AI가 신약 개발에 미치는 영향
신약 개발의 복잡성과 비용은 제약 산업의 지속적인 도전 과제입니다. 특히 질병의 발병 메커니즘을 파악하고, 안전하고 효과적인 치료제를 개발하는 과정은 연구자들과 제약 회사들에게 막대한 시간과 재정을 요구합니다. 과거 수십 년간 제약업계는 신약 개발의 효율성을 높이기 위해 다양한 접근법을 모색해 왔는데, 최근 가장 주목받고 있는 것이 인공지능(AI)의 활용입니다.
AI는 방대한 생물학적 데이터를 신속히 분석하고, 약물-표적 상호작용을 예측하며, 분자 설계를 최적화할 수 있는 기회를 제공하고 있습니다. 이런 기술의 발전 덕분에 제약회사들은 신약 개발 초기 단계에서 의미 있는 성과를 거두기 시작했습니다.
AI를 통해 신약 개발의 초기 단계가 30%에서 40% 정도 단축되었다는 연구 결과가 주목을 받고 있습니다. 전통적으로 후보물질을 발굴하고 개발하는 데 상당한 시간이 소요되었으나, AI의 보조로 이 과정은 극적으로 단축되었습니다.
예를 들어, 이전에는 3~4년이 걸리던 전임상 후보 물질 개발 과정이 AI의 도움으로 13~18개월 안에 완료될 수 있게 되었습니다. 이처럼 개발 속도가 빨라짐에 따라 제약 회사들은 시장 경쟁에서 유리한 입지를 점하고 있습니다. 특히, Isomorphic Labs의 'IsoDDE'는 AlphaFold 3를 능가하는 정확한 단백질-리간드 구조 예측 능력을 과시하며 주목받고 있습니다.
구체적으로 IsoDDE는 AlphaFold 3보다 단백질-리간드 구조 예측 정확도가 두 배 이상 높은 것으로 나타났으며, 이는 새로운 약물 설계의 가능성을 크게 넓히는 성과로 평가받고 있습니다. 자율형 AI 에이전트의 등장은 신약 개발의 패러다임을 더욱 빠르게 변화시키고 있습니다.
자율형 AI 에이전트는 실험 설계부터 데이터 분석, 의사 결정까지 자율적으로 수행하며 연구 과정을 가속화하고 있습니다. 특히 분자 도킹 과정에서 AI 에이전트는 리간드의 결합 및 친화력을 정확하게 예측하여 수천 개의 화합물 스크리닝을 단시간에 수행할 수 있습니다.
이러한 자동화된 시스템은 인간 연구자가 수개월에 걸쳐 수행해야 했던 작업을 며칠 만에 완료할 수 있게 해줍니다. 로봇 연구실과 결합된 AI 시스템은 24시간 쉬지 않고 실험을 진행하며, 실시간으로 데이터를 분석하고 다음 실험 조건을 최적화하는 순환 구조를 구축하고 있습니다. AI가 잠재적인 혁신을 불러일으키고 있는 것은 분명하지만, 실제 임상 단계에서 그 성공률이 크게 개선되지 않은 것은 여전히 문제로 남아 있습니다.
AI 기반으로 개발된 신약들이 임상 2상 단계에서 효능 부족으로 중단되는 사례가 발생하고 있으며, 전통적인 방법으로 발견된 약물과 유사한 임상 성공률을 보이고 있습니다. 신약 개발 전체를 놓고 볼 때 약 90%에 달하는 임상 실패율은 여전히 극복되지 못하고 있으며, AI가 이 근본적인 문제를 획기적으로 개선했다는 증거는 아직 충분하지 않습니다. 이 높은 실패율은 AI 모델의 '블랙박스' 특성 및 데이터 품질의 문제 등 여러 요인에 의해 발생합니다.
이러한 문제는 AI의 내재적 한계 및 기술적인 도전과제로, 제약업계가 해결해야 할 주요 과제로 대두되고 있습니다. 데이터 품질과 거버넌스는 AI 신약 개발의 성패를 좌우하는 핵심 요소입니다. AI 모델은 학습 데이터의 품질에 절대적으로 의존하기 때문에, 불완전하거나 편향된 데이터로 학습된 모델은 잘못된 예측을 내놓을 수밖에 없습니다.
특히 생물학적 데이터는 실험 조건, 측정 방법, 환자 집단의 다양성 등에 따라 큰 변동성을 보이기 때문에 표준화되고 검증된 데이터셋을 구축하는 것이 매우 중요합니다. 그러나 현실적으로 제약회사들은 경쟁력 있는 데이터를 공유하기를 꺼리며, 연구기관 간 데이터 형식과 품질 기준이 통일되지 않아 대규모 데이터 통합에 어려움을 겪고 있습니다.
한국 제약업계의 대응과 지원
AI 모델의 '블랙박스' 특성은 대중과 연구자들 사이에서 여전히 해결되지 않은 난제로 인식되고 있습니다. 이는 의사결정 과정의 투명성 부족으로 이어지며, 안전성과 효과성에 대한 우려로까지 연결될 수 있습니다.
특히 규제 기관들은 AI가 어떤 논리로 특정 화합물을 선택했는지, 어떤 근거로 독성이나 부작용을 예측했는지 명확하게 설명할 것을 요구하고 있습니다. 따라서 AI 모델의 설명 가능성을 높이고, 검증 가능한 알고리즘 개발이 필수적입니다.
연구자들은 AI의 예측 결과를 맹목적으로 신뢰하기보다는, 생물학적 메커니즘과 기존 지식을 바탕으로 검증하는 과정을 반드시 거쳐야 합니다. AI 기술의 신뢰성을 확보하기 위한 노력이 반드시 필요합니다.
AI 기반 신약 시장의 성장은 상당한 경제적 의미를 내포하고 있습니다. AI를 활용한 제약 시장은 2025년 19억 4천만 달러에서 2034년 164억 9천만 달러에 이를 것으로 예상됩니다.
이러한 시장 확대는 AI의 약물 개발에 대한 중요성을 반영하는 동시에 기존 산업 구조에 변화의 바람을 불러일으킬 것입니다. 주요 제약사인 Janssen, Insilico Medicine, Roche 등은 AI 기술의 적극적인 도입을 통해 경쟁력을 강화하고 있습니다. Janssen은 AI 기반 약물 발견 플랫폼을 구축하여 면역학 및 종양학 분야에서 혁신적인 치료제 개발에 집중하고 있으며, Insilico Medicine은 AI로 설계한 특발성 폐섬유증 치료제가 임상 2상에 진입하는 성과를 거두었습니다.
Roche는 AI를 활용하여 환자 맞춤형 치료법을 개발하고 임상시험 설계를 최적화하는 데 주력하고 있습니다. 글로벌 시장에서 보여주는 이러한 흐름은 전 세계 제약업계에 큰 영향을 미치고 있습니다.
그러나 급격한 성장은 AI의 한계와 윤리적 문제에 대한 논의를 더욱 가속화할 것으로 보입니다. AI가 설계한 약물이 예상치 못한 부작용을 일으킬 경우 책임 소재를 어떻게 규명할 것인지, AI 알고리즘의 편향성이 특정 인종이나 집단에게 불리한 결과를 초래하지는 않을지, 데이터 프라이버시를 어떻게 보호할 것인지 등 복잡한 윤리적 질문들이 제기되고 있습니다.
또한 AI 기술에 대한 접근성 격차가 선진국과 개발도상국 간, 대기업과 중소기업 간 불평등을 심화시킬 수 있다는 우려도 존재합니다. 이러한 문제들을 해결하기 위해서는 국제적인 협력과 규제 프레임워크의 마련이 시급합니다. 한국 제약업계는 AI 기반 기술에 큰 관심을 보이고 있으며, 이를 통해 급변하는 시장에서 경쟁력을 유지하고자 합니다.
국내 주요 제약바이오 기업들은 AI 기술의 개발 및 도입에 많은 자원을 투자하고 있습니다. 이러한 노력은 단기적인 이윤이 아니라 장기적인 성장 가능성을 염두에 둔 전략적인 결정이라 평가됩니다. 정부 또한 AI를 활용한 신약 개발을 촉진하기 위해 고군분투하고 있으며, 정책적 지원과 연구개발(R&D) 활동 개선을 위한 조치를 취하고 있습니다.
특히 보건복지부와 과학기술정보통신부는 AI 신약 개발 플랫폼 구축을 위한 예산을 확대하고, 산학연 협력 네트워크를 강화하고 있습니다.
AI 신약 개발의 한계와 전망
AI 신약 개발의 본격적인 추진을 위해 한국 내 제약 기업들은 기술 인프라의 개선과 데이터 거버넌스의 정착이 중요하다는 점을 인식하고 있습니다. 업계 전문가들은 AI의 성공적인 도입을 위해서는 기관 간 협력과 데이터를 공유할 수 있는 기반이 필요하다고 강조합니다. 이는 AI 기술의 도입이 기술적인 측면뿐만 아니라 사회적 협력과 제도적 지원이 필요하다는 것을 시사합니다.
특히 병원, 연구기관, 제약회사가 보유한 임상 데이터를 통합하고 표준화하는 작업이 선행되어야 AI 모델의 정확도와 신뢰성을 높일 수 있습니다. 개인정보 보호 규정을 준수하면서도 연구 목적의 데이터 활용을 활성화할 수 있는 법적 프레임워크 마련도 시급한 과제입니다.
AI 기술의 발전은 새로운 신약 개발의 문을 열고 있으며, 이는 기존 제약 산업의 패러다임을 변화시킬 잠재력이 있습니다. 그러나 이러한 혁신은 AI 기술이 윤리적, 실용적 사용을 가능하게 하는 환경 내에서만 실현될 수 있습니다.
연구자들은 AI가 제공하는 효율성과 속도에만 집중할 것이 아니라, 생물학적 타당성과 임상적 유의미성을 함께 검토해야 합니다.
AI는 연구 효율성을 높이는 강력한 도구이지만, 모든 임상적인 문제를 해결할 수 있는 만능키는 아닙니다. 데이터의 품질과 대조 연구는 여전히 중요하며, 인간 전문가의 판단과 경험이 AI의 예측을 검증하고 보완하는 역할을 해야 합니다.
현재 글로벌 제약 시장에서 AI는 강력한 도구로 자리 잡고 있습니다. AI를 통해 이전에 비해 높은 정확도와 빠른 속도로 치료제 후보 물질을 발굴할 수 있습니다.
자율형 AI 에이전트와 로봇 연구실의 결합은 신약 개발의 자동화 수준을 한 단계 끌어올리고 있으며, 연구자들이 보다 창의적이고 전략적인 의사결정에 집중할 수 있게 해줍니다. 그러나 이러한 기술적 진보가 실제 환자에게 도달하는 신약의 수를 늘리고, 치료 성공률을 높이기 위해서는 여전히 넘어야 할 산이 많습니다.
임상시험의 복잡성, 규제 기관의 승인 과정, 시장 접근성 등 AI가 직접 해결할 수 없는 영역들이 여전히 존재합니다. 결국, AI 기반 신약 개발이 가져올 가장 큰 사회적 함의는 무엇일까요?
AI 기술은 신약 개발 과정의 효율성을 높이고 보다 개인화된 치료를 가능하게 함으로써 인간 중심의 의료가 발전할 것이라 기대됩니다. 희귀질환이나 난치성 질환처럼 시장성이 낮아 제약회사들이 관심을 갖지 않았던 영역에서도 AI를 활용하면 경제적으로 실현 가능한 신약 개발이 가능해질 수 있습니다.
또한 환자 개개인의 유전적 특성과 질병 특성에 맞춘 정밀 의료의 실현도 AI 기술을 통해 한층 가까워지고 있습니다. 사회 전반에 걸쳐 변화를 가져올 이 기술이 어떤 형태로 우리의 삶에 영향을 미칠지에 대해 깊게 고민할 필요가 있습니다.
이러한 변화를 긍정적으로 활용하기 위해선 시스템적인 준비와 사회적 합의가 필수적입니다. 기술 발전의 혜택이 모든 사람에게 공평하게 돌아갈 수 있도록 정책적 배려와 제도적 장치를 마련하는 것이 우리 시대의 과제입니다.
김도현 기자
[참고자료]
https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGDaAjhVUCNuVlQqxwAcz_Ut6nvuhw4JcrxPyJ772dTsU7w0VpfQ9lBFLWVZgyqFpsIERq6VhlvNxWmG2RJcEnRtqQGGFPZNFrZvCGu_5DbzZqJYkNBu5xEYQSEsexmPnWCQhAPkJR4Wa1eKZ8G3-pNmcAeNDxQ2xDK-KcTrv6N1skhoDX4XKrQZwmNYo84TQ==
https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQFlV2GlzRxHN0ERIPAjoNtl_bId0XbNZrKSLuyYPPnQQ4bdTfv-Lk8fWb1Q4wOT6O7PMdykecPdoHifxyjz_0kdKa60iqQ0rfuGr2qLh67aUFcjkmedxIN3B--cS2BuDXfAJ-JjZN8a0P4XuE9nHEwth8Tf-UQb-rZjzqQmN6_9jiVOZr8m9z9hJi27KWa9PJN9FA_g9JpKSA9yd94XZsy0MKQe685lQiCR6QfMm_qqGjGRxvCs7GwOIOTsLsH5YsB70w==
https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGMmBBhCbEPi3HkXgmNm4JFUyW3-i8gmjmgoEdR7HrIKh3zx51DWzR2HW-0BsA_tdPMD2pKPBBqG6FpRlYUywCPw3h8BTTs2WrUmH3I7oRl8b8lsXxjxp-PMsJxgf0706lH2_ua6WebYqoVQJjgSy3meh22VlmjN7mFcVyOLxOqPf41yZHh2hKsZeziEbXsx6UlUoH8HSlgGfjsWObbOxpzp4cno==
https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQFQnDnrHbY8rNT_yYqNx4ghqaIYbp13DM4RVKcY6-SCnAIAC380hARRHN2AhOg-1cKyY7g7R8216fvn5REvSqlhiw9cvpF0MpcXoAjyxRA0SPlxcQc0MYTShDfhNUPfTxrNn4NZUBCnpoPn4212h1RmRAh1bElQkrdl-uarQ8K_WLAE1BB5CImExUGsS33rn1M9zTs0qi3WoQ==
https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQHl_0e7plUdvTp5QX96c7ErDr38aZiBCdw6Opx_dXirwUX94IA2obmMjgMIO79GN-u0QDY7I3JUhsd1hMi84oTinmanURgfauxb3gGfIXz8EnwLIDA2p3jAJdRThW7n8jnEAjbUXOyIV1H4dLVsvVmhDbWdoUcOf7CsMVBrLJzgEewRLTuOLXrEK95Sn6UnaYOqkud_8cloCpd0pfCEuv2_
){kind=small}
){kind=small}
){kind=small}
){kind=small}
