AI 요약
AI 신약개발이 R&D 생산성을 실질적으로 높이기 위해서는 AI가 제안한 후보물질이 리드 최적화와 전임상 후보물질 도출로 이어져야 한다는 과제가 제기됐다. 국내 R&D 현장에서는 AI가 논문 분석 시간 단축에는 도움을 주지만 구체적인 히트·리드 발굴에서의 효용성은 아직 미지수라는 평가다. 갤럭스는 AI 단백질 설계 플랫폼 '갤럭스디자인'으로 PD-1/IL-18v 이중항체 면역항암제를 개발해 전임상에서 90% 이상의 종양 감소 효과를 확인했다. 업계는 AI 신약개발의 한계로 '실패 데이터의 부재'를 지적하며, 성공·실패 데이터를 모두 학습할 수 있는 데이터 구조의 필요성을 강조했다.
핵심 포인트
- AI 신약개발 핵심 과제: 히트 발굴 → 리드 최적화 → 전임상 후보물질 도출로 이어지는 실질적 성과
- 갤럭스, AI 단백질 설계로 PD-1/IL-18v 이중항체 개발, 불응 종양 모델서 90% 이상 종양 감소
- '실패 데이터 부재'가 AI 학습의 주요 장벽, 성공·실패 사례 모두 포함한 데이터 구조 필요
- 규제기관, AI 활용 전제로 신뢰성·설명가능성·데이터 관리 기준 마련 중
향후 전망
- AI가 설계한 단백질의 임상 단계 효능·독성 검증이 향후 AI 신약개발 신뢰성 확보의 관건