분 기 보 고 서

                                                   (제 13 기)

【 대표이사 등의 확인 】

20211112_대표이사 등의 확인.서명 확인서

I. 회사의 개요

1. 회사의 개요

당사는 2009년 9월에 설립된 바이오 벤처회사로서 2014년 한국전자통신연구원(ETRI)의 '유전자 검사 전용 슈퍼컴퓨팅' 기술을 출자 받은 연구소 기업입니다. 2016년을 기점으로 전통적인 신약연구개발의 비효율성을 극복하기 위해 AI신약개발 솔루션을 개발하여 공동연구나 자체개발을 통한 AI신약개발 사업을 추진하고 있습니다. 또한 협업 계약을 맺은 대학병원에 정밀의료 서비스도 제공하고 있습니다.

1. 연결대상 종속회사 개황(연결재무제표를 작성하는 주권상장법인이 사업보고서, 분기ㆍ반기보고서를 제출하는 경우에 한함)
연결대상 종속회사 현황(요약)

1-1. 연결대상회사의 변동내용

※ SYNTEKABIO USA INC :

- 법인설립 : 2021년 08월 30일

- 고용주식별번호(사업자등록번호) 발급 : 2021년 08월 30일

- 현재 JP Morgan Chase 계좌개설 진행 중에 있으며 계좌개설 완료 후 자본금 입금 진행 예정입니다.

- 종속회사의 소재지인 미국 현지법에 근거하여 당반기말 현재까지 자본금 납입이 이루어지지 아니함에 따라 지분율은 나타나지 아니하나, 회사가 100% 자본 납입할 예정으로 지배력을 행사하는 것으로 보아 종속기업으로 편입하였습니다.

2. 회사의 법적ㆍ상업적 명칭
당사의 명칭은 '주식회사 신테카바이오'라고 표기합니다. 또한 영문으로는 'SyntekaBio, Inc.'라 표기합니다. 단, 약식으로 표기할 경우에는 '(주)신테카바이오' 또는 'SyntekaBio'로 표기합니다.

3. 설립일자 및 존속기간

당사는 2009년 9월에 설립된 바이오 벤처회사로서 2014년 한국전자통신연구원(ETRI)의 '유전자 검사 전용 슈퍼컴퓨팅' 기술을 출자 받은 연구소 기업입니다.

빅데이터 기반 AI기술인 알고리즘 개인유전체맵플랫폼 기술(PMAP)을 보유하고 있으며, in silico에 기반한 유전체 빅데이터 연구소 기업으로 고성능·고효율의 슈퍼 컴퓨터를 이용한 유전체 분석과 대량의 바이오 데이터를 관리하고 분석합니다. 유전체 빅데이터 분석을 통해 다양한 기업, 연구소, 병원의 맞춤의학에 기반한 신약개발과 임상연구를 지원하는 모델로 새로운 분야를 개척하고 있습니다.

또한 신약개발에 AI를 활용하여 합성신약 후보물질 발굴 및 항암제 바이오 마커 발굴부터 유전체 정밀의료 서비스까지 하고 있어 IT+BT+DT를 접목한 AI헬스케어 서비스를 제공하고 있습니다.

4. 본사의 주소, 전화번호, 홈페이지 주소
1) 사업장

2) 홈페이지 : http://www.syntekabio.co.kr

5. 중소기업 등 해당 여부
당사는 중소기업기본법 제2조 및 중소기업기본법 시행령 제3조에 의거 제출일 현재 중소기업에 해당합니다.

당사는 벤처기업육성에 관한 특별조치법 제25조의 규정에 의한 벤처기업입니다

신테카바이오 벤처기업확인서(2021)

6. 회사의 주권상장(또는 등록ㆍ지정)여부 및 특례상장에 관한 사항

2. 회사의 연혁

가. 회사의 본점 소재지 및 그 변경

나. 경영진의 주요 변동

주1) 2019년 3월 29일 정종철 사내이사 사임과, 홍종희 사내이사의 취임은 당사 등기부등본상 3월 30일자로 기재되어 있습니다.

다. 최대주주의 변동
당사의 최초 최대주주는 2009년 9월 (주)유바이오리 설립 시 대표이사를 맡았던 김주영이였으나, 2010년 2월 8일부터 본 보고서 작성일 현재까지, 現 대표이사인 정종선 대표가 최대주주의 지위를 유지하고 있습니다.

라. 상호의 변동
당사는 2009년 9월 주식회사 유바이오리로 설립되어, 같은 해 10월 사명을 주식회사 신테카바이오로 변경하였으며 이후 본 보고서 작성기준일 현재까지 상호 변경이 없습니다.

마. 회사가 화의, 회사정리절차 그 밖에 이에 준하는 절차를 밟은 적이 있거나 현재 진행중인 경우 그 결과

당사는 설립일부터 본 보고서 작성기준일 현재까지 해당사항 없습니다.

바. 회사가 합병 등을 한 경우 그 내용
당사는 설립일부터 본 보고서 작성기준일 현재까지 해당사항 없습니다.

사. 회사의 업종 또는 주된 사업의 변화
당사는 설립일부터 본 보고서 작성기준일 현재까지 해당사항 없습니다.

아. 그 밖에 경영활동과 관련된 중요한 사항의 발생내용

3. 자본금 변동사항

자본금 변동추이
동사는 2016년도중 우선주 166,667주를 발행하여 83,333,500원의 자본금이 증가하였고, 보통주 66,667주를 발행하여 33,333,500원의 자본금이 증가하였습니다. 2017년도중 우선주 166,667주를 발행하여 8,333,500원의 자본금이 증가하였습니다. 2018년도중에는 보통주 96,976주를 발행하여 48,488,000원의 자본금이 증가하였으며, 우선주 643,417주 발행으로 321,708,500원의 자본금이 증가하였습니다. 2019년도중 보통주 8,181,942주, 우선주 976,751주를 발행하여 4,579,346,500원의 자본금이 증가하였고 2019년 12월 코스닥시장에 상장을 했습니다. 이후 2020년중 보통주 207,140주를 발행하여 103,570,000원의 자본금이 증가하였습니다.
2021년도중 보통주 138,000주를 발행하여 69,000,000원의 자본금이 증가하였습니다.

주) 기 발행되었던 모든 전환우선주는 보통주로 전환되었습니다.
주2) 세부내역은 III-7 가.증자(감자)현황을 참고하여 주시기 바랍니다.

4. 주식의 총수 등

주식의 총수 현황

주1) 당사 정관상의 주식의 총수

5. 정관에 관한 사항

정관 변경 이력

II. 사업의 내용

1. 사업의 개요

당사는 2009년 9월에 설립된 바이오 벤처회사로 자체적으로 보유한 바이오 빅데이터 처리 기술과 인공지능(Artificial Intelligence, AI) 및 슈퍼컴퓨팅 기술을 통해 AI 신약개발 회사로서의 사업을 영위하고 있습니다. 다양한 기업, 연구소, 병원과 파트너십을 구축하여 AI를 기반으로 한 신속한 신약 후보물질 발굴 및 면역항암제 개발을 주축으로 새로운 패러다임의 치료제 개발에 힘쓰고 있습니다. 뿐만 아니라, 유전체 빅데이터 및 슈퍼컴퓨팅 기술을 활용하여 신규 항암제 바이오 마커 발굴, 유전체 정밀의료 서비스 사업을 진행하고 있습니다.

당사의 주요 서비스는 △ 합성신약 후보물질 발굴(DeepMatcher®) △ 항암백신 신생항원 발굴(NEO-ARS™) △ 항암제 바이오마커 개발(GBL-ARS™) △ 유전체 정밀의료 서비스(NGS-ARS)입니다. 현재 유전체 정밀의료 서비스는 국내 대학병원에 서비스를 제공함으로써 매출이 발생하고 있으며 나머지 서비스들은 연구개발 및 고도화에 진행 중에 있어 아직 직접적인 매출로 연결되지 않고 있습니다. 추후 서비스 공급 계약 및 기타 진행 상황에 따라 매출이 발생하면 구체적으로 보고할 예정입니다. 또한 당사는 2021년 1월 14일 DeepMatcher 플랫폼 서비스에 대한 10억 원의 수주계약을 진행하였으며, 향후 2년 내에 서비스 제공을 할 예정입니다.

당사는 유전체 빅데이터 및 AI 슈퍼컴퓨팅 기술을 활용한 신약 후보물질 발굴 서비스, 항암백신 신생항원 발굴 서비스, 유전체 정밀의료 서비스 등을 제공하고 있는 기업입니다. 제조업이 아니기 때문에 원재료 부분에는 해당사항이 없으며, 공시서류 작성기준일 현재 당사가 운용하는 서비스에 필요한 AI슈퍼컴센터를 구축하기 위한 투자를 지속하고 있습니다. 2021년 4월 23일 한국토지주택공사 대전충남지역본부로부터 부지 매입을 진행하였으며, 6월 23일 양수를 완료했습니다. 당분기 내 KT컨소시엄과 AI슈퍼컴센터 구축사업의 설계 및 건축 등에 대한 업무 제휴 협약을 체결하였습니다. 당사는 자체 AI슈퍼컴센터 구축이 향후 DeepMatcher® 서비스의 고도화 및 상용화 확대에 기여할 것으로 기대하고 있습니다.

당사는 2개의 기업부설연구소(포스트오믹스연구소, 인실리코 임상연구소)를 중심으로 연구개발활동을 진행하고 있습니다. 주요 파이프라인 중 대표적인 것은 자체 신약개발 파이프라인 STB-C017과 COVID-19 치료제인 STB-R040(전 STB-R010)입니다. STB-C017은 DeepMatcher®로 도출한 IDO·TDO 이중 억제제인 저분자화합물로, 현재 당사의 DeepMatcher®를 적용하여 STB-C017의 최적화를 추진하고 있습니다. STB-R040(전 STB-R010)은 2020년 DeepMatcher®로 발굴된 30종 후보 중 3가지의 약물이 세포실험에서 COVID19 억제 효과를 보였고 2개 약제를 병용한 COVID19 감염 동물 모델 실험에서 폐병변 치료 효과를 확인했으며 같은 해 10월 용도특허 등록까지 완료한 후보물질입니다. COVID19 치료제 영역은 확실한 효능과 안전성의 입증이 임상 개발 진입의 주된 결정 요소인 바, COVID19 치료제 후보물질의 효력과 안전성에 대한 면밀한 입증을 위해 후속적인 효능 확인 시험을 진행하고 있습니다.

당사는 공시대상기간 중 1,758,934,882원 규모의 연구개발비용을 지출하였으며, 연도별 연구개발비용은 6. 주요계약 및 연구개발활동 항목에 표로 자세히 기재하였습니다.

2. 주요 제품 및 서비스

당사의 주요 서비스는 △ 합성신약 후보물질 발굴(DeepMatcher®) △ 항암백신 신생항원 발굴(NEO-ARS™) △ 항암제 바이오마커 개발(GBL-ARS™) △ 유전체 정밀의료 서비스입니다. 현재 유전체 정밀의료 서비스는 국내 대학병원에 서비스를 제공함으로써 매출이 지속적으로 발생하고 있으며 나머지 서비스들은 연구개발 및 고도화에 진행 중에 있어 아직 직접적인 매출로 연결되지 않고 있습니다. 13기 당분기에는 유전체 정밀의료서비스(NGS-운용수수료)로, 2억1천8백만원의 매출을 올렸습니다. 공시대상기간 중 당사 주요 서비스별 매출액은 4. 매출 및 수주상황 목차에서 표로 자세히 기재하였으며, 추후 서비스 공급 계약 및 기타 진행 상황에 따라 매출이 발생하면 보고할 예정입니다.

당사는 지난 2009년 설립되었으며 2014년 한국전자통신연구원(ETRI)의 유전체분석 전용 슈퍼컴퓨팅 기술을 출자 받았습니다. 당시의 주력사업은 유전체 빅데이터 분석이었으며, 차세대 맞춤의료 유전체 사업단 및 국제암컨소시엄 전장암유전체분석 프로젝트(International Cancer Genome Consortium Pan Cancer Analysis of Whole Genomes, ICGC-PCAWC)에 참여한 바 있습니다.

당사는 2016년을 기점으로 전통적인 신약연구개발의 비효율성을 극복하기 위한 AI신약개발 솔루션을 개발해 공동연구 또는 자체개발을 통한 AI신약개발을 추진하고 있습니다. 이와 더불어 대학병원에 정밀의료 서비스도 제공하고 있습니다. 당사는 앞으로 다년간 축적해 온 유전체 빅데이터와 in Silico 기술을 접목시켜 당사 고유의 AI 플랫폼을 기반으로 기존 신약 개발 프로세스에 혁신을 일으켜 새로운 패러다임 치료제 개발에 기여하고자 합니다.

이 중 신약개발 영역에서는 후보물질 발굴 (Discovery) 단계와 임상시험 (Development) 단계 모두에서 기술사업을 진행하고 있습니다. 후보물질 단계에서는 저분자 화합물 (Small Molecule) 기반의 ① 합성신약 후보물질 발굴 사업과 펩타이드(Peptide) 기반의 ② 항암백신 신생항원 발굴 사업을 운영하고 있습니다. 임상시험 단계에서는 임상시험 환자선별을 위한 ③ 항암제 바이오마커 개발 사업을 진행하고 있습니다.

그림 1. 당사 기술사업 개요

2016년 카이노스메드와의 파킨슨병치료제 공동연구 계약을 시작으로 CJ헬스케어와 신규활성 물질 발견연구를 공동 수행한 바 있으며, 이외의 JW중외제약, 레고켐바이오사이언스, 한미사이언스 등과 신약개발 협업계약을 맺고 치료제 공동연구를 진행했습니다.

2018년까지 협업계약을 맺은 파트너 제약사들의 신약 파이프라인에 당사 기술을 적용하여 개발 지원하는 사업을 진행하여 왔으나 현재는 당사 자체적인 개발 파이프라인을 구축하면서 사업모델을 확장하고 있습니다.

진단영역에서는 환자별 유전적 특성을 반영해 맞춤화된 항암약물 처방과 유전성 희귀질환 진단 등 임상 의사결정을 지원하는 ④ 유전체 정밀의료 서비스 사업을 운영하고 있습니다. 당사는 협업계약을 맺은 병원들과 정밀의료센터를 공동 운영하면서, 유전체 시퀀싱, 분석, 보고서 생성 등 일련의 과정을 병원 사이트에서 원스톱으로 진행하고 있습니다.

가. 주요 서비스

당사의 AI 플랫폼 DeepMatcher®를 활용해 레고켐바이오사이언스, 한미사이언스 그 외 여러 바이오텍 및 제약사와 합성신약 후보물질 발굴 공동연구를 진행하거나 AI 기술 서비스를 제공하고 있습니다. 또한 자체적으로 신약연구개발 및 사업화를 진행하고 있으며 추후 해외 제약사들과의 협업도 계획하고 있습니다. AI를 활용한 신약후보물질 발굴 및 임상 시험에 대한 수요는 지속적으로 증가될 것으로 전망되며, 이에 따라 당사의 사업 확장 기회는 더욱 확대될 것으로 예상됩니다.

① 합성신약 후보물질 발굴(DeepMatcher®)

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 2. 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. HTS가 후보물질 탐색 단계의 효율성을 크게 향상시켜 수십만 종의 화합물을 동시에 스크리닝하는 것이 가능해졌음에도 불구하고, 고비용으로 인해 대형 제약사를 제외한 다수의 기업에는 여전히 기술에 대한 접근이 제한적이며 광범위한 화합물 구조의 다양성을 모두 고려하는 것은 불가능하다는 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 존재하였습니다.

DeepMatcher®는 AI와 GPU 및 슈퍼컴퓨팅 기술을 기반으로 10억 종에 달하는 수많은 화합물을 주어진 타겟 단백질에 가상으로 결합시키고, 결합여부를 예측하는 당사만의 독자적인 기술입니다. DeepMatcher®로 10억 종의 화합물을 미리 스크리닝하게되면 연구자 또는 협력사는 HTS 수행 없이 DeepMatcher®가 제시하는 수십 종의 선별된 물질을 대상으로 실험검증을 수행, 신속하게 유효물질 발굴이 가능해집니다. 비용과 시간 절감 외에도 시행착오 감소로 우수한 후보물질 발굴 가능성 또한 향상시킬 수 있습니다.

DeepMatcher®는 타겟단백질과 약물이 결합하는 실제 물리적 환경의 변화에 따라 3차원 결합구조를 시뮬레이션하고, 구조의 유연성을 고려하였다는 점에서 타 기술 대비 경쟁우위를 가지고 있습니다. 또한 타겟과 화합물의 1차원적 특성정보, 2차원 거리 정보, 3차원 구조상에서의 결합적 특성들을 순차적으로 적용하여 단계적 스크리닝을 수행하고, GPU와 슈퍼컴퓨터 등 고성능 컴퓨팅 인프라를 기반으로 예측한다는 점에서 신속성과 정밀성에 있어 경쟁력을 확보하였습니다.

그림 3. ai 플랫폼 적용으로 합성신약 후보물질 발굴 가속화

당사는 DeepMatcher®을 이용하여 시장의 un-met needs가 큰 항암 표적들을 중심으로 지난 해 자체 AI신약개발을 착수하였고, 이 결과 다수의 타겟들에 대해 우수한 유효물질들을 발굴하였으며, 이를 통해 DeepMatcher® 기술의 우수성 및 AI 신약개발에의 적용 가능성을 확인하였습니다. 이에 따라 현재 파이프라인 확보를 위한 약물 최적화를 진행 중에 있습니다.

또한 cash-cow 확보를 위한 상업화 단계에 진입하여 AI 신약 후보 발굴 서비스를 출시하였습니다. 현재 국내외 주요 제약사들을 중심으로 영업 및 마케팅 활동을 진행하고 있어 향후 매출액 증대에 기여할 것으로 예상하고 있습니다. 이에 힘입어 당사는 2021년 4월 23일 한국토지주택공사(LH)로부터 국제과학비즈니스벨트 거점지구의 부지를 매입하는 계약을 체결했습니다.

이 부지는 대전시 둔산구 둔곡지구2-1 구역의 1만200㎡의 규모로, 향후 당사의 인공지능(AI) 슈퍼컴센터 구축에 활용될 예정입니다. 2021년 하반기부터 해당 부지에 본격적으로 AI슈퍼컴센터 신축 사업에 돌입하였으며, 준공과 동시에 슈퍼컴퓨터 인프라 구축이 예정되어 있습니다. 신테카바이오가 보유한 신약후보물질 발굴기술인 딥매처(DeepMatcher)서비스를 고도화하는 것은 물론 신속하고 정확한 신약후보물질을 고객사에 제공할 수 있을 것으로 기대하고 있습니다.

② 항암백신 신생항원 발굴 (NEO-ARS™)

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. 신생항원을 기반으로 다양한 형태의 항암백신이나 면역세포치료제를 개발하는 것이 가능하며, 이들 치료제는 암에만 작용하여 부작용이 적으며 개별 환자 맞춤으로 치료제 제작이 가능하다는 장점이 있습니다. 그러나 개인마다 다르게 나타나는 신생항원을 신속하고 정확하게 발굴하는 것은 진입장벽이 매우 높은 기술입니다. 또한 신생항원 기반 백신 개발은 핵산기반, 항원제시세포 기반, 바이러스 기반 모두 적용 가능함으로써 높은 백신 개발의 확정성을 갖추고 있습니다. DNA에서 세포에 이르기까지 다양한 항암백신, 세포치료제 개발 기술과 결합이 가능하며 완전 개인맞춤(private 신생항원) 또는 off-the-shelf(shared 신생항원)으로 개발이 가능합니다.

그림 4. 신생항원 기반 백신 및 면역세포치료제 개발

당사가 개발한 딥러닝 기반 신생항원 예측 솔루션 NEO-ARS™는 개별 암환자의 유전체 데이터를 시작점으로 하여 정상조직에는 없으나 암에만 존재하며, 해당 환자의 면역타입에 맞는 암 신생항원 펩타이드 후보를 선정하는 기술입니다. NEO-ARS™를 통해 암특이적 변이의 1~2%만이 면역반응을 유도하는 신생항원에 대한 신속, 정확한 예측으로 완전 개인맞춤 면역항암제 개발을 목표로 하고 있습니다. 해당 기술은 유전체 분석 및 딥러닝의 융합으로 진입장벽이 높은 기술로 MHC와 신생항원 결합을 3D 시뮬레이션으로 결합 예측과 AI 딥러닝 기술을 의미합니다.

그림 5. NEO-ARS™ 기반 신생항원 예측

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

NEO-ARS™는 3차원 결합구조의 분자동역학 시뮬레이션 적용으로 정확한 신생항원 선정의 핵심 요소이자 마지막 관문인 '면역반응 유도 가능성 예측' 단계에서 당사는 인공지능 예측모델을 사용하여 정확도를 크게 향상시켜 정밀한 예측이 가능케 하였습니다.

실험 검증을 통하여 경쟁 기술 대비 NEO-ARS™가 뛰어난 예측 성능을 검증한 바 있습니다. NEO-ARS™가 예측한 신생항원 후보 펩타이드가 주조직적합성복합체(major histocompatibility complex, MHC)에 100%에 가까운 양성예측도로 결합함을 확인하였으며, 건강인 혈액을 이용하여 예측된 신생항원의 T세포 활성 유도능력을 검증한 바 있습니다.

그림 6. NEO-ARS™ 예측 성능 실험검증 결과

현재 비뇨기암, 대장암, 폐암 등의 암환자를 전향적으로 모집해 환자 체외에서(ex vivo) ‘네오에이알에스(NEO-ARS™)’를 통해 예측해 낸 신생항원의 면역반응 유도능력을 검증하는 실험을 진행하고 있습니다.

또한 백신 및 세포치료제 개발사 글로벌 파트너링에 힘쓰고 있으며 2022년 하반기에는 국내외 백신 및 세포치료제 공동개발 파이프라인 확장 계획을 수립하고 있습니다.

③ 항암제 바이오마커 개발(GBL-ARS™)

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, 최근 기술의 발전으로 특정 단백질의 발현 유무 또는 유전적 특성 등 새로운 형태의 바이오마커 들이 주목을 받고 있습니다.

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

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

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 7. 약효예측 바이오마커 개발로 임상시험 성공률 향상

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(GBL-ARS™)을 개발하여 실제 임상시험 중에 항암제 적용 중에 있습니다.

GBL-ARS™는 항암제에 대한 약물 반응성 실험 데이터와 반응성 측정에 사용되는 샘플의 유전체 데이터로부터 약효예측 바이오 마커를 발굴하는 독자적인 기술입니다.

④ 유전체 정밀의료 서비스

정밀의료(Precision Medicine)의 정의는 기관별로 상이하나 통상 유전, 환경, 임상 등 다양한 정보에 근거하여 맞춤화 된 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 차세대염기서열분석(Next Generation Sequencing, NGS)기반 유전자 패널검사의 중요성이 부각되고 있습니다.

NGS-ARS™는 환자 유전체 데이터를 정확하고 신속하게 분석하고 정밀진단(유전성 희귀질환의 경우) 및 표적치료제 가이드(암환자의 경우) 등 임상적 의사결정에 도움이 되는 유전변이 정보를 전문의에 제공하는 시스템입니다.

NGS-ARS™는 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.

3. 원재료 및 생산설비

가. 원재료
해당사항 없습니다.

나. 생산설비

당사는 공시서류 작성기준일 현재 당사가 운용하는 서비스에 중요한 시설 및 설비를 구축하기 위한 투자를 진행하고 있습니다. 2021년 4월 23일 한국토지주택공사 대전충남지역본부로부터 AI 슈퍼컴퓨팅센터 구축을 위한 부지 매입을 완료하였으며, 당분기에 KT컨소시엄과 'AI슈퍼컴센터 구축사업'과 관련하여 전략적 제휴 협약을 체결하였습니다. AI슈퍼컴센터는 2022년 내 완공을 목표로 하고 있습니다.

AI 슈퍼컴퓨팅센터 구축을 통해 기존에 보유하고 있거나 신규 구입할 슈퍼컴퓨팅 인프라를 최적화할 예정입니다. 향후 당사 신약후보물질 발굴 솔루션인 'DeepMatcher' 서비스의 고도화 및 상용화 확대에 기여할 것으로 기대하고 있으며, AI 슈퍼컴퓨팅센터를 통하여 과학벨트, 연구특구 내 연구소 및 첨단기업 간 교류를 통한 시너지 창출 등의 효과도 누릴 수 있을 것으로 기대하고 있습니다.

- 토지: 둔곡지구2-1, 10,200㎡(가지번: 2102-1)
- 기지출금액: 4,851,000,000원
(분양금액만 기재한 양수금액이며, 취득세 및 할부이자 등 기타 비용은 포함되지 않은 금액입니다.)
- 등기예정일: 2022년 3월 30일
- 한국토지주택공사의 국제과학비즈니스벨트 거점지구(둔곡) 연구용지 공급공고(2020.06.10)에 의한 것으로, LH청약센터(http://apply.lh.or.kr)에서 분양공고문과 대상토지내역을 확인할 수 있어 별도의 양수가액 산출근거는 기재하지 않았습니다.

4. 매출 및 수주상황

가. 매출현황
                                                                                               (단위: 백만원, %)

나. 주요 매출처 및 판매경로, 판매방법 등

(1) 주요 매출처
당사가 제공하는 서비스에 따른 주요 매출처는 아래와 같습니다.

(2) 판매조직

당사는 영업전담조직은 구성하고 있지 않으며, Business 조직을 통해 새로운 파트너와의 상품 및 용역 서비스에 대한 설명과 계약을 직접 진행하고 있습니다.

(3) 판매방법 및 조건

당사는 AI신약개발 플랫폼 및 정밀의료서비스 등을 제공하고 있는 회사입니다. 따라서 파트너사들과의 1:1 컨택을 통한 계약 체결이 이뤄지며, 계약 조건 등 세부 조건은 양사의 조율을 통하여 협의를 합니다. 이후 개별 계약을 통해 판매를 진행하고 있습니다.

(4) 판매경로 및 판매전략

당사는 글로벌 박람회 및 콘퍼런스 참가를 통해 당사의 AI신약개발플랫폼과 서비스를 알리고 협업을 도모하는 방식으로 영업을 진행해왔습니다. 이외에도 국내외 PR 활동을 통하여 당사의 플랫폼 및 서비스를 알리는 기회를 확장해 나가고 있습니다. 연구개발활동을 통해 나타난 성과를 학회 및 언론 보도 등의 경로로 발표함으로써 당사의 AI 플랫폼 및 서비스의 우수성을 알리고, 협업을 원하는 파트너사들과 본격 사업을 추진하고자 합니다.

다. 수주상황

5. 위험관리 및 파생거래

가. 위험관리
시장위험이란 환율, 이자율 및 지분증권의 가격 등 시장가격의 변동으로 인하여 금융상품의 공정가치나 미래현금흐름이 변동할 위험을 의미합니다. 시장가격 관리의 목적은 수익은 최적화하는 반면 수용가능한 한계 이내로 시장위험노출을 관리 및 통제하는 것입니다.

당분기말 현재 회사의 기능통화인 원화 외의 통화로 표시되는 통화 및 이자율 변동의 영향을 받는 차입금은 없습니다.

나. 파생거래
해당사항 없습니다.

6. 주요계약 및 연구개발활동

가. 주요계약
당사는 2021년 4월 한국토지주택공사 대전충남지역본부로부터 AI슈퍼컴퓨터센터 건립을 위한 부지 매입 계약을 체결했습니다. 이번 토지 취득은 기존에 보유하고 있는 슈퍼컴퓨터와 신규 구입 예정인 슈퍼컴퓨터까지 효율적으로 운영할 수 있는 공간을 마련하여  슈퍼컴퓨팅 인프라를 구축하고 최적화하는 것에 목적이 있습니다. 향후 AI슈퍼컴퓨팅센터 구축이 완료되면 당사 신약후보물질 발굴 플랫폼인 딥매처(DeepMatcher) 서비스의 고도화 및 상용화에도 상당한 기여를 할 것으로 기대하고 있습니다.

- 자산명: 대전 둔곡지구2-1, 10,200㎡ (가지번 2102-1)
- 거래대금: 계약금 485,100,000원, 잔금: 4,365,900,000원(2021.06.23 지급 완료)
- 등기예정일: 2022년 3월 30일

나. 연구개발활동

1) 연구개발활동의 개요
당사는 포스트오믹스연구소, 인실리코 임상연구소라는 2개의 기업부설연구소를 설치하여 연구개발을 진행하고 있습니다. 포스트오믹스연구소는 △대규모 바이오데이터 인덱싱 및 검색 △초고속 오믹스데이터 분석 시스템 △단백질 엔지니어링 △전문 생물정보 소프트웨어개발 △바이오시스템 통합 등의 연구를 수행합니다. 인실리코 임상연구소에서는 △약물재창출(Drug repositioning)을 위한 게놈 단위의 연구 △약물 패스웨이 유전자발현 바이오마커 연구 △약물의 Pk/Pd 및 표적결합(Kd) 위한 분자동역학 연구 등을 진행하고 있습니다. 이러한 연구들이 당사의 주요 AI신약 플랫폼들을 개발하고 고도화하는 것에 기반이 되고 있으며, 당사의 주요 파이프라인의 개발에도 연구 인원들이 참여하여 진행 중에 있습니다. 연구개발활동 중에서도 당사의 주요 파이프라인 개발 현황은 아래 [4) 연구개발현황]에서 자세히 기술하였습니다.

2) 연구개발 담당조직

3) 연구개발비용
                                                                                      (단위: 원)

*정부보조금(국고보조금)을 차감하기 전의 연구개발비용 지출총액을 기준으로 산정하였음.

4) 연구개발 현황
당사의 대표적인 신약후보물질 발굴 플랫폼 DeepMatcher®의 성과로 볼 수 있는 후보물질은 현재 크게 2가지 결과물이 있습니다. 첫번째는 당사 자체 파이프라인 STB-C017이며 두번째는 COVID-19 치료제인 STB-R040(전 STB-R010)입니다.

ㄱ) STB-C017
STB-C017은 2019년 3월에는 당사가 CJ헬스케어와 공동으로 발굴해온 신약 후보물질을 CJ헬스케어로부터 기술이전 받아 보유하고 있는 자체 신약개발 파이프라인입니다. STB-C017은 인공지능 합성신약 탐색 솔루션으로 도출한 IDO·TDO 이중 억제제인 저분자화합물입니다.

그림 7. STB-C017 실험결과(1)

2020년 미국암학회 AACR에서 당사의 자체 파이프라인 STB-C017에 대한 연구 결과를 발표하였습니다. 동물실험을 통해 STB-C017와 대표 면역항암제인 PD1 및 CTLA4과 삼중으로 병용 투여하면, 대조군(미국 제약사 Incyte에서 개발이 진행되다가 임상 3상에서 개발을 중단한)으로 설정한 IDO단독 억제제(에페카도스타트) 대비 생존율이 89% 향상됐다는 것을 파악했습니다. 이는 최근 신장암, 간암에서 표준치료로 자리잡기 시작한 PD-1과 CTLA-4면역 관문 억제제의 병용 치료에 STB-C017을 추가했을 때, 치료 반응률이 현격히 향상돼 면역항암치료 발전을 한 단계 더 끌어올릴 고무적 결과로 판단하고 있습니다.

그림 8. STB-C017 실험결과(2)

또한, STB-C017 후보물질을 신장암, 간암, 폐암 등에 적용할 것을 고려하고 있으며, 후보물질과 글로벌제약사에서 개발한 키트루다, 옵디보, 여보이 등 면역항암제를 병용한다면 단독 요법 대비 치료 효과를 높일 수 있을 것으로 기대하고 있습니다.

현재 당사는 DeepMatcher®를 적용하여STB-C017의 최적화를 추진하고 있습니다. 또한 STB-C017과 같은 타깃에 대해 신규 물질 발굴 작업을 진행하고 있습니다.

ㄴ) STB-R040(전 STB-R010)
DeepMatcher®의 성과로 볼 수 있는 후보물질은 COVID19 치료제 후보물질인 STB-R040(전 STB-R010)입니다. 2020년 2월, 코로나가 전 세계에 창궐할 당시 당사는 DeepMatcher®기술을 이용하여 2주만에 미국 식품의약국(FDA) 승인 의약품 약 3000여 개 중 코로나19에 대한 효능을 보일 것으로 예측되는 재창출 후보 약물 30종을 발굴했습니다.

후보물질 스크리닝 시 사용된 타겟 단백질 3CL protease는 COVID19  원인 바이러스(SARS-CoV-2)의 증식에 핵심적인 역할을 하는 단백질로써, 변이가 적고 다른 코로나바이러스에도 적용 가능하여 적합한 COVID19 치료제 타겟으로 알려져 있습니다.

DeepMatcher®로 발굴된 30종 후보 중 3가지의 약물이 세포실험에서 COVID19 억제 효과를 보였고 2개 약제를 병용한 COVID19 감염 동물 모델 실험에서 폐병변 치료 효과를 확인하였습니다. 그리고 2020년 10월 해당 후보물질에 대한 용도특허 등록이 완료되었습니다.

COVID19 치료제 영역은 확실한 효능과 안전성의 입증이 임상 개발 진입의 주된 결정 요소인 바, COVID19 치료제 후보물질의 효력과 안전성에 대한 면밀한 입증을 위해 후속적인 효능 확인 시험을 진행하고 있습니다.  

7. 기타 참고사항

가. 지적재산권 보유 현황
당사의 지적재산권 보유 현황은 아래와 같습니다.

나. 산업의 내용

[AI 산업]

인공지능이란 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]

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 퀴즈쇼였던 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 보여줬습니다. 현재 딥마인드는 인공지능을 의료와 건강분야에 적용하기 위해 노력 중입니다. 2021년 7월 말, 구글 딥마인드가 단백질 구조 예측 인공지능(AI) '알파폴드2'로 36만 5천 개 이상 단백질의 3차원 구조를 정확히 예측하는 데 성공했다고 밝히기도 했습니다.

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.

인공지능 수준은 더욱 빠르게 발전하고 있어 머지 않아 일상 생활의 거의 모든 분야에 걸친 기반기술로서 성격이 더욱 강해질 것으로 예측되고 있으며, 앞으로도 그 응용 영역이 크게 확대될 전망입니다. 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 음성이나 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 지날 수록 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.

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.

이러한 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.

그림 01. ai 발전히스토리

이에 주요 국가들은 4차 산업혁명에 성공적으로 대응하고, 인공지능(AI) 주도권을 확보하기 위하여 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. 미국은 인공지능에 대한 회의적 시각이 팽배한 시기였던 1960-70년대부터 미국은 정부 차원으로 장기투자를 지속하면서 현재 뇌과학, 자율자동차 등에서 선도적인 원천기술을 확보하게 되었습니다. 2019년 2월, 미국 정부는 글로벌 AI 경쟁에서 미국의 입지를 강화하는 행정명령(AI 이니셔티브 행정명령, American AI Initiative)을 승인했습니다. 이 행정명령은 연구개발(R&D)과 인력에 대한 정부의 장기적이고 선제적인 투자를 통해 민간의 자생적 경쟁력을 높이고, 인공지능(AI) 투자에 우선순위를 부여하는 것으로, 글로벌 AI 경쟁에서 우위를 유지하고자 하는 의지를 보였습니다.

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. 차세대 인공지능 발전계획을 시작으로 차세대 인공지능 개발 방향으로 혁신과 제도 환경의 최적화를 강조함과 동시에 기업의 혁신과 자율성을 독려하고 데이터를 기반으로 한 스마트 경제를 구축을 목표로 하고 있습니다. 2019년 중국의 인공지능 시장 규모는 489.3억 위안으로 27.5%의 성장률을 기록하고 있으며, 2022년까지 1,000억 위안을 넘을 것으로 전망되고 있습니다.

그림 02. 중국 인공지능 정책 지원 추이

출처: S&T GPS

일본은 2017년 발표한 인공지능 기술전략에 이어, 일본의 인공지능 정책을 종합적으로 담은 2019년 3월 'AI 전략 2019'를 발표했습니다. 일본의 AI 정책은 AI 시대에 대응하는 인재 육성과 확보, AI를 활용한 산업 경쟁력 강화, AI 기술체계 수립과 운영을 위한 제도 정비, AI 관련 국제적 네트워크 구축을 목표로 하고 있으며, AI 기술 경쟁력 확보를 통해 저성장과 고령화 등 사회 문제와 현안을 해결하고 산업구조를 고도화하여 경제 산업을 발전시킴으로써 경제 사회의 변혁을 도모하고 있습니다.
 

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. 2019년 5월 독일이 발표한 인공지능 전략에서 2025년까지 30 억 유로 투입을 결정했으며, AI 연구의 혁신지역으로 독일을 부상시키기 위한 기술 지원에 주력하고 있습니다.

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.

영국은 2018년 4월 AI Sector Deal을 통해 산업 생산성을 높이기 위한 AI 글로벌 기업 유치 및 AI 환경 구축, 인력 양성 등 AI 관련 5개 분야의 정책을 제안했습니다. 또한 민간과의 협력을 기반으로 AI 인재 양성 및 비즈니스 환경 조성을 위한 투자에 집중하고 있습니다.

프랑스 또한 2018년 4월, AI 선도국 도약을 위한 국가 전략 필요성을 제시하는 AI 권고안을 마련했습니다. AI를 통해 강국과 경쟁하고, AI 기술로 사회문제를 해결하는 것을 목표로 데이터 및 AI 생태계를 조성함으로써 전략 분야의 산업화 및 직업·고용, 윤리 등의 문제 해결을 추진하고 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 발표하였고 2018년 5월에 AI기술력 확보, 4차 산업혁명 대응계획 실현을 위해 'AI R&D 전략'을 수립하였습니다. 이후 2019년 12월 인공지능(AI) 강국으로의 도약을 위해 '인공지능(AI) 국가전략'을 발표하여 인공지능 강국으로서의 비전과 전략을 제시하였습니다. AI 생태계 조성, AI 인재 양성, AI 윤리정립을 통한 사람 중심의 AI 실현을 중점으로 한 전략을 구축하고 실행함으로써, 2030년까지 AI를 통해 경제효과 최대 455조원 창출, 삶의 질 세계 10위 도약하겠다는 목표를 내세웠습니다.

그림 03. 분야별 인공지능(AI) 도입·활용 과제

출처: 대한민국 정책브리핑

BCC Research의 '글로벌 인공지능(AI) 시장' 보고서에 따르면, 세계 인공지능 시장규모는 2018년 198.3억 달러에서 2019년 262.0억 달러로 32.1% 증가하였으며 2025년까지는 연평균 38.4% 성장하여 1840.7억 달러에 이를 것으로 전망되고 있습니다.

그림 04. 세계 인공지능 시장규모

출처: 한국신용정보원, AI 기술·시장 동향, 2020.12

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 05. ai산업 분야별 시장규모

글로벌 IT기업 구글(Google)은 자사의 웹오피스 서비스인 G스위트에 AI기술을 적용하여 전문가가 아니여도 쉽게 스프레드 시트 함수와 차트를 다룰 수 있도록 하고, 번역, 사진관리, 이메일 피싱 탐지 등 다양한 서비스를 하고 있습니다. 마이크로소프트 또한 2020년 AI를 접목한 오피스 구독모델 'Microsoft 365'를 선보이며 가정과 개인이 AI 기술을 통하여 더 높은 업무 생산성을 이룰 수 있도록 지원한다. 특히 AI 기반 마이크로소프트 에디터는 워드와 아웃룩에서 20개 이상 언어로 제공되는 AI 기반 서비스로서, 고급 문법 검사와 스타일 개선 기능을 통해 더욱 명료하고 간결한 글쓰기를 도와준다.

AI 산업은 AI기술을 타 산업에 활용하기 위해서 해당 산업의 전문지식이 필요하기 때문에 글로벌 ICT 기업도 광대한 영역을 사내 역량 만으로 대응할 수가 없습니다. 구글, 페이스북 등 글로벌 ICT 기업은 자사가 개발한 AI 개발 프레임웍을 누구나 쉽게 구현할 수 있도록 모듈화, 라이브러리화하여 무료로 공개하였습니다. 하지만 핵심 AI알고리즘과 개발 툴의 개발은 ICT 선도기업이 주도하고, 다양한 스타트업 및 기존 기업들은 실제 응용을 맡고 있습니다.

그림 06. 글로벌 인공지능 유니콘 기업

출처: 한국정보화진흥원(NIA), IT&Future Strategy 2020

전 세계적으로 인공지능(AI) 기술이 미래 비즈니스의 핵심으로 떠오르면서 AI스타트업에 대한 대대적인 투자가 진행되었고, 다양한 분야의 AI 유니콘 기업이 탄생했습니다. 2019년 AI스타트업 투자는 총 265억 달러로 전년 대비 약 45억 달러 증가한 역대 최고치를 기록했습니다. 한편, 글로벌 IT 기업 및 대기업의 스타트업 인수합병(M&A) 도 활발하게 진행되고 있습니다. 특히 구글, 애플, 트위터, 인텔, MS, 페이스북 등 글로벌 IT 대기업들은 AI 기술과 인재를 확보하고 시장 경쟁력을 강화하기 위해 공격적인 인수합병을 추진하고 있습니다. 애플은 가상비서 시리(Siri) 성능을 개선하기 위해 음성인식전문 AI 기업 보이시스(Voysis)와 학습데이터 정제 전문기업 인덕티브(Inductiv)를 인수하였으며, 구글은 고객 구매 데이터를 분석하여 재고 관리 및 광고 캠페인을 자동화하는 포인티(Pointy)와 코딩 없이 모바일 앱 개발을 지원하는 앱쉬트(Appsheet)를 인수했습니다.

한편 글로벌 컨설팅 기업 딜로이트가 발표한 보고서에 따르면, 산업별 인공지능(AI) 적용 비중이 높고 투자 빈도가 높은 산업은 16년에는 유통 산업, 17년부터는 헬스케어와 금융 산업이었습니다. 그러나 19년 기준으로는 헬스케어가 가장 높으며 그 다음으로는 금융, 로봇, 운송수단, 유통 등의 순서를 보이고 있어 헬스케어 분야에 많은 투자가 이루어지고 있고 적용도 빠르게 이루어 지고 있음을 알 수 있습니다.

그림 07. 인공지능 적용 및 투자 빈도

자료: 정보통신산업진흥원(NIPA), 이슈리포트 2020-제18호

[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 후보물질이 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 하고 있습니다. 헬스케어 IT기업은 건강 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 가속화합니다.

다양한 헬스케어 기관들이 이미 AI를 사용하고 있는데 그 중 진단 기관들의 도입 속도가 빨랐습니다. 진단기관들은 딥러닝과 패턴인식을 이용해 진단 시간을 단축하고 이를 통해 의료 효율을 제고하여 암 진단 부문에서 AI 접목이 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 08. 글로벌 헬스케어 시장에서의 ai 매출 규모 예측 및 분석(2019-2027)

출처: The Insight Partners, Artificial Intelligence (AI) in Healthcare Market Forecast to 2027(2021.2)

The Insight Partners에서 발표한 "헬스케어 시장에서의 인공지능(AI) - 2027년 글로벌 전망" 보고서에 따르면, 헬스케어 시장에서의 인공지능(AI) 매출액은 2019년 39억 9,123만 달러(약 4조 4천억)에서 2027년 1,077억 9,782달러(약 119조 8천억)에 이를 전망입니다. 또한 헬스케어 분야에 활용된 AI는 2020년부터 2027년까지 연평균성장률(CAGR) 49.8%를 기록하며 성장할 것으로 추정되고 있습니다.

최근 인공지능을 바이오 의약산업에 적용하려고 하는 시도가 지속적으로 늘어나고 있습니다. 영국의 인공지능 신약개발업체 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. 엑스사이언티아는 일본 제약업체 다이닛폰스미토모제약과 함께 강박장애(OCD)치료제 개발을 진행 중이며, 2020년 초 인공지능으로 개발한 신약 후보 물질로서는 최초로 인간을 대상으로 한 임상 1상에 진입하기도 했습니다.

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

영국의 인공지능기업인 베네볼런트AI(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 기대했습니다. 또한 2020년에는 인공지능을 활용하여 신종 코로나 바이러스 감염증(COVID-19) 치료제 후보물질로 일라이 릴리(Eli Lilly)의 류마티스 관절염 치료제인 올루미언트(Olumiant, baricitinib)를 예측해내면서 전세계의 주목을 받았습니다.

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 개발해 국내 대학병원 및 의료기관에 도입이 되고 있습니다.

높은 정확도와 경제적 측면에서 효율성을 가지는 인공지능을 바이오 의약 분야에 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 규모였습니다.

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 감축시켜줄 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.

그림 09. 일반적인 신약개발 R&D 과정

출처: 식품의약품안전처 의약품통합정보시스템

신약 개발은 대표적인 고위험, 고수익 분야로 매우 높은 불확실성을 가집니다. 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.

전 세계적으로 제약 연구개발비 투자 규모는 지속적으로 증가하고 있으며, 2019년부터는 연 3.2%씩 증가해 2026년에는 2,330억 달러에 달할 것으로 전망되고 있습니다. 하지만 연구개발 비용은 증가하는 반면, 시장에 출시되는 신약의 개수는 감소하면서 투자대비 신약개발 생산성은 감소하고 있는 상황에 직면하고 있습니다.

그림 10. 전세계 제약 R&D 비용 규모 및 성장률 추이

출처: Evaluate Pharma

의약품 고유의 특성때문에 전적으로 실험을 배제하고 인공지능만 활용하는 것은 불가능하지만, 모든 경우를 다 실험하고 증명해야 하기 때문에 비용이 많이 소요되는 기존의 연구 방식에 큰 도움을 줄 수 있습니다. 즉, 인공지능을 통해 사전지식 데이터베이스를 통합한 빅데이터를 취합, 구축하고 이를 분석함으로써 빠른 신약개발 방법을 제안할 수 있으며 신약개발 기간을 획기적으로 단축할 수도 있습니다. 후보물질 도출 단계에서는 인공지능으로 방대한 양의 논문 탐색 및 화학물 스크리닝이 가능하고, 임상시험 단계에서는 인공지능이 화합물 구조와 생체 내 단백질의 결합능력을 계산하거나 병원 진료 기록을 토대로 타깃 질병과 관련성이 높은 임상 대상 환자군을 빠르게 선별해 내는 등 다양한 방법으로 활용되며 신약개발 기간의 단축에 기여할 수 있습니다.

또한 인공지능은 치료 중심에서 예측 및 예방 중심으로 의료 및 제약 부문의 패러다임을 전환시킬 것으로 예상됩니다. 진단 과정의 효율화, 의료 데이터의 활용도 제고, 신약개발 기간의 단축 등 많은 부분에서 인공지능으로부터 비롯되는 혁신적인 변화가 있을 것으로 전망됩니다.

그림 11. 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 나타납니다. 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 있습니다. 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 12. 신약개발 단계별 ai 빅데이터 활용 방안

출처: 한국보건산업진흥원, 인공지능(AI)을 활용한 신약개발 국내˙외 현황과 과제. 2020.09

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 13. 글로벌 ai 헬스케어 영역별 시장규모 전망(2024)

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

그림 14. 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 및 프로젝트]

출처: 한국보건산업진흥원 보건산업브리프, 기사 검색

                             [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 자체 역량구축보다는 AI 스타트업들과 협업을 통해 아웃소싱하는 전략을 취하고 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

III. 재무에 관한 사항

1. 요약재무정보

2. 연결재무제표

해당사항 없습니다.

3. 연결재무제표 주석

해당사항 없습니다.

4. 재무제표

5. 재무제표 주석

1. 회사의 개요
주식회사 신테카바이오(이하 "당사")는 2009년도 9월에 설립되어 2019년 12월에 한국거래소 코스닥시장에 상장하였고, 본사는 대전시 유성구 테크노 2로 187에 위치하고 있습니다.

당사는 빅데이터와 개인 유전체지도(PMAP)를 활용하여 유전체 분석과 대량의 바이오 데이터를 관리, 분석하는 사업을 영위하고 있습니다. 설립시 자본금은 30,000천원이었으나, 이후 수 차례 증자를 거쳐 당분기말 현재 납입자본금은 6,750,008천원입니다.

당분기말 현재 회사의 주요 주주현황은 다음과 같습니다.

2. 중요한 회계정책

(1) 재무제표 작성기준

분기재무제표는 기업회계기준서 제1034호 '중간재무보고'에 따라 작성되었으며 연차재무제표에서 요구되는 정보에 비하여 적은 정보를 포함하고 있습니다. 분기재무제표는 보고기간말 현재 유효한 한국채택국제회계기준에 따라 작성되었으며, 분기재무제표를 작성하기 위하여 채택한 중요한 회계정책은 별도의 언급이 없는 한 전기 연차재무제표 작성시 채택한 회계정책과 동일하게 적용되었습니다.  

(2) 회사가 채택한 제ㆍ개정 기준서 및 해석서

회사는 2021년 1월 1일로 개시하는 회계기간부터 다음의 제ㆍ개정 기준서 및 해석서를 신규로 적용하였으며, 이로 인하여 재무제표에 미치는 유의적인 영향은 없습니다.

① 기업회계기준서 제 1116호 '리스' (개정) - 코로나19 관련 임차료 할인 등

개정 기준서에서 리스이용자는 실무적 간편법으로 코로나19의 직접적인 결과로 발생한 임차료 할인 등(rent concession)이 리스변경에 해당하는지 평가하지 않을 수 있습니다. 이러한 임차료 할인 등은 실무적 간편법의 적용요건을 모두 충족하여야 하며, 실무적 간편법을 선택한 리스이용자는 그러한 변동이 리스변경이 아닐 경우에 이 기준서가 규정하는 방식과 일관되게 회계처리하여야 합니다.

상기 개정 내용이 재무제표에 미치는 유의적인 영향은 없습니다.

② 기업회계기준서 제1109호 '금융상품', 제1039호 '금융상품: 인식과 측정', 제1107호 '금융상품: 공시', 제 1104호 '보험계약' 및 제 1116호 '리스' (개정) - 이자율지표 개혁(2단계 개정)

개정된 기준서는 기존 이자율지표가 대체 지표 이자율로 대체될 때 발생할 수 있는 재무보고 영향을 해소할 수 있는 다음의 실무적 간편법을 제공하고 있습니다.

ㆍ 상각후원가로 측정하는 금융상품과 관련하여 경제적 실질이 변경되지 않는 특정 요건 충족 시 금융상품 재측정에 따른 손익을 미인식
ㆍ 이자율지표 개혁에서 요구된 변경을 반영하기 위해 과거 문서화된 위험회피관계의 공식적 지정을 수정하는 경우에도 중단 없이 위험회피회계를 계속 적용
ㆍ 특정 요건을 충족한 이자율지표 개혁에 따른 리스변경의 경우 새로운 대체 지표 이자율을 반영한 할인율을 적용

상기 개정 내용이 재무제표에 미치는 유의적인 영향은 없습니다.

(3) 회사가 적용하지 않은 제ㆍ개정 기준서 및 해석서

당분기말 현재 제정ㆍ공표되었으나 시행일이 도래하지 않아 회사가 채택하지 않은 한국채택국제회계기준의 기준서 및 해석서는 다음과 같습니다.

3. 주요 회계정책

(1) 분기재무제표에 적용된 회계정책은 직전 연차재무제표에 적용한 회계정책과 동일합니다. 2021년 1월 1일부터 시행되는 새로운 회계기준이 있으나, 그 기준들은 회사의 재무제표에 중요한 영향을 미치지 않습니다. 분기의 법인세의 인식과 측정에 대한 정책은 주석 16에 기재하였습니다.

(2) 전기재무제표상의 계정과목 일부를 정보이용자의 편의를 위해 세분화 시켰으며, 이로 인해 회사의 순자산 및 순손익에 미치는 영향은 없습니다.

4. 금융위험관리
금융상품과 관련하여 회사는 신용위험, 유동성위험 및 시장위험에 노출되어 있습니다. 본 주석은 회사가 노출되어 있는 동 위험에 대한 정보와 회사의 위험관리 목표, 정책, 위험 평가 및 관리절차, 그리고 자본관리에 대해 공시하고 있습니다. 추가적인 계량적 정보는 본 재무제표 전반에 걸쳐 공시되어 있습니다.

(1) 위험관리 정책
회사의 위험관리체계를 구축하고 감독할 책임은 이사회에 있습니다. 이사회는 회사의 위험관리 정책을 개발하고 회사가 직면한 위험을 식별 및 분석하고, 적절한 위험한계치 및 통제를 설정하고, 위험이 한계치를 넘지 않도록 관리ㆍ감독하고 있습니다.위험관리정책과 시스템은 시장상황과 회사의 활동의 변경을 반영하기 위해 정기적으로 검토되고 있습니다. 회사는 훈련 및 관리기준, 절차를 통해 모든 종업원들이 자신의 역할과 의무를 이해할 수 있는 엄격하고 구조적인 통제환경을 구축하는 것을 목표로 하고 있습니다.

(2) 신용위험
신용위험이란 고객이나 거래상대방이 금융상품에 대한 계약상의 의무를 이행하지 않아 회사가 재무손실을 입을 위험을 의미합니다. 주로 거래처에 대한 매출채권, 계약자산 및 기타금융자산과 채무증권에서 발생합니다.

금융자산과 계약자산의 장부금액은 신용위험에 대한 최대 익스포저를 나타냅니다.

회사의 신용위험에 대한 노출은 주로 각 고객별 특성의 영향을 받으나, 고객이 영업하고 있는 산업 등의 신용위험에 영향을 미치는 요소로 고려하고 있습니다.

회사는 매출채권, 기타금융자산과 계약자산에 대해 발생할 것으로 예상되는 손실에 대한충당금을 설정하고 있습니다. 이 충당금은 개별적으로 유의적인 항목에 대한  구체적인 손상차손과 유사한 특성을 가진 금융자산 집합에 대하여 발생하였으나 아직 식별되지 않은 손상으로 구성됩니다. 금융자산 집합의 충당금은 유사한 금융자산 회수에 대한 과거 자료에 근거하여 결정되고 있습니다.

(3) 유동성위험
유동성위험이란 회사가 금융부채에 관련된 의무를 충족하는 데 어려움을 겪게 될 위험을 의미합니다. 회사의 유동성 관리방법은 재무적으로 어려운 상황에서도 받아들일 수 없는 손실이 발생하거나, 회사의 평판에 손상을 입힐 위험 없이, 만기일에 부채를 상환할 수 있는 충분한 유동성을 유지하도록 하는 것입니다.

회사는 중장기 경영계획 및 단기 경영전략을 통해 현금흐름을 모니터링하고 있으며, 일반적인 예상 운영비용을 충당할 수 있는 현금을 보유하고 있습니다. 여기에는 합리적으로 예상할 수 없는 극단적인 상황으로 인한 잠재적인 효과는 포함되지 않았습니다.

(4) 시장위험
시장위험이란 환율, 이자율 및 지분증권의 가격 등 시장가격의 변동으로 인하여 금융상품의 공정가치나 미래현금흐름이 변동할 위험을 의미합니다. 시장가격 관리의 목적은 수익은 최적화하는 반면 수용가능한 한계 이내로 시장위험노출을 관리 및 통제하는 것입니다.

당분기말 현재 회사의 기능통화인 원화 외의 통화로 표시되는 통화 및 이자율 변동의영향을 받는 차입금은 없습니다.

5. 금융상품
(1) 당분기말과 전기말 현재 현재 금융자산과 금융부채의 범주별 분류는 다음과 같습니다.

① 당분기말

② 전기말  

(2) 순금융수익(비용)
당분기 및 전분기의 금융상품의 범주별 금융수익과 금융비용의 내역은 다음과 같습니다.
① 당분기

② 전분기

(3) 신용위험
① 당분기말과 전기말 현재 회사의 신용위험에 대한 최대 노출정도는 다음과 같습니다.

② 당분기말과 전기말 현재 매출채권의 연령 및 각 연령별로 손상된 금액은 다음과 같습니다.

(*) 개별평가 금액이 포함되어 있습니다.

③ 당분기와 전기 중 매출채권에 대한 손실충당금의 기중 변동내역은 다음과 같습니다.

④ 당분기말과 전기말 현재 연체되었으나 손상되지 아니한 매출채권 및 기타금융자산은 없습니다.

(4) 유동성위험
당분기말과 전기말 현재 유동성위험과 관련된 금액은 이자지급액을 포함하고, 상계약정의 효과는 포함하지 않았습니다. 회사는 이 현금흐름이 유의적으로 더 이른 기간에 발생하거나, 유의적으로 다른 금액일 것으로 기대하지 않으며, 당분기말과 전기말현재 금융부채의 계약상 만기는 다음과 같습니다.
① 당분기말

② 전기말

(5) 이자율위험
당분기말 현재 변동이자율 조건의 차입금은 없습니다.

6. 현금및현금성자산

(1) 당분기말과 전기말 현재 현금및현금성자산의 구성내역은 다음과 같습니다.

(2) 당분기말과 전기말 현재 사용이 제한된 금융상품은 없습니다.

7. 매출채권 및 기타금융자산
(1) 당분기말과 전기말 현재 매출채권 및 기타금융자산의 내역은 다음과 같습니다.

(2) 회사의 매출채권 및 기타금융자산과 관련된 신용위험 및 시장위험에 대한 노출은주석 5에서 설명하고 있습니다.

8. 기타유동자산 및 기타비유동자산

당분기말과 전기말 현재 기타유동자산 및 기타비유동자산의 내역은 다음과 같습니다.

9. 유형자산

당분기와 전분기 중 유형자산 장부가액의 변동내역은 다음과 같습니다.

(*) 리스기간과 리스할인율 재측정에 따른 사용권자산 장부가액 조정효과입니다.

10. 무형자산
당분기와 전분기 중 무형자산 장부금액의 변동내역은 다음과 같습니다.

11. 정부보조금
회사는  PMAP(빅데이터와 개인 유전체지도 분석) 및 Incilico(유전체 데이터 분석에 기초하여 최적화된 의약품등을 설계)와 관련하여 정부보조금을 수령하였습니다. 당분기에 수령한 정부보조금 총액은 441천원입니다. 회사는 전분기 수령한 정부보조금 중 수익관련 정부보조금 121,424천원을 비용에서 차감하였습니다.

12. 기타채무
당분기말과 전기말 현재 기타금융부채의 내역은 다음과 같습니다.

13. 리스
회사는 건물, 차량운반구 등을 리스하고 있으며, 회사가 리스이용자인 리스에 관련된정보는 다음과 같습니다.

① 재무상태표에 인식된 금액
리스약정에 따라 재무상태표에 인식된 리스계약별 자산과 리스부채의 장부금액은 다음과 같습니다.

(*) 계약기간 종료 시 회사가 부담하는 복구비용을 충당부채로 인식하였으며, 해당 금액을 사용권자산에 포함하였습니다.

②  포괄손익계산서에 인식된 금액
당분기와 전분기 중 리스와 관련하여 포괄손익계산서에 인식된 내역은 다음과 같습니다.

한편, 당분기 중 리스부채와 관련하여 발생한 원금(이자비용 포함) 상환에 따른 현금유출액(재무활동)은 468,935천원(전분기 333,609천원)입니다.

③  리스부채 만기분석
당분기말 현재 리스계약에 의해 향후 지급할 최소리스료의 내역은 다음과 같습니다.

14. 기타부채
당분기말과 전기말 현재 기타부채의 내역은 다음과 같습니다.

15. 종업원급여

(1) 당분기와 전분기 중 비용으로 인식된 종업원급여의 내역은 다음과 같습니다.

(2) 당분기말과 전기말  현재 재무상태표에 인식된 종업원급여관련 자산과 부채의 금액은 다음과 같습니다.

(3) 당분기와 전기 중 순확정급여부채의 조정내역은 다음과 같습니다.

16. 법인세비용

법인세비용은 전체 회계연도에 대해서 예상되는 경영진의 가중평균연간법인세율에 대한 최선의 추정에 기초하여 인식하였습니다. 법인세비용에는 과거기간 당기법인세에 대하여 당분기에 인식한 조정사항이 포함되어 있습니다.

17. 주식기준보상

(1) 당분기말 현재 회사가 부여한 주식기준보상의 주요 내용과 주식선택권 공정가치를 산정하기 위한 제반 가정 및 변수는 다음과 같습니다.

(2) 당분기와 전기 중 주식기준보상의 변동내역은 다음과 같습니다.

(3) 당분기와 전분기 중 주식기준보상거래가 회사의 경영성과와 재무상태에 미치는 영향은 다음과 같습니다.

18. 자본금과 자본잉여금
(1) 당분기말과 전기말 현재 회사의 자본금 내역은 다음과 같습니다.

(2) 당분기와 전기 중 발행한 발행주식수의 변동은 다음과 같습니다.

(3) 자본잉여금
당분기말과 전기말 현재 자본잉여금의 내역은 다음과 같습니다.

19. 기타자본항목
당분기말과 전기말 현재 기타자본항목의 내역은 다음과 같습니다.