AI 요약
2024년 노벨상 수상을 기점으로 AI는 과학적 발견의 보조 수단을 넘어 핵심적인 '팀원'이자 '연구 주체'로 격상되었습니다. 지난 11월 1일 개최된 'Pharma 4.0 AI Leadership Summit'에서 표준희 AI신약연구원장은 AI가 신약개발 전주기에서 자율성을 갖춘 독립적 존재로 진화하고 있다고 강조했습니다. 현재 구글 딥마인드와 엔비디아 같은 글로벌 빅테크들은 생명의 언어를 이해하는 파운데이션 모델을 통해 DNA 시퀀스를 직접 생성하거나 약물 독성을 예측하는 수준에 도달했습니다. 특히 AI와 로봇 기술이 결합한 '자율 실험실(SDL)'은 인간의 개입을 최소화한 채 실험 설계부터 분석까지 스스로 수행하며 연구 효율성을 극대화하고 있습니다. 국내 제약업계는 이러한 패러다임 전환에 대응하기 위해 데이터 단절 문제를 해결하고 유기적인 협업 생태계를 구축해야 하는 과제를 안고 있습니다.
핵심 인사이트
- 시장 성장성: 전 세계 AI 신약개발 시장 규모는 2023년 8억 8,800만 달러에서 2027년 40억 300만 달러로 연평균 45.7% 성장할 것으로 전망됩니다.
- 빅테크의 주도: 구글은 LLM 모델 '젬마(Gemma)'를 통해 약물-질환 관계를 예측하며, 엔비디아는 생성형 유전체학 플랫폼 'Evo2'로 DNA 시퀀스를 직접 생성하는 기술을 선보였습니다.
- 개발 기간 단축: 인실리코 메디슨은 AI로 13개월 만에 후보물질을 발굴했으며, 글로벌 빅파마들은 전체 10~15년의 신약개발 기간 중 평균 2~3년을 단축하는 성과를 내고 있습니다.
- 자율 실험실 실전 도입: 노바티스는 'MicroCycle' 플랫폼을 통해 23개 프로젝트에서 2,744개 이상의 화합물을 자율적으로 합성하고 평가하는 실적을 거두었습니다.
주요 디테일
- 전주기 통합 활용: AI는 초기 후보물질 탐색을 넘어 임상시험 환자군 선별, 가상 환자군(합성대조군) 시뮬레이션, 제조 품질 관리(QC) 등 전 방위로 확산 중입니다.
- FDA 정책 변화: 미국 FDA는 동물실험을 줄이기 위해 AI 및 간 오가노이드(인간 장기 유사구조물) 기반의 독성 예측 시험 활성화를 발표했습니다.
- DMTA 사이클 자동화: 자율 실험실(SDL)은 설계(Design), 제조(Make), 실험(Test), 분석(Analyze) 과정을 스스로 반복하며 최적의 실험 경로를 찾아냅니다.
- 고도화된 기술 접목: 타겟팅이 어려운 'KRAS' 변이 공략을 위해 퀀텀 컴퓨팅을 활용하거나 항생제 내성균 사멸 바이러스를 AI로 직접 디자인하는 단계에 이르렀습니다.
- 국내 업계의 병목 현상: 기업 내 부서 간 혹은 기업 간 데이터가 단절되는 '데이터 사일로(Data Silo)' 현상과 고품질 '실패 데이터'의 문서화 부족이 주요 걸림돌로 지적되었습니다.
향후 전망
- 향후 5년은 기술력 자체보다 의사결정 체계 전반을 최적화하는 '구조 설계' 역량이 제약사들의 핵심 경쟁력이 될 것입니다.
- 0.1mg 단위의 정밀 제어 로봇과 기기 간 상호 운용성을 위한 API 확보 등 하드웨어와 소프트웨어가 통합된 인프라 구축이 가속화될 전망입니다.
- 실험 데이터의 전 과정을 데이터베이스화하여 자산화하는 체계가 신약개발의 성공률을 결정짓는 분수령이 될 것입니다.