AI가 바꾼 신약 개발 판도…10년 걸리던 연구 '1년'으로

타깃 발굴부터 임상까지 전주기 혁신, 비용·시간 대폭 절감

AI 생성 이미지

인공지능(AI) 기술이 단순한 보조 도구를 넘어 신약 개발의 전 주기를 혁신하는 전략적 파트너로 자리 잡고 있다. 그간 '고위험 고수익' 구조 속에서 막대한 시간과 자본을 투입하고도 성공을 장담할 수 없었던 신약 개발 분야가 AI를 만나 거대한 기술적 진보의 변곡점에 섰다.

업계에 따르면 기존의 신약 개발은 그야말로 '모래사장에서 바늘 찾기'와 같았다. 신규 타겟 발굴부터 후보물질 탐색, 전임상, 임상에 이르기까지 평균 10~15년의 세월과 1~2조 원에 달하는 천문학적인 비용이 소요된다. 그럼에도 불구하고 최종 시판 승인까지 이어지는 성공률은 10% 미만에 불과해, 제약사들은 늘 높은 불확실성을 감수해야만 했다.

이러한 구조적 한계를 깨기 위해 도입된 AI는 방대한 논문과 실험 데이터를 학습해 인간이 발견하지 못한 질병 패턴을 찾아내고, 가상 시뮬레이션을 통해 후보물질을 정밀하게 선별한다.

실제로 과거 4~5년이 걸리던 후보물질 탐색 기간을 1년 수준으로 단축하는 성과가 나타나고 있으며, 일부 선도 기업은 타겟 발굴에서 임상 1상 진입까지 단 30개월 만에 주파하며 속도 혁명을 입증하고 있다.

AI의 역할은 단순히 기간 단축에 그치지 않는다. 신약 개발 실패의 핵심 원인인 '독성' 문제를 해결하는 데 결정적인 기여를 하고 있다. 화합물의 구조와 생체 데이터를 결합해 체내 흡수, 대사, 독성 등을 사전에 예측함으로써 임상 단계에서의 실패 리스크를 획기적으로 낮춘다.

최근에는 '디지털 트윈' 기술을 활용한 가상 환자 모델까지 등장했다. 이는 실제 환자 모집을 일부 대체할 수 있는 '가상 대조군'을 활용해 임상시험의 비용과 시간을 줄여준다. 또한, 타겟 발굴 단계에서는 오믹스(Omics) 데이터를 분석해 질병 원인 단백질을 정확히 도출하고, 후보물질 단계에서는 생성형 AI가 최적의 화합물 구조를 직접 설계하며 개발 성공률을 높이고 있다.

현재 글로벌 시장은 빅테크와 제약사 간의 주도권 경쟁이 치열하다. 구글, 엔비디아 등 빅테크 기업은 단백질 구조 예측 플랫폼을 중심으로 기술 선점에 나섰고, 제약사들은 자체 AI 역량 강화와 외부 협력을 통해 이에 대응하고 있다. 우리나라도 제약사와 IT 기업, 스타트업이 손잡고 한국형 AI 신약 개발 생태계 구축에 박차를 가하는 중이다.

향후 AI 신약 개발은 단순한 기술 도입을 넘어 의료 패러다임 자체를 바꿀 것으로 보인다. 환자의 유전 정보와 생활 습관을 반영한 '초개인화 치료'가 현실화되고, 경제성 문제로 소외되었던 희귀질환 치료제 개발도 더욱 활발해질 전망이다.

물론 장밋빛 미래만 있는 것은 아니다. AI 신약 개발이 완전히 뿌리 내리기 위해서는 의료 데이터 활용에 따른 개인정보 보호 문제 해결과 산·학·연 간의 유기적인 데이터 공유 체계 구축이 필수적이다. 또한 기술 속도를 따라잡을 수 있는 규제 및 윤리 가이드라인 마련과 바이오·IT를 아우르는 융합형 인재 양성도 시급한 과제로 꼽힌다.