차세대 AI R&D를 추진하면서 자율주행, 스마트공장, 소형 범용 로봇 등의 신기술 도입을 통한 고부가가치 창출을 위해 2020년까지 30조엔 달성을 목표로 제시 하였습니다.

독일의 경우, 이미 1988년부터 AI분야를 전문적으로 연구하는 공공-민간 합작의 인공지능 연구소(Deutsches Forschungszentrum fur Kunstiche Intelligenz:DFKI)를 중심으로 AI R&D를 주도해 왔습니다. DFKI는 혁신 SW분야를 세계적으로 선도하고 있고, AI와 관련된 기초과학에서 상용화 중심의 응용기술까지 광범위한 연구 개발을 수행 중인 연구소로, 독일 지방정부 외에도 인텔, MS, 구글 등 글로벌 기업과의 협력 업무를 적극적으로 수행하고 있습니다.  현재 51개의 스핀오프 기업들이 활발히 활동 중이며 사이버 밸리 건립으로 인간세포, 이동성(모빌리티), 빅데이터 처리 등의 분야에 인공지능 기술을 접목할 계획입니다, 현재 사이버 밸리 사업에는 BMW, Daimler, Porsche 를 비롯하여 미국의 Facebook, Amazon 등 총 12개의 대학 및 기업들이 참여 중입니다

2017년 전세계 최초로 캐나다는 국가 차원의 AI 전략을 제시하였습니다. 인공지능 연구 확산 및 인재 육성에 향후 5년간 1억 2,500만 달러를 투자할 계획이라고 발표 하였습니다. 이외에도 캐나다에서 인공지능을 연구하는 기관에 대해 투자비용의 15%를 세액 공제해주고 있으며, 정부가 지원하는 AI 연구 인력의 절반 이상을 국적에 상관없이 선정하는 등 해외 인력 및 자본의 유치에도 노력을 기울이고 있습니다.

우리나라도 4차 산업혁명의 변혁에 대비하기 위해 국가적 준비에 박차를 가하고 있습니다. 2017년 11월에 범국가적인 4차 산업혁명 중장기 전략으로 ‘혁신성장을 위한 사람 중심의 4차 산업혁명 대응계획을 발표 하였고 2018년 5월에 AI기술력 확보, 4차 산업혁명 대응계획 실현을 위해 'AI R&D 전략'을 수립하였습니다.

Tractica의 “인공지능(AI) 시장 예측” 보고서에 따르면 인공지능 시스템 구현에 대한 관심이 전 세계 기업 및 기관에서 높아지고 있습니다. 인공지능 소프트웨어의 직접 및 간접 애플리케이션으로 발생하는 매출이 2016년 14억 달러에서 2025년 598억달러에 이를 것으로 예측하고 있습니다. 이 예측은 Tractica가 2016년 3분기 발표한 인공지능 시장 성장 예측에 대한 업그레이드인데, AI분야의 변화와 발전 속도가 예상보다 빨라졌기 때문입니다.

그림 03_ AI산업 시장규모

향후 10년간 AI의 가장 큰 시장 기회는 광고, 금융, 헬스케어, 소비자 부문 및 항공우주 분야에 있으며, 이 모든 분야에서는 비즈니스 프로세스의 향상과 새로운 비즈니스 모델의 창출을 위한 데이터 분석, 비전, 언어 능력을 활용 할 수 있는 기회를 적극적으로 추진하고 있습니다. 다른 주요 산업에서의 AI채용은 자동차, 비즈니스 서비스, 투자, 미디어 및 엔터테인먼트와 법률쪽이 될 것입니다.

그림 04_ AI산업 분야별 시장규모

글로벌 IT기업 구글(Google)은 자사의 웹오피스 서비스인 G스위트에 AI기술을 적용하여 전문가가 아니여도 쉽계 스프레드 시트 함수와 차트를 다룰 수 있도록 하고, 번역, 사진관리, 이메일 피싱 탐지 등 다양한 서비스를 하고 있습니다

AI산업은 AI기술을 타 산업에 활용하기 위해서 해당산업의 전문지식이 필요하기 때문에 글로벌 ICT 기업도 광대한 영역을 사내 역량 만으로 대응 할 수가 없습니다. 구글, 페이스북 등 글로벌 ICT 기업은 자사가 개발한 AI 개발 프레임웍을 누구나 쉽게 구현할 수 있도록 모듈화, 라이브러리화 하여 무료로 공개 하였습니다. 하지만, 핵심 AI알고리즘과 개발 툴의 개발은 ICT 선도기업이 주도하고 실제 응용은 다양한 스타트업 및 기존 기업들이 주도 하고 있습니다.

그림 05_ 국가별 주요 인공지능 유니콘 기업

AI스타트업에 대한 대대적인 투자가 진해됨에 따라, 다양한 서비스 분야의 AI유니콘 기업이 탄생 했습니다. 대기업의 스타트업 M&A 도 점차 증가하고 있으며, 특히 AI스타트업 인수가 두드러지고 있습니다. 주요 인수자로는 구글, 애플, 트위터, 인텔, MS, 페이스북 등 북미 대기업의 강세가 뚜렷합니다.

[AI헬스케어]

AI 분야 중에서도 가장 활발하게 적용되고 있는 분야가 바로 의료 및 헬스케어 분야 입니다. 인공지능을 통해 개인의 건강상태 정보를 수집 및 분석하여 실시간 건강체크 및 개인별 최적화된 솔루션을 제공합니다. 의료진단분야에서는 영상자료, 투약 및 수술기록, 유전정보, 과거 사례 데이터 등을 종합적으로 분석하여 개인별 치료 방법을 제안하고 의료진의 진단을 보조합니다. 제약에서는 신약개발을 위해 수백만 종류의 화학물질을 탐색하고, 신약 후보 물질이 어떤 작용을 일으킬 것인지 시뮬레이션을 통해 임상시험 결과를 예측합니다. 건강관리 분야에서는 개인의 신체상태, 식습관, 생활패턴 정보를 실시간으로 수집하고 개인의 건강관리 정보를 제공, 특히 고령자를 대상으로 발병확률 및 위험상황을 알리게 됩니다.

인공지능을 활용한 헬스케어 혁신 생태계에서 바이오 기업은 헬스케어 IT 기업들이 분석할 수 있는 과학적, 임상적 연구 데이터를 제공하는 한편 분석 결과를 활용해 맞춤의료기술을 개발하는 결정적 역할을 담당하고 있습니다. 헬스케어 IT기업은 이런 데이터를 분석함으로써 환자와 의료진에 첨단 치료 기술과 질환 관리를 위한 정보를 제공합니다. 인공지능을 활용한 분석 결과는 진단 기관 및 병원에 더 정확하고 효율적으로 질환에 대한 정보를 제공해 치료 결과를 향상시키고 제약사의 신약개발을 가속화 합니다.

다양한 헬스케어 기관들이 이미 AI를 사용하고 있는데 그 중 진단 기관들이 앞서서 사용하고 있습니다. 진단기관들은 딥러닝과 패턴인식을 이용해 진단 시간을 단축하고 이를 통해 의료 효율을 제고하여 암진단 부문에서 AI접목이 가장 빠르게 증가하고 있습니다. Mayo Clinic과 같은 몇몇 주요 병원들도 AI를 앞서서 사용하고 있는데 IBM Watson을 이용해 암을 조기에 진단해 환자에게 맞춤형 치료계획을 제공하는 것과 같이 인지컴퓨팅 기술을 활용하고 있습니다. 또한, 빅데이터 분석은 대용량 의료정보를 바탕으로 질환의 진행 패턴과 진단을 유추할 수 있도록 함으로써 의사결정을 개선하는데 이용되고 있습니다. Pfizer, Novartis, Merck와 같은 제약사들은 딥러닝과 패턴인식 등 고급 AI기술들을 적극 활용해 신약개발에 소요되는 시간을 단축해 더 많은 글로벌 임상시험과 안전성 평가를 수행하고 있습니다.

현재 AI는 대용량 의료 및 건강기록을 처리하는 데이터마이닝(Data-Mining)을 통해 치료 결정을 향상시키는데 유용함을 증명해 시장 진입이 활발합니다. 헬스케어 비용은 50% 절감 효과를 보였고 환자 치료 결과는 AI를 적용하지 않은 경우와 비교했을 때 50% 이상의 개선 효과를 보였습니다. 하지만 의료진 수기 기록이나 영상, 방사선 기록과 같은 비구조화된 데이터를 읽는 데는 한계를 가지고 있습니다.

                                       [인공지능 관련 기술의 헬스케어 분야 적용 현황]

출처:Frost & Sullivan

그림 06_ 서비스 별 AI헬스케어 시장규모

출처: Annual Reports, Press Releases, Investor Presentations, Expert Interviews, AAAI, European Association for Artificial Intelligence, Canadian Artificial Intelligence Association, IEEE, AIPAT, Data Science Association, IAAIL, Company Websites, and MarketsandMarkets Analysis

헬스케어 시장에서 인공지능(AI)은 2025년까지 361억 달러(약 40.3조원)로 성장할 것으로 예상됩니다. "헬스케어시장에서의 인공 지능 - 2025년 글로벌 전망" 보고서에 따르면 헬스케어 분야에 활용된 AI는 예측 기간 동안 연평균성장률(CAGR) 50.2%를 기록할 것으로 나타났습니다

최근 인공지능을 바이오 의약산업에 적용하려고 하는 시도가 늘어나고 있습니다. 인공지능 기반으로 신약을 개발하는 기업으로 알려진 영국의 엑스사이언티아(Exscientia)는 글로벌 제약사인 사노피(Sanofi), GSK(GlaxoSmithKline)등과 제휴를 맺어 약물설계와 신약후보 물질 발굴에 인공지능을 활용함으로써 시간과 비용을 줄이고자 하고 있습니다. GSK는 AI를 이용해 평균 5.5년 정도 걸리는 신약후보물질 발견을 1년으로 줄이고 비용도 약 1/4수준으로 줄일 수 있을 것이라 기대하고 있습니다. 엑스사이언티아는 사노피가 보유하고 있는 제품군 중에 서로 시너지를 낼 수 있는 약물 조합을 AI를 이용해서 찾는 작업을 수행하고 있습니다.

미국의 바이오벤처 아톰와이즈(Atomwise)는 아톰넷(Atomnet)이라는 인공지능 시스템을 개발하였는데. 이 시스템은 서로 다른 후보물질의 상호작용을 인공지능으로 분석하여 물질들 간의 결합 가능성을 학습하고 예측할 수 있도록 설계되었습니다. 아톰와이즈의 발표에 따르면 아톰넷은 하루에 100만개이 화합물을 선별할 수 있는 기능을 가지고 있어 신약후보물질을 발굴하는데 시간을 단축할 수 있다고 밝혔습니다.

영국의 인공지능기업인 베네볼런트(BenevlentAI)는 존슨앤존슨(Johnson&Johnson) 계열사인 얀센(Janssen)과 독점 라이선스 제휴를 맺어 인공지능을 이용한 저분자량 약물(Small Molecule)후보물질에 대한 평가작업을 통해 효율적인 신약개발이 가능할 것이라고 기대 했습니다.

진단 및 판독에 AI를 활용하는 사례도 늘어나고 있습니다. IBM의 AI진료 서비스인 ‘왓슨(Watson)’은 국내의 가천대 길병원, 부산대병원, 조선대병원 등에서도 도입하여 인공지능을 활용하는 진료가 확대되기 시작했고, 최근 국내 스타트업인 루닛, 뷰노 등이 딥러닝 이미지 인식을 기반으로 하는 유방암 및 폐암 진단 소프트웨어를 개발하고 있습니다.

높은 정확도와 경제적 측면에서 효율성을 가지는 인공지능을 바이오 의약분에 활용하는 사례는 더욱더 늘어날 것으로 전망하며 해당 시장에 대한 시장현황 및 전망에 대해 아래에 기술하겠습니다.

[AI 신약개발]

AI Summit은 비즈니스분야에서 인공지능(AI)을 어떻게 적용하고 활용할 것인지 탐구하는 목적으로 열리는 국제 컨퍼런스로 2016년에 이어 지속적으로 개최되었습니다.  2017년 당시, 본 행사의 첫 기조연설 연사는 GSK(글락소스미스클라인)의 최고기술경영자(CTO)인 카네난테렐(Karenann Terrell)이었습니다. 이는 현 시점에서 AI가 가장 활발하게 적용되고 꽃피는 분야가 바로 의료 및 의약품 분야(healthcare)임을 상징적으로 보여줍니다. 또한, CBinsight에서 산업별 AI 기술 도입 및 투자현황을 조사한 결과, 2015년 기준 AI스타트업에 대한 투자액의 총 15%가 의료 및 의약품 분야에서 나온 것으로 가장 큰 규모 였고, 이 같은 현황은 아래 제시된 AI히트맵에서도 나타나고 있습니다.

그림 07_ AI히트맵 분야별 투자 집중 분포도

헬스케어 시장의 화두는 헬스케어 비용을 얼마나 효과적으로 감축시킬 수 있느냐가 향후 인공지능 기반 헬스케어 발달의 방향과 속도에 결정적 영향을 미칠 것으로 보입니다. 미국의 경우 연간 전체 헬스케어 비용의 3분의1에 해당하는 1조달러 이상이 과도한 치료, 불필요한 의료진 진찰, 치료 실패 등으로 낭비되고 있는데 환자-의료진의 효과적인 매칭, 건강정보 통합을 기반으로 한 환자 특성 파악, 치료 결정 보조 등 데이터 분석을 기반으로 한 인공지능 기술이 치료 비용을 감축 시켜줄 것으로 기대되고 있습니다. 또한 2015년 기준 미국의 제약 매출액의 약 20%가 신약 개발에 이용되고 있는 반면 개발 성공률은 4.1%에 그쳐 신약개발 비용 증가와 약가 인하의 압력을 받고 있는 제약사 들은 인공지능을 활용한 신약개발 과정 혁신에 기대를 걸고 있습니다.

신약 개발은 대표적인 고위험, 고수익 분야로 매우 높은 불확실성을 가짐. 하나의 신약을 시판하기까지 평균 10년 이상의 기간과 2조원 이상의 개발 비용이 투입될 정도로 신약 연구개발 분야는 실패 위험이 높고, 오랜 개발기간과 막대한 비용을 필요로 하기 때문에, 초기 연구개발 효율성과 효과성이 제약 산업 지속 가능성을 위한 가장 중요한 요소입니다.

그림 08_ 신약개발 단계별 후보약물 및 성공확률

출처: 한국제약바이오협회

전 세계적으로 신약을 위한 연구개발 투자규모는 지속적으로 증가하고 있으며, 2022년에는 $1,820억에 달할 것으로 전망되며, 신약허가 건당 연구개발 비용은 평균 $24억에 이르는 수준입니다

그림 09_ 신약 연구개발 규모 및 성장률 추이

출처: Evaluate Pharma

결과적으로 신약개발에 성공하는 제약회사는 소수에 불과하며, 대부분의 신약 후보물질은 신약개발 과정에 서 중도 탈락합니다. 최근에는 신약개발 비용은 증가하는 반면, 시장에 출시되는 신약의 개수는 감소하면서 신약개발의 생산성이 지속적으로 하락하고 있습니다.

의약품 고유의 특성 때문에 전적으로 실험을 배제하고 인공지능만을 활용하는 것은 불가능하지만, 모든 경우를 다 실험하고 증명해야 하는 기존의 비용이 많이 소요되는 연구 방식에 큰 도움을 줄 수 있습니다. 즉, 인공지능을 통해 방대한 데이터를 취합하고 분석함으로써 임상시험을 최적화 시키고 부작용이나 작용기전을 예측하고 분석하는 등 신약개발에서 필요한 과정을 단축시킬 수 있습니다. 또한, 인공지능은 치료중심에서 예측 및 예방 중심으로 의료 및 제약 부문의 패러다임을 전환시킬 것으로 예상됩니다. 진단 과정의 효율화 뿐만 아니라 의료 데이터의 활용도를 제고 시키고 신약의 개발 기간을 단축시키는 등 혁신적인 변화가 예상됩니다.

그림 10_ 이룸의 법칙

출처: Plot after Scannel et al(2012) with additional post-2012 data

2000년대 이후 세계적으로 신약에 대한 연구개발 비용은 빠르게 상승하고 있으나 투자효율은 오히려 낮아지면서 의약계에서는 이처럼 '무어의 법칙(Moore's Law)'을 정면으로 뒤집는 '이룸의 법칙(Eroom's law)'이 나타남. 생명공학 통계에 따르면 지난 40여년간 신약물질을 만드는 데 소요된 R&D 예산은 9년 단위로 2배씩 증가합니다.

그러나, 막대한 비용을 들여 의약품을 개발한다고 하더라도 FDA 등 인증기관으로부터 까다로운 심사를 거쳐 생산 허가를 받아야 하는 어려움이 있음. 이에 따라, 신약개발 효율화를 위한 새로운 접근방법이 절실히 요구되는 상황입니다.

이러한 상황에서 AI는 신약개발의 초기 단계에서 비용과 시간을 줄이고 성공률을 높일 수 있는 대안으로 각광받고 있고, 전문가들은 AI 활용을 통해 2025년까지 글로벌 제약바이오 R&D비용을 $270억(약 32조원)까지 절감할 수 있을 것으로 예상합니다.

그림 11_ 신약개발 단계 별 AI활용

출처: 과학기술정보통신부

또한, 기술의 특성상, 다양한 질환과 적응증에 활용이 가능하므로 헬스케어 산업내에서도 신약개발 부문이 향후 핵심이 될 것으로 예상됩니다. 전문 시장조사 기관들도 글로벌 AI 신약개발 부문이 2024년 $40억(약 4조 8천억원) 규모의 시장으로 성장하여 전체 AI 헬스케어 시장의 핵심 부문이 될 것으로 전망입니다.

그림 12_ 글로벌 AI 헬스케어 영역별 시장규모 전망(2024)

출처: TM Capital, "The Next Generation of Medicine: Artificial Intelligence and Machine Learning"

이와 같은 AI 신약개발분야에 대한 시장의 기대는 해당 분야 전문 스타트업에 대한 투자와 해당 스타트업-주요 제약사간 파트너링을 통하여 이미 현실화되고 있습니다.

그림 13_ 주요 AI 신약개발 스타트업 누적 투자유치 규모

출처: Crunchbase

이와 같은 AI 신약개발분야에 대한 시장의 기대는 해당 분야 전문 스타트업에 대한 투자와 해당 스타트업-주요 제약사간 파트너링을 통하여 이미 현실화되고 있습니다. 또한 주요 선진국에서는 국가적 차원에서 AI 활용 신약개발을 적극 지원해오고 있으며, 최근 국내에서도 AI 신약개발 관련, 다방면의 정책지원이 이루어지고 있습니다.

                                         
                                   [국가별 AI 신약개발 지원 정책]

                           [주요 AI 스타트업 - 주요 제약사 협업 현황]

출처: BiopharmaTrend, 일본제약협회, IP Pragmatics, Deep Knowledge Ventures, TM Capital, 보건산업통계, KEIT, 기사검색

전문가들은 기존 제약사들이 AI 스타트업들의 경쟁자가 될 가능성은 적고, 그보다는 주요 제약사가 향후 이들에 대한 M&A 시장에서 주요 매수세력이 될 것으로 전망하고 있습니다. 실제로, 전통적 제약 R&D와 달리 IT적 요소가 강한 AI 기술 특성상, 대부분의 제약사들은 자체역량 구축보다는 AI 스타트업들과 협업을 통해 아웃소싱하는 전략을 취해오고 있습니다. 2017년부터는 Evotec, Celgene, Amgen 등 대형 제약사들이 AI 신약개발 스타트업들에 대한 지분투자를 시작함에 따라, 전문가들은 주요 대형 제약사의 AI 스타트업 인수가 수년 내에 본격화될 것으로 전망하고 있습니다.

사업모델 측면에서 대부분의 AI 스타트업들은 제약사들의 신약개발을 지원하는 'Service Provider' 모델이나, 일부 회사들은 자체 파이프라인을 운영하는 'AI 기반의 제약사' 모델을 지향하면서 시장에서 높은 평가를 받고 있습니다. 대부분의 AI 스타트업들은 제약사들과 프로젝트 단위의 협업을 통해 Fee (통상 계약금 + 성공보수로 구성)를 받는 수익모델을 운영하고 있습니다. 반면 당사를 포함해 BenevoletAI, Recursion 등의 회사들은 자체 파이프라인을 운영하면서 Service Provider를 벗어나 'AI 기반 제약사' 모델로의 변화를 추구하고 있습니다.

                                                      [자체 파이프라인 보유 AI 스타트업 사례]

출처: 기사검색, 각사 홈페이지

나. 회사의 현황

(1) 영업개황 및 사업부문의 구분

 (가) 영업개황

당사는 지난 2009년 한국전자통신연구원(ETRI)의 연구소 기업으로 시작하였습니다. 당시의 주력사업은 빅데이터와 개인 유전체 지도(PMAP)을 활용해 유전체를 분석하고 대량의 바이오데이터 관리 분석이었으며, 최근에는 유전체 빅데이터 플랫폼 기술과 AI기술을 접목하여 신약개발에 활용하는 방식의 개발을 진행하고 있습니다. 2016년 카이노스메드와 파킨슨병치료제 공동연구 계약을 시작으로 CJ헬스케어와 신규활성 물질 발견 연구 계약, JW중외제약과 신약개발 협업계약 등을 맺고 치료제 연구로 사업을 확장하고 있습니다.

 (나) 공시대상 사업부문의 구분

(2) 시장점유율

바이오 관련 AI 산업은 현재 개화 전 단계임으로 전체 시장 규모 뿐만 아니라 업체별 시장점유율 추이에 대한 분석이 사실상 불가능합니다.

(3) 시장의 특성

당사는 유전체 분석 및 AI 소프트웨어를 통해 신약개발 파이프라인의 신약 후보물질 발굴 및 항암제 바이오마커 발굴 등의 사업을 하는 바이오벤처 기업입니다. 현재는 CJ제일제당 및 중외제약 등과 함께 신약에 관한 연구개발 및 사업화를 진행하고 있으며 추후에 다국적 제약사들과 협업도 계획 중에 있습니다.  AI를 통한 임상 실험의 수요는 지속적으로 증가될 것으로 전망되어 당사의 사업 확장 기회는 확대될 것으로 예상됩니다.

① 합성신약 후보물질 발굴(PHscan)

신약개발은 대표적인 고비용, 고위험 산업으로, 평균 15년이라는 시간과 2.5조원에 달하는 천문학적인 비용이 소요됩니다. 높은 비용에도 불구하고 신약개발의 성공률은 현저히 낮습니다. 신약개발 관련 기술의 비약적 진보와 질병의 생물학적 기전에 대한 연구결과의 축적에도 불구하고 신약개발의 생산성은 오히려 지속적인 감소 추세에 있습니다. 신약개발에 소요되는 시간과 비용을 신약개발 단계별로 살펴보면, 신약 후보물질을 발굴하는 '발굴(Discovery)' 단계에만 이미 5년 이상의 기간과 8,000억원 이상의 비용이 발생합니다.

그림 15. 신약개발 단계별 비용 및 기간

현재 후보물질 탐색 단계에서 가장 보편적으로 사용되는 기술은 고속대량탐색기술(HTS, High Throughput Screening)로, 주어진 타겟 단백질의 활성 변화 또는 세포 형질 변화를 야기하는 물질을 대량의 화합물 라이브러리로부터 신속하게 탐색하는 기술입니다. HTS 가 후보물질 탐색 단계의 효율성을 크게 향상 시켰지만 대규모 화합물 라이브러리를 활용함에도 공간의 다양성을 모두 고려하는 것은 불가능 하다는 한계점이 있습니다.

HTS의 한계를 극복하고 단백질 구조 및 화합물과의 결합력 계산 등에 있어 컴퓨터를 활용(CADD Computer-Aided Drug Discovery) 하려는 시도가 있었으나 결합예측의 정확성에 대한 한계와 단백질 및 화합물의 유동적인 구조 처리에 대한 어려움 등의 한계점 등이 존재 하였습니다.

인공지능 기반 화합물 스크리닝은 광범위한 화합물공간을 탐색하여 새로운 뼈대구조의 약물 후보물질 발굴이 가능하다는 점이 가장 큰 장점 입니다. Deep Matcher는 주어진 타겟 단백질에 대하여 대규모 화합물 라이브러리에 존재하는 수많은 화합물을 가상으로 결합시켜 봄 으로써 타겟에 잘 결합하여 그 기능을 제어할 수 있는 신약후보물질을 예측하는 기술로 당사의 독자적인 기술입니다.

화합물 구조가 가지고 있는 유연성과 역동성까지 고려하여 예측의 정확도를 크게 향상시켰으며, 이와 동시에 단계적 스크리닝 전략과 GPU의 이용으로 신속성을 확보 하였습니다. 합성신약 후보물질 발굴용 Deep Matcher에서는 PHscan과 RESLscan 두 모듈이 순차적으로 적용되어 최종 잠재적인 후보물질을 선정합니다.

그림 16. 신약개발 단계별 기술활용

PHscan은 화합물 라이브러리의 수많은 화합물 중에서 타겟 단백질에 결합할 것으로 예상되는 화합물을 선별하는 역할을 하며, 1D a 2D a 3D의 3단계로 스크리닝을 수행합니다. 그 이후 적용되는 RESLscan 은 딥러닝을 적용하여 PHscan 선별한 후보물질을 대상으로 최종적으로 후보물질을 선정하고 정확한 결합력을 예측합니다.

② 항암백신 신생항원 발굴 (NEOscan)

면역항암제는 암환자의 면역력을 높여서 암세포를 죽이는 치료제를 통칭하는 용어로 항암치료의 새로운 패러다임으로 부각되고 있습니다. 면역항암제가 등장하기 이전에는 무분별하게 증식하는 암세포를 공격하여 암을 치료하는 세포독성항암제(1세대 항암제)와 암의 유발 및 진행에 중요한 역할을 하는 발암단백질을 공격하는 표적항암제(2세대)가 암치료에 주로 사용되어 왔습니다.

면역항암제는 1세대 세포독성항암제의 부작용과 2세대 표적항암제의 내성 발생 등의 한계를 극복할 수 있는 혁신적인 치료제로 각광받고 있습니다. 신생항원(Neoantigen)이란 사람의 정상세포에는 존재하지 않고 암세포에서만 특이적으로 존재하는 암항원을 의미합니다. 암에만 작용하여 부작용이 적으며 개별 환자 맞춤으로 치료제 제작이 가능한 경우는 신생항원이지만, 신생항원의 발굴은 기술적으로 어렵고 진입장벽이 매우 높습니다.

신생항원 발굴을 위해 쓰이는 기술인 NEOscan 은 개별 암환자의 유전체 데이터를 시작점으로 하여 정상조직에는 없으나 암에만 존재하며, 해당 환자의 면역타입에 맞는 암 신생항원 펩타이드 후보를 선정하는 기술입니다.

그림 17. 신약개발 단계별 기술활용

NEOscan에는 당사의 암 유전체 빅데이터, 높은 정확도를 유전체 데이터 분석 파이프 라인, 그리고 인실리코 및 인공지능 기술 등 높은 기술력을 요구하는 여러분야의 기술이 융합되어 활용됩니다.

NEOscan은 3차원 결합구조의 분자동역학 시뮬레이션 적용으로 정확한 신생항원 선정의 핵심 요소이자 마지막 관문인 ‘면역반응 유도 가능성 예측’ 단계에서 당사는 인공지능 예측모델을 사용하여 정확도를 크게 향상 시켜 정밀한 예측이 가능케 하였습니다.

③ 항암제 바이오마커 개발(GBLscan)

바이오마커란 정상적인 생물학적 과정, 질병의 유무나 진행 상황, 치료반응을 객관적으로 측정하거나 평가할 수 있는 지표를 의미합니다. 활용에 따라 진단, 예측, 예후, 안정성 바이오마커 등으로 구분되며, 정밀의학의 시대에 핵심적 역할을 하고 있습니다.

기존에는 혈압, 체온, 혈당 수치와 같은 생리학적 지표가 바이오마커로 주로 사용되었으나 최근기술의 발전으로 특정 단백질의 발현 유무 또는 유전적 특성 등 새로운 형태의 바이오마커 들이 주목을 받고 있습니다.

바이오 마커는 타겟 단백질의 규명, 임상시험 대상자 선별, 약물의 안전성 확보 등 신약개발의 여러 단계에서 활용이 가능합니다. 특히, 임상시험 대상자 선별에 활용될 경우 임상시험의 성공률을 크게 향상 시킵니다.

바이오마커 발굴 연구는 약물반응성-유전자 상관관계를 밝히는 연구로써, 통계적인 유의성을 갖는 바이오마커 발굴을 위해서는 충분한 샘플 수 확보가 필수적 입니다. 따라서 유전정보와 약물 반응성 간 상관관계 연구는 임상단계에서는 주로 탐색적인 성격이 강하며, 대부분의 바이오마커 연구는 시판 후 발굴되는 경우가 대부분 입니다.

바이오마커를 발굴함에 있어 여러 유전자 간 상호작용에 의한 약효의 차이를 고려하는 연구는 거의 없으며, 이는 높은 예측력을 지닌 바이오마커를 발굴하는데 큰 제한점으로 작용합니다.

약효예측 바이오마커 발굴을 통한 치료효과 향상을 목표로 세계적으로 다수의 대규모 컨소시엄이 구성되었으며 다양한 암세포주의 유전적 특성 정보 및 항암제 반응성 정보를 실험적으로 측정, 공개하고 있습니다. 하지만, 여전히 데이터의 복잡성으로 인해 활용 가능한 바이오 마커 발굴 성과는 여전히 충분하지 않은 실정입니다.

그림 18. 신약개발 단계별 기술활용

당사에서는 초기 임상 단계에서 확보 가능한 적은 수의 샘플을 토대로 의미 있는 바이오마커 발굴을 위해 유의미한 신규 약효예측 바이오마커 발굴을 위한 예측모델 확립 및 체계적인 분석방법(GBLscan)을 개발하여 실제 임상시험 중에 항암제 적용 중에 있습니다.

GBLscan은 항암제에 대한 약물 반응성 실험 데이터와 반응성 측정에 사용되는 샘플의 유전체 데이터로부터 약효예측 바이오 마커를 발굴하는 독자적인 기술입니다.

⑤ 유전체 정밀의료 서비스

정밀의료 (Precision Medicine)의 정의는 기관별로 상이하나 통상 유전, 환경, 임상 등 다양한 정보에 근거하여 맞춤화된 의료서비스를 제공하는 것을 의미합니다. 유전체 분석 비용이 지속적으로 감소함에 따라 국가별로 대규모 유전체 연구가 활발하게 이루어지고 있으며, 유전적 특성과 질병 진단 및 약물 반응성과 같은 형질정보 간 관계(Genotype - phenotype relationship) 규명에 대한 연구와 연구결과의 임상 적용이 지속적으로 확대되고 있습니다.

유전자 검사는 의료현장에서 유전질환의 진단, 바이오마커 기반 최적의 치료제 선정, 질병 위험도  예측 등에 이미 광범위하게 활용되고 있으며 그 적용 범위는 계속해서 확대될 것으로 예상됩니다. 또한, 유전자 검사에 대한 활용도가 높아짐에 따라 한번에 다수의 유전자를 검사하는 차세대 염기서열분석( Next Generation Sequencing, NGS)기반 유전자 패널검사의 중요성이 부각되고 있습니다.

NGS-ARS는 환자 유전체 데이터를 정확하고 신속하게 분석하고 정밀진단(유전성 희귀질환의 경우) 및 표적치료제 가이드(암환자의 경우) 등 임상적 의사결정에 도움이 되는 유전변이 정보를 전문의에 제공하는 시스템 입니다. NGS-ARS는 의료기관내에 직접 설치되므로, 검체를 받아 검사를 수행하고 최종 결과만 병원에 제공하는 수탁검사기관의 이용에 비해 EMR(Electronic Medical Record. 전자의무기록) 및 다름 검사 결과의 연계, 환자 데이터에 대한 보안 유지, 의료기관이 직접 원시 데이터를 확보하고 운영하는 것이 가능하다는 점 등 여러 이점이 있습니다. 축적된 데이터를 당사가 보유하고 있는 유전체 분석 기술과 인공지능 신약개발 기술의 적용으로 임상연구에 활용될 수 있습니다.

(4) 신규사업 등의 내용 및 전망

해당 사항 없습니다.

(5) 조직도

200713 신테카바이오 조직도

2. 주주총회 목적사항별 기재사항

□ 재무제표의 승인

가. 해당 사업연도의 영업상황의 개요

상기 'Ⅲ.경영참고사항의 1.사업의 개요'를 참고하시기 바랍니다.

나. 해당 사업연도의 대차대조표(재무상태표)ㆍ손익계산서(포괄손익계산서)ㆍ이익잉여금처분계산서(안) 또는 결손금처리계산서(안)

※ 아래의 재무제표는 2020년도 결산실적에 대한 외부감사인의 감사가 완료되지 않은 자료로 외부감사인의 감사결과 및 주주총회 승인과정에서 변경될 수 있으며, 상세한 주석사항은 전자공시시스템(http://dart.fss.or.kr)에 공시 예정인 당사의 감사보고서를 참조하시기 바랍니다.

- 대차대조표(재무상태표)

                                     <대 차 대 조 표(재 무 상 태 표)>

- 손익계산서(포괄손익계산서)

                                 <손 익 계 산 서(포 괄 손 익 계 산 서)>

- 결손금처리계산서(안)

                          <결손금처리계산서>

- 최근 2사업연도의 배당에 관한 사항

당사는 최근 2사업연도 배당을 지급한 바 없으므로 해당사항 없습니다.

□ 이사의 선임

가. 후보자의 성명ㆍ생년월일ㆍ추천인ㆍ최대주주와의 관계ㆍ사외이사후보자 등 여부

나. 후보자의 주된직업ㆍ세부경력ㆍ해당법인과의 최근3년간 거래내역

다. 후보자의 체납사실 여부ㆍ부실기업 경영진 여부ㆍ법령상 결격 사유 유무

라. 후보자의 직무수행계획(사외이사 선임의 경우에 한함)

마. 후보자에 대한 이사회의 추천 사유

확인서

이사선임_본인확인서(날인본)

※ 기타 참고사항

해당사항 없습니다.

□ 이사의 보수한도 승인

가. 이사의 수ㆍ보수총액 내지 최고 한도액

(당 기)

(전 기)

※ 기타 참고사항

해당사항 없습니다.

□ 감사의 보수한도 승인

가. 감사의 수ㆍ보수총액 내지 최고 한도액

(당 기)

(전 기)

※ 기타 참고사항

해당사항 없습니다.

□ 주식매수선택권의 부여

가. 주식매수선택권을 부여하여야 할 필요성의 요지

회사의 경영 및 기술혁신 등에 기여할 수 있는 임원 및 직원에게 주식매수선택권을 부여하여 회사의 성과 달성을 위한 동기를 부여하고자 합니다.

나. 주식매수선택권을 부여받을 자의 성명

다. 주식매수선택권의 부여방법, 그 행사에 따라 교부할 주식의 종류 및 수, 그 행사가격, 행사기간 및 기타 조건의 개요

라. 최근일 현재 잔여주식매수선택권의 내역 및 최근년도 주식매수선택권의 부여, 행사 및 실효내역의 요약

- 최근일 현재 잔여주식매수선택권의 내역

- 최근 2사업연도와 해당사업연도의 주식매수선택권의 부여, 행사 및 실효내역

※ 기타 참고사항

해당사항 없습니다.

IV. 사업보고서 및 감사보고서 첨부

가. 제출 개요

나. 사업보고서 및 감사보고서 첨부

(1) 상기 내용은 외부감사인의 감사가 완료되지 않은 자료이므로 향후 변동될 수 있으며, 수정된 사업보고서 및 감사보고서는 DART에 업데이트 될 예정이므로 이를 참조하시기 바랍니다.

(2) 주주총회 이후 변경된 사항에 관하여는 「DART-정기공시」에 제출된 사업보고서를 활용하시기 바랍니다.

(3) 상법 제542조의4 및 상법시행령 제31조에 의거하여 사업보고서 및 감사보고서는 주주총회 개최 1주전까지 회사 홈페이지에 게재할 예정입니다.

※ 당사 홈페이지 주소

http://www.syntekabio.com

※ 참고사항