 |
산업의 무게 중심도 ‘AI를 도입하느냐’에서 ‘AI로 얼마나 빠르게 신약을 설계하느냐’로 이동하는 모습입니다.
가장 눈에 띄는 변화는 생성형 AI의 진화입니다.
과거 AI는 방대한 데이터를 분석해 후보 물질을 선별하는 데 활용됐다면, 이제는 아예 새로운 분자 구조를 설계하는 단계로 넘어왔습니다. AI가 스스로 유망한 화합물을 만들어내고 이를 반복적으로 개선하는 방식입니다.
즉, 신약 개발의 출발점이었던 ‘탐색’ 과정이 ‘설계’로 바뀌고 있다는 의미지요. 이 변화는 시간과 비용 측면에서 큰 차이를 만듭니다. 수년이 걸리던 초기 연구가 불과 수개월 단위로 단축되면서, 제약사의 파이프라인 전략 자체가 재구성되고 있습니다.
이와 맞물려 등장한 흐름이 원료의약품(DS)부터 완제의약품까지 이어지는 ‘엔드투엔드(end-to-end) AI’입니다.
신약 개발은 타깃 발굴부터 임상시험까지 여러 단계를 거치는 복잡한 과정인데, 최근에는 이 전 과정을 하나의 AI 플랫폼으로 연결하려는 시도가 늘고 있습니다. 개별 단계 최적화를 넘어 전체 흐름을 통합하는 방식입니다.
미국 인실리코 메디슨(Insilico Medicine)은 타깃 발굴부터 분자 설계, 임상 예측까지 전 과정을 하나의 AI 플랫폼으로 통합했고, 미국 리커전 파마슈티컬스(Recursion)과 영국 엑센티아(Exscientia) 역시 자동화 실험과 AI를 결합한 전주기 시스템을 구축했습니다.
이는 단순한 효율 개선이 아니라 연구 조직의 운영 방식 자체를 바꾸는 시도에 가깝습니다. 제약사가 실험 중심 조직에서 데이터·알고리즘 중심 조직으로 전환하는 흐름도 이 지점에서 읽힙니다.
‘자율형 AI(에이젠틱 AI)’의 부상은 또 다른 변곡점입니다.
이 기술은 인간 연구자의 개입을 최소화한 채 가설 설정, 실험 설계, 결과 해석까지 일련의 과정을 반복 수행할 수 있는데요. 일종의 ‘AI 연구원’이 등장한 셈입니다. 자율형 AI는 아직 완전한 대체 단계에 이르렀다고 보긴 어렵지만, 연구 생산성을 끌어올리는 수단으로 빠르게 확산되고 있다고 합니다.
자율형 AI는 이미 일부 바이오텍에서 실제 연구에 적용되기 시작했는데요. 예컨대 베리언트 바이오는 최소한의 인간 개입으로 후보물질을 도출하는 AI 기반 추론 플랫폼을 구축했고, 글로벌 제약사와 공동 연구에 활용하고 있습니다. 다만 대형 제약사들은 아직 이 기술을 전면 도입하기보다는 인프라와 데이터 축적 단계에서 준비를 진행하는 모습입니다.
 |
제약사들은 유전체, 단백질, 임상 데이터, 실제 진료 데이터(리얼 월드 데이터) 등을 통합한 초대형 데이터셋 구축에 나서고 있습니다.
단순히 데이터를 많이 확보하는 것을 넘어 특정 질환에 최적화된 정밀 데이터가 중요해지는 흐름입니다. 이는 범용 AI 모델에서 질병 특화 모델로의 전환을 의미합니다. 결국 AI의 성능은 알고리즘보다 데이터의 질과 구조에서 갈린다는 점이 다시 확인되고 있습니다.
흥미로운 점은 AI의 효과가 신약 ‘발견’보다 ‘임상’ 단계에서 더 크게 나타나고 있다는 점입니다.
환자 모집, 임상 설계, 실패 확률 예측 등에서 AI가 활용되면서 개발 리스크를 낮추는 역할이 강화되고 있는 것인데요. 신약 개발의 가장 큰 비용 요인이 임상 실패라는 점을 고려하면, 이는 단순한 효율 개선을 넘어 수익 구조 자체를 바꾸는 요인으로 작용할 수 있다는 것을 보여줍니다.
이러한 변화는 산업의 경쟁 구도에도 영향을 미치고 있습니다. 글로벌 빅파마들은 AI 역량을 내부에서 모두 구축하기보다, 기술력을 갖춘 기업과의 협업을 확대하는 전략을 택하고 있습니다. 수십억 달러 규모의 공동 연구 계약이 잇따르는 배경입니다.
스위스 로슈는 엔비디아와 ‘하이브리드 클라우드 AI 공장’을 출범합니다. 미국 일라이 릴리도 최근 10억 러 규모의 AI 투자를 공식화하기도 했습니다.
올해 1월 릴리는 J.P 모건 헬스케어 컨퍼런스에서 엔비디아와 함께 샌프란시스코 베이 에어리어에 AI 공동 혁신 연구소를 설립하겠다고 밝혔습니다. 이 수치는 제약 산업이 이제 ‘데이터 산업’으로 전환되고 있음을 상징하는 신호에 가깝습니다.
지난 2월엔 ‘릴리팟(LillyPod)’으로 명명된 엔비디아 기반 슈퍼컴퓨터 가동도 공식화했습니다. 신약개발의 핵심 과정에 초대형 연산 인프라를 직접 투입하겠다는 선언입니다.
이 같은 움직임은 일라이 릴리만의 전략으로 보기도 어렵습니다. 로슈 역시 유사한 시기에 AI 투자 확대를 내놓으면서 글로벌 빅파마 간 경쟁 구도가 기술 중심으로 재편되는 흐름이 감지됩니다.
이제는 데이터 처리 능력과 알고리즘 역량이 새로운 기준으로 떠오르고 있는 것이지요. 이처럼 AI 기술은 단기간에 내재화하기 어려운 만큼, 생태계 단위의 경쟁이 본격화되고 있다는 해석이 나옵니다.
AI 신약 개발은 더 이상 ‘실험 단계’에 머물지 않고 있습니다. AI로 설계된 후보 물질이 실제 임상 단계에 진입하는 사례가 늘어나면서, 산업의 기대도 빠르게 현실로 옮겨가는 중인데요. 기술 가능성을 입증하는 국면을 지나, 실제 성과를 검증하는 단계로 진입한 것입니다.
따라서 2026년 AI 신약 개발 트렌드는 하나의 문장으로 정리됩니다. ‘속도를 높이는 도구’였던 AI가 ‘연구 방식을 바꾸는 인프라’로 전환되고 있다는 점입니다. 그리고 이 변화는 제약 산업의 경쟁 기준을 근본적으로 바꾸고 있습니다.
앞으로의 경쟁은 더 많은 데이터를 가진 기업이 아니라 더 빠르게 학습하고 설계하는 기업이 주도하게 될 가능성이 크다고 볼 수 있겠네요.
- Copyright ⓒ 디지털데일리. 무단전재 및 재배포 금지 -
