AI가 제약산업을 혁신할 수 있는 이유 — 그러나 자연을 재촉할 수는 없다

인공지능은 새로운 치료법 개발을 근본적으로 바꿀 잠재력을 지니고 있다

게시일 2026년 6월 30일

OpenAI가 2022년 ChatGPT를 출시하며 생성형 AI 분야에서 새로운 경쟁을 촉발한 이후, 여러 산업은 대규모 언어 모델 시스템이 업무 흐름을 어떻게 더 효율적이고 생산적으로 만들 수 있을지 파악하기 위해 분주하게 움직여왔다.

제약업계도 예외는 아니다. 제약 분야에서 AI가 가져올 수 있는 가능성은 무궁무진하며, 전 세계 기업들은 서로 경쟁에서 앞서기 위해 수십억 달러를 투자하고 있고 AI를 핵심으로 삼는 스타트업들도 업계에서 속속 등장하고 있다.

제약업계는 새로운 치료제를 발견하고 환자에게 전달하는 과정을 개선하기 위해 오랫동안 기술을 활용해왔다. IT 서비스 기업 캡제미니에서 생명과학 부문 글로벌 산업 책임자를 맡고 있는 토르스텐 랄은 “연구 분야에서 AI는 업계에 수십 년 전부터 활용돼 왔다”고 말한다. 그는 “제약업계는 데이터가 풍부한 환경이며, AI를 활용한 [치료 표적 식별]과 분자 설계 같은 애플리케이션은 한동안 존재해왔고 상당히 광범위하게 도입됐다”고 덧붙였다.

AI 활용의 판도를 바꾼 순간은 구글 딥마인드가 2021년 알파폴드2를 출시한 때였다. 이후 노벨상을 수상한 알파폴드는 아미노산 서열을 바탕으로 단백질의 구조를 예측한다. 이 ‘단백질 접힘’ 예측 지식은 단백질의 작동 방식을 파악하는 데 crucial하며, 이전에 알려지지 않았던 질병 유발 병원체를 이해하는 데도 필수적일 수 있다.

구글 딥마인드에서 분사해 이 프로젝트를 발전시키고 있는 아이소모픽 랩스의 약물 설계 부문 부사장 겸 책임자인 레베카 폴은 “이는 중대한 전환점이었다”고 말한다. 그는 “과학자로서 복잡한 생물학적 결과를 매우 정확하게 예측할 수 있는 모델을 처음 본 순간이었고, 그 이후 발전 속도는 가파르게 빨라졌다”고 말했다.

실무 AI 더 보기

예산을 초과시키는 AI 청구서; 항공 교통 관제와 AI·신뢰; 챗봇과 정신 건강; 행진하는 공장 로봇; 천문학적 함의; 게임 규칙 다시 쓰기; 에이전트형 여행사

폴은 이러한 진전에 단백질이 다른 분자 및 DNA와 어떻게 상호작용하는지에 대한 예측도 포함된다고 말한다. 또한 AI는 한때 “약물로 개발할 수 없다”고 여겨졌던 단백질을 표적으로 삼을 수 있는 분자를 설계하는 데 활용돼, 다양한 적응증에서 환자들의 치료 선택지를 넓힐 것이라고 덧붙인다.

업계에서는 AI의 영향이 막대할 것이라는 기대가 나온다. 컨설팅업체 캡제미니의 새 보고서에 따르면, AI 기반 플랫폼은 향후 10년 내 신규 분자 물질의 약 60%를 차지할 수 있다. 현재 파이프라인에서 차지하는 비중은 약 12%다.

새로운 AI 시대의 핵심 약속이 실현된다면, 의약품의 설계와 개발 방식은 근본적으로 바뀔 것이다. 라울에 따르면 첫 번째 영향은 분자가 전임상시험에 도달하는 데 걸리는 시간을 약 4~5년에서 12~18개월로 단축하는 데서 나타날 전망이다.

두 번째 혜택은 비용 절감이다. 기업들은 더 이상 동일한 수준의 실험실 인프라를 운영할 필요가 없으며, 임상시험 참가자도 더 빠르고 효율적으로 모집해 시간을 절약할 수 있기 때문이다.

업계 전문가들은 AI가 실험동물을 대상으로 한 시험의 초기 단계를 건너뛸 수 있을 만큼 우수한 합성 데이터를 생성할 가능성에도 기대를 걸고 있다. 이는 인간 대상 시험을 훨씬 더 일찍 시작할 수 있게 할지 모르지만, 아직은 실현까지 상당한 시간이 남아 있는 것으로 보이며 규제 당국의 승인이 필요하다.

추천

신약 개발의 실패율은 변함이 없다. 임상시험을 시작한 신약 10개 중 1개만이 여러 단계의 시험과 규제 승인을 거쳐 시장에 출시된다. 제약사들은 시장에 나오지 못하는 프로젝트에 막대한 자금을 투입하는 경우가 많다.

Rall은 “AI를 설계 단계에서 활용해 안전성 프로파일이 더 우수한 분자를 찾아내고 개발 과정에서의 이탈을 줄일 수 있다면, 더 나은 품질의 자산을 확보할 수 있다”고 말한다.

영국 제약사 GSK에서 AI 및 머신러닝 부문 부사장을 맡고 있는 Danielle Belgrave는 AI의 발전이 “대규모 데이터 처리”에도 도움이 됐다고 말한다. 인간 생물학에 대한 이해가 크게 진전되면서 생성되는 데이터도 그에 상응하는 수준의 컴퓨팅 성능을 필요로 하게 됐고, AI가 이를 가능하게 했다는 설명이다.

그녀는 “이는 단순한 AI 혁명 이상이다. 인간 생물학을 이해하기 위한 솔루션을 확장할 수 있게 해준 컴퓨팅 혁명이기도 하다”고 말한다. 이어 “AI에서 가장 중요한 점은 이 데이터를 대규모로 처리할 수 있다는 것이다. 이를 통해 우리는 새로운 방식으로 데이터 과학을 수행하고 솔루션을 자동화할 수 있다”고 덧붙인다. 이러한 “깊은 이해”는 치료법이 효과가 있을지 평가하는 데 도움이 된다. “의학은 모든 사람에게 동일하게 적용되는 방식이 아니기 때문”이라고 그녀는 설명한다.

같은 진단을 받은 환자들도 치료에 서로 다르게 반응하는 경우가 많기 때문에, AI는 “반응의 [차이]를 풀어내고 중재를 개인화”하는 데 활용될 수 있다.

런던에 본사를 둔 AI 생명과학 기업 Basecamp Research는 자연환경에서 수집한 새로운 게놈을 염기서열 분석하고 있다. 이 회사의 최고경영자 Glen Gowers는 게놈 데이터베이스를 구축하며 얻은 지식을 바탕으로 개인 맞춤형 의약품을 개발하는 것이 목표라고 말한다. 그는 “생물학을 인간이 이해할 수 있는 한계에서 벗어나 다른 수준으로 이해할 수 있다면, AI로 신약 개발의 범위가 크게 넓어진다”고 덧붙인다.

추천

Gowers는 유전적 또는 세포 수준의 발병 원인을 치료하도록 설계된 의약품인 세포·유전자 치료제를 AI가 신약 개발에 가장 유용하게 활용될 수 있는 틈새 분야로 꼽는다.

그러나 AI가 지닌 모든 가능성에도 불구하고, AI가 전적으로 개발한 치료제가 환자에게 도달하기까지 얼마나 오래 걸릴지, 그리고 왜 이렇게 오랜 시간이 걸리는지를 둘러싼 의문이 남아 있다.

Isomorphic Labs의 Paul은 “물리적 세계를 압축할 수 없고 생물학적 과정이 진행되도록 해야 하기 때문”에 이 과정에 시간이 걸리는 것은 불가피하다고 말한다. 이는 환자에게서 분자의 영향과 효능을 연구하는 데 여전히 시간이 필요하다는 뜻이다.

그녀는 “놀라운 예측을 하고, 그렇지 않았다면 찾아내지 못했을 것들을 발견할 수 있지만, 우리는 여전히 물리적 세계를 헤쳐 나가야 합니다. 그 시간 차는 언제나 존재할 것입니다”라고 말한다.

“현재 임상 현장에서 보고 있는 것은 5~10년 전 AI가 하던 일을 반영한 것입니다. 제가 보기에 당시 우리가 하던 일에서 크게 도약한 지금 우리의 작업은 5년, 10년 후에 반영될 것입니다.”

답변 서신: AI는 신약 개발에 정말 그렇게 도움이 되는가? / K Felix Mjumbe, 미국 캘리포니아주 버클리

패션의 모든 것, 매주 목요일

FT 패션 에디터 엘리자베스 페이턴이 스타일 분야의 주요 이슈를 풀어낸다