AI 신약 개발
본 서비스가 제공하는 내용 및 자료가 사실임을 보증하지 않습니다. 시스템은 언제나 실수를 할 수 있습니다. 중요한 의사결정 및 법리적 해석, 금전적 의사결정에 사용하지 마십시오.
AI 신약 개발은 인공지능(AI) 기술을 의약품 연구 및 개발 전 주기에 도입하여 효율성을 극대화하는 방식이다. 전통적인 신약 개발은 평균 10~15년의 기간과 약 3조 원의 비용이 투입되는 고위험 산업이었으나, AI를 활용하면 이를 약 7년과 6,000억 원 수준으로 단축할 수 있다. 후보 물질 탐색, 유효 물질 발굴, 임상 시험 설계 등 다양한 단계에서 데이터 기반의 예측 모델을 사용하여 성공 확률을 높이는 것이 핵심이다.
개요
신약 개발은 막대한 시간과 자본이 소요되는 과정이다. 글로벌 제약사 기준으로 신약 하나를 개발하는 데 평균 1012년이 걸리며, 약 3조 원에 달하는 연구개발비가 투입된다. 그러나 임상 1상에 진입한 후보물질이 최종 허가를 받을 확률은 약 7.9%에 불과하여, 투자 대비 성과가 낮은 'R&D 패러독스' 현상이 발생하고 있다. AI 신약 개발은 이러한 고비용·저효율 구조를 개선하기 위해 등장하였다. 인공지능을 활용하면 후보 물질 발굴 기간을 기존 45년에서 1~2년으로 단축할 수 있으며, 전체 개발 주기를 획기적으로 줄이는 것이 가능하다.
주요 기술 및 데이터
AI 신약 개발은 방대한 양의 데이터를 학습한 알고리즘을 기반으로 한다. 주요 기술로는 생성형 AI, 머신러닝, 슈퍼컴퓨팅 기반의 가상 스크리닝 등이 있다.
- 데이터베이스: 구글 알파폴드의 단백질 구조 정보, 단백질 구조 은행(PDB)의 결합 정보, 수십억 개의 화합물 라이브러리 등이 활용된다.
- 핵심 알고리즘: 분자의 생물학적 활성을 예측하고 최적의 분자 구조를 설계한다. 특히 생성형 AI는 기존에 존재하지 않던 새로운 화합물 구조를 제안하는 데 탁월한 성능을 보인다.
- 연합학습: 각 제약사가 보유한 민감한 데이터를 외부로 유출하지 않으면서도 공동으로 AI 모델을 학습시키는 기술로, 데이터 보안과 협업을 동시에 달성한다.
단계별 활용 및 효과
AI는 신약 개발의 전 주기에 걸쳐 효율성을 높인다.
| 단계 | 주요 역할 | 기대 효과 |
|---|---|---|
| 후보 물질 발굴 | 수억 종의 화합물 가상 스크리닝 | 발굴 기간 최대 80% 단축 |
| 독성 및 약동학 예측 | 화합물의 부작용 및 대사 과정 예측 | 임상 실패 가능성 사전 차단 |
| 임상 시험 설계 | 최적의 환자군 모집 및 임상 계획 수립 | 임상 진행 기간 단축 및 비용 절감 |
| 성공률 제고 | 데이터 기반의 결과 예측 | 임상 1상 성공률을 80~90%까지 향상 |
특히 '죽음의 계곡'이라 불리는 임상 2상에서의 탈락률을 줄이는 데 기여하며, 독점 판매 기간을 실질적으로 확대하는 경제적 효과를 가져온다.
시장 전망
글로벌 AI 신약 개발 시장은 가파른 성장세를 보이고 있다. 2023년 약 18억 6,000만 달러 규모였던 시장은 연평균 29.9%의 성장률을 기록하며 2029년에는 68억 9,000만 달러에 이를 것으로 전망된다. 지역별로는 북미 시장이 가장 높은 성장률과 점유율을 보이고 있으며, 유럽과 아시아 태평양 지역이 그 뒤를 잇고 있다. 글로벌 빅파마들은 엔비디아와 같은 IT 기업과 협력하여 기술 도입에 속도를 내고 있다.
국내 개발 현황
대한민국 제약업계도 자체 플랫폼 구축과 외부 협업을 통해 AI 기술을 적극적으로 도입하고 있다.
- 대웅제약: 자체 AI 시스템 '데이지(DAISY)'와 8억 종의 화합물 데이터베이스인 '다비드(DAVID)'를 구축하여 비만, 당뇨, 항암제 연구에 활용하고 있다.
- 신테카바이오: 슈퍼컴퓨터 기반의 전주기 AI 신약 개발 플랫폼을 운영하며 100억 개의 화합물 라이브러리를 활용한다.
- 삼성바이오로직스 및 SK바이오팜: AI 도입을 통해 R&D 생산성을 높이고 실질적인 성과를 가시화하고 있다.
- 정부 지원: 정부는 유망 신약 선진화 등을 위해 R&D 예산을 투입하며 AI 신약 개발 생태계 조성을 지원하고 있다.
