신약 개발은 「하나의 약을 만드는 데 평균 12년·30억 달러가 드는」 매우 비싸고 느린 분야입니다.
AI는 이 과정을 단축할 수 있는 큰 가능성으로 주목받고 있고, 실제로 여러 단계에서 가시적 성과가 나오고 있습니다.
첫 번째 응용은 「분자 설계」입니다.
약은 결국 특정 단백질에 잘 결합하는 분자를 찾는 일인데, 가능한 분자 조합은 사실상 무한합니다.
AI(특히 Diffusion·VAE 모델)가 후보 분자를 자동 생성해 사람이 일일이 화학적으로 추론할 시간을 크게 줄여 줍니다.
두 번째 응용은 「단백질 구조 예측」입니다.
2020년 DeepMind의 AlphaFold가 단백질의 3D 구조를 거의 사람 실험 수준으로 예측해 「50년 묵은 난제」를 풀었다는 평을 받았습니다.
AlphaFold는 수억 개의 단백질 구조를 공개해 신약 개발 출발점을 크게 앞당겼습니다.
세 번째는 「임상 시험 최적화」입니다.
AI가 환자 모집 대상을 자동 추천하고, 임상 시험 설계의 최적화를 돕고, 시험 데이터의 패턴을 분석해 부작용 신호를 빨리 잡아냅니다.
시험 기간을 수개월 단축할 수 있습니다.
신약 AI의 상용화 사례도 늘고 있습니다.
Insilico Medicine은 AI로 발견한 신약 후보가 임상 1상에 진입했고, Atomwise는 백 가지 이상의 질병에 대한 후보 화합물을 발굴했습니다.
한국에서도 디어유·스탠다임 같은 회사들이 활발히 활동 중이며, 향후 10년간 신약 개발 패러다임을 바꿀 것으로 평가됩니다.
한 줄 요약
신약 개발 AI는 분자 설계·단백질 구조 예측(AlphaFold)·임상 시험 최적화의 세 단계에서 가시적 성과를 내며, 12년·30억 달러의 신약 개발 비용을 단축할 큰 가능성을 보이고 있습니다.
더 알아볼 것
- AlphaFold — 단백질 구조 예측의 혁명
- Insilico Medicine·Atomwise — 신약 AI 회사들
- 제너레이티브 화학(generative chemistry)
