©AI 생성 이미지 제공

올해 들어 인공지능(AI)이 설계한 신약 후보 물질이 대규모 임상 3상을 성공적으로 통과하며 정식 허가를 받은 사례가 등장, 제약 산업에 일대 혁명이 시작됐다. 이는 전통적인 신약 개발 패러다임을 근본적으로 뒤흔드는 사건으로, 관련 용어에 대한 이해는 이제 필수적인 시대가 되었다. 본지는 AI 신약 개발의 핵심 용어를 명확히 해독하고 그 파급력을 심층 분석한다.

▲ AI 신약, 제약 산업의 판도를 바꾸다

최근 인공지능이 개발한 신약 후보 물질이 최종 임상 관문을 넘어서며 제약업계는 격변의 시기를 맞이하고 있다. 그간 신약 개발은 평균 10년 이상의 기간과 1조 원이 넘는 막대한 비용이 소요되는 고위험, 고수익 사업으로 인식되어 왔다. 하지만 AI는 이러한 비효율성을 혁신적으로 개선하며, 후보 물질 발굴부터 임상 단계까지 전 과정의 속도와 정확도를 비약적으로 높이는 잠재력을 입증했다.

이번 AI 신약의 성공적인 임상 3상 통과는 단순한 기술적 성과를 넘어선다. 과거에는 수많은 시행착오와 연구자의 직관에 의존했던 과정이 AI의 데이터 기반 예측과 시뮬레이션으로 대체되면서, 신약 개발의 성공 확률 자체가 높아지고 있는 것이다. 이는 제약사들이 연구개발(R&D) 전략을 전면 재검토하고, AI 전문 기업과의 협력을 모색하는 등 산업 구조 전반의 재편을 가속화하는 계기가 되고 있다. 특히 국내외 유수의 제약사들은 AI 역량 강화를 위해 대규모 투자를 단행하고 있으며, AI 기반 신약 개발 벤처기업들은 몸값이 치솟는 등 자본 시장의 뜨거운 관심 또한 집중되는 양상이다.

▲ AI 신약 개발, 핵심 용어로 깊이 보기

AI 신약 개발의 본질을 이해하기 위해서는 핵심 용어들에 대한 명확한 인식이 필요하다.

AI 신약 개발(AI-driven Drug Discovery)은 인공지능 기술을 활용하여 신약 후보 물질의 발굴, 설계, 최적화 및 임상시험 과정까지 전반적인 신약 개발 주기를 가속화하고 성공률을 높이는 모든 활동을 포괄한다. 이는 빅데이터 분석, 머신러닝, 딥러닝 등의 기술을 기반으로 한다.

타깃 발굴(Target Identification)은 질병의 원인이 되는 특정 단백질이나 유전자 등 생체 내 표적을 AI가 데이터 분석을 통해 찾아내는 과정이다. AI는 방대한 유전체, 단백질체 데이터를 분석하여 기존에 알려지지 않았던 새로운 치료 표적을 제시하며 신약 개발의 시작점을 혁신한다.

가상 스크리닝(Virtual Screening은 수십억 개에 달하는 화합물 라이브러리에서 특정 타깃에 효과적으로 결합할 가능성이 있는 후보 물질을 AI가 컴퓨터 시뮬레이션을 통해 빠르게 선별하는 기술이다. 이는 실제 실험을 대체하여 시간과 비용을 획기적으로 절감한다.

생성형 AI(Generative AI)는 최근 각광받는 기술로, 단순히 기존 데이터를 분석하는 것을 넘어 특정 조건에 맞는 새로운 분자 구조나 단백질 서열을 '생성'하여 신약 후보 물질을 제안한다. 이는 인간의 상상력을 넘어서는 독창적인 물질 발견을 가능하게 한다.