AI 제약: “생명의 구명줄”인가, “비싼 장난감”인가? AI가 의약 연구 개발에서 실제로 어떤 역할을 하는지 깊이 있게 분석해보기
안녕하세요, 여러분의 금융 전문 기자입니다. 오늘은 듣기에는 매우 고급스럽지만 모든 사람의 건강과 직접적으로 관련된 주제에 대해 이야기해보려고 합니다: AI가 과연 우리가 더 빠르고 저렴하게 좋은 약을 만드는 데 도움을 줄 수 있을까요?
최근 2026년 장강 약곡 대회에서 중대한 사건이 발생했습니다. 전 세계 최초로 완전히 AI를 통해 개발되어 임상 시험의 마지막 단계(3상)에 진입한 약물인 ‘렌토세르티브(Rentosertib)’가 첫 환자를 맞이했습니다. 이는 마치 공상 과학 영화가 현실로 나타난 것 같지만, 그 뒤에는 불안, 논쟁, 그리고 차분한 현실적 고려가 숨어 있습니다.
간단히 말해서, AI는 약을 찾는 과정을 빠르고 저렴하게 만들어주지만, 약의 효능을 검증하는 것은 여전히 매우 어렵습니다. 다음으로, 이 복잡한 업계 뉴스를 다섯 가지 측면으로 나누어 쉽게 설명해드리겠습니다.
---
1. 현황: AI 제약이 “심층 영역”에 진입하다, 노벨상 수상자들도 긴장하다
이전에는 AI 제약이 아직 “구상 단계”에 머물러 있다고 생각했지만, 이제는 실제로 “마지막 단계”에 다가왔습니다.
핵심 사실:
영국의 인실리코 메디신(Insilico Medicine)이 개발한 폐섬유증 치료제가 3상 임상 시험에 진입했습니다. 이는 전 세계에서 최초로 생성형 AI를 기반으로 개발된 약물입니다.
왜 모두가 긴장하는가?
2013년 노벨 화학상 수상자인 마이클 레비트(Michael Levitt)조차 “회사 전체가 조금 긴장하고 있다”고 말했습니다. 왜냐하면 3상 임상은 약물 연구 개발의 “최종 시험”이기 때문입니다.
- 첫 두 단계(약물 발견): AI는 매우 효율적인 “선별자” 역할을 합니다.
- 마지막 단계(약물 검증): 이는 실제 투자가 필요한 결정적인 시점입니다. 3상에서 실패하면 이전에 절약한 돈조차 모두 손실될 수 있습니다.
쉬운 설명:
AI는 천재적인 요리사처럼 완벽한 약물의 분자 구조를 빠르게 설계하고 임상 전 테스트를 할 수 있지만, 그 약이 실제로 효과가 있는지는 100명의 환자를 대상으로 1년 이상 관찰해야만 알 수 있습니다. 이제 그 약이 첫 환자에게 제공되었으며, 모두가 숨을 죽이고 있습니다.
---
2. 장점: AI는 “약 찾기” 과정에서 비용과 시간을 90% 절약한다
마지막 단계가 어렵긴 하지만, AI는 약을 찾는 과정에서 놀라운 효율성을 보여줍니다.
데이터 비교 (전통적 방법 vs AI):
- 표적 발견: 전통적 방법은 1년에 9,400만 달러가 소요되지만, AI는 2개월에 200만 달러만 필요합니다.
- 초기 화합물 선별: 전통적 방법은 1.5년에 1억 6,600만 달러가 필요하지만, AI는 4개월에 400만 달러만 필요합니다.
- 선도 화합물 최적화: 전통적 방법은 2년에 4억 1,400만 달러가 필요하지만, AI는 11개월에 200만 달러만 필요합니다.
결론:
약물 발견의 초기 단계에서 AI는 비용을 90% 이상 절감하고 시간도 대폭 단축합니다.
쉬운 설명:
전통적인 제약 방법은 마치 바다에서 바늘을 찾는 것과 같아서 느리고 비용이 많이 듭니다. AI는 초음파와 자동 항법 시스템을 사용해 바늘이 어디에 있는지 정확히 찾아내고 바로 건져낼 수 있습니다. 이 단계에서 AI는 분명히 “효율의 왕”입니다.
---
3. 문제점: “원자”에서 “사람”까지의 거대한 격차
AI가 이렇게 뛰어나다면, 왜 직접 3상 결과를 예측하여 비용이 많이 드는 임상 시험을 생략할 수 없을까요? 이것이 현재 가장 큰 기술적 장애물입니다.
핵심 모순:
노벨상 수상자 레비트는 원자, 전자, 단백질을 모델링하는 데는 좋은 모델이 있지만, “사람”을 모델링하는 데는 좋은 모델이 없다고 지적했습니다.
- 컴퓨터 속의 분자는 표준적이고 순수하지만, 실제 환자는 복잡하고 개별적입니다.
- 100명의 환자마다 유전자, 체질, 생활 환경이 모두 다릅니다.
업계 논쟁:
- 비관론자들: 일부는 임상에서 AI가 쓸모없다고 주장합니다.
- 합리적인 관점: AI는 쓸모가 없는 것이 아니라, “사용하기 어렵다”고 합니다. AI는 기계 언어로 이야기하지만, 의사들은 임상 언어로 질문합니다. 두 가지 언어 사이에는 의미적 격차가 있습니다.
쉬운 설명:
AI는 물리학에 능통한 엔지니어처럼 이론적으로 다리가 얼마나 많은 무게를 견딜 수 있는지 계산할 수 있지만, 실제로 다양한 성격, 체중, 걸음걸이를 가진 사람들이 다리를 건널 때 누가 미끄러질지 정확히 예측하기 어렵습니다. 현재 AI는 “실제 인간 집단의 반응”을 완벽하게 모델링할 수 있는 능력이 부족합니다.
---
4. 위험: 2상은 “생사의 기로”, AI는 제약 회사에게 “손실 방지” 결정을 도와야 한다
약물 연구 개발에서 2상은 “가장 비용이 많이 들고 위험한” 단계입니다.
추운 데이터:
- 2상에서 3상으로의 성공률은 단지 28.9%에 불과합니다.
- 3상 임상의 단일 비용은 1,900만 달러에서 1억 2,700만 달러에 이릅니다.
- 3상에서 실패하면 이전에 투자한 모든 돈이 사라질 수 있습니다.
AI의 새로운 역할:
우시 자연 상수 기술(Wuxi Natural Constant Technology)의 황소루(Huang Xiaolu)는 AI가 새로운 약을 발명하는 것이 아니라, 2상이 끝날 때 제약 회사가 “이 약을 3상으로 진행할지”에 대한 결정을 내리는 데 도움을 줘야 한다고 제안합니다.
- AI가 미리 “이 약이 실패할 가능성이 높다”고 예측하면, 제약 회사는 수억 달러의 손실을 줄일 수 있습니다.
- 이것이 바로 “인실리코 세컨드 오피니언(In Silico Second Opinion)”입니다. 즉, 임상 결정에 “두 번째 의견”을 제공하는 것입니다.
쉬운 설명:
이것은 창업과 비슷합니다. AI는 제품의 프로토타입(2상)을 빠르게 만들어줍니다. 이제 제약 회사는 수천만 달러를 투자하여 대규모로 확장할지, 아니면 포기할지 결정해야 합니다. AI의 역할은 데이터를 분석하여 “사장님, 역사적 데이터와 모델에 따르면 이 프로젝트의 실패 확률이 70%에 달합니다. 손실을 줄이는 것이 좋습니다”라고 알려주는 것입니다. 이 단계에서 제약 회사는 이러한 “확실성”을 가장 원합니다.
---
5. 미래: “데이터 고립”을 깨고, 독점 데이터를 가진 자가 승리한다
마지막으로, 업계가 직면한 깊은 과제는 동질화와 데이터 장벽입니다.
두 가지 주요 문제:
1. 모델의 동질화: 많은 제약 회사가 동일한 오픈소스 AI 모델을 사용하여 비슷한 약을 개발하고 있어 차별화가 부족합니다.
2. 데이터 고립: 이것이 가장 큰 문제입니다. AI가 똑똑해지려면 데이터가 필요하지만, 제약 회사는 “실패 데이터”(왜 이 약이 실패했는지)를 철저히 비밀로 합니다.
- 성공 데이터는 공유하려 하지만,
- 실패 데이터는 비밀로 유지합니다. 왜냐하면 그것은 비즈니스 기밀이자 교훈이기 때문입니다.
미래의 승자는 누가 될까요?
상하이 의약(Shanghai Medicine)의 티엔정룽(Tian Zhenglong)은 데이터 고립을 깨고 “성공 + 실패” 데이터를 포함하는 사설 데이터 풀을 구축하며 AI에게 피드백을 제공하는 회사가 승리할 것이라고 말합니다.
쉬운 설명:
현재의 AI 제약은 모두가 같은 “요리 앱”을 사용하는 것과 같습니다. 앱은 편리하지만, 만들어진 약의 맛은 비슷합니다.
미래의 경쟁은 누가 더 좋은 앱을 사용하는가가 아니라, 독점적인 레시피와 데이터를 가진가에 달려 있습니다. 다른 사람들이 공유하지 않는 “실패 사례”를 수집하고 AI로 학습시킬 수 있다면, 그 AI는 더 정확하고 독특한 약을 만들 수 있을 것입니다.
---
결론
AI는 의약 연구 개발을 재구성하고 있지만, 마법이 아니라 강력한 도구입니다.
- 장점: 약을 빠르고 저렴하게 찾는 데 효과적입니다.
- 단점: 사람의 반응을 정확하게 예측하고 복잡한 임상 결정을 내리는 데는 부족합니다.
- 핵심 과제: “계산 언어”와 “임상 언어”의 격차를 해소하고 “실패 데이터”의 고립을 깨는 것입니다.
일반인에게는 더 많은 신약이 더 저렴한 가격에 출시될 것이라는 의미입니다. 투자자와 업계 종사자에게는 AI를 맹목적으로 숭배하지 말고, “0에서 1”까지의 데이터 순환 문제를 해결한 회사를 주목해야합니다. AI 제약의 “상반기”(비용 절감과 효율 향상)는 이미 끝났으며, 이제는 “하반기”(성공률과 결정 정확도 향상)가 시작되었습니다. 이것이 진정한 과제입니다.