AI 자동화 실험실을 통한 신약 개발의 패러다임 전환과 시장의 변화

“AI 자동화 실험실을 통한 신약 개발의 패러다임 전환과 시장의 변화”라는 주제의 블로그를 소개합니다. (https://medium.com/mdbros/%E4%B9%BE%E6%BF%95%E8%9E%8D%E5%90%88%E7%9A%84%E7%A0%B4%E6%9B%89%E6%99%82%E5%88%BB-%E6%A8%A1%E5%9E%8B%E5%8A%A0%E8%87%AA%E5%8B%95%E5%8C%96%E9%9B%B2%E7%AB%AF%E5%AF%A6%E9%A9%97%E5%AE%A4%E7%9A%84%E7%A7%91%E5%AD%B8%E7%94%9F%E7%94%A2%E5%8A%9B%E5%87%BD%E6%95%B8-openai-deepmind-anthropic-%E6%99%B6%E6%B3%B0-%E7%99%BE%E5%9C%96-bc363340ff1c)

• 저자는 대만 사람 같습니다.
• 이 분야에서도 제조 역량을 보유한 한국 기업에게 새로운 기회가 되고 있다는 내용이 포함되어 있습니다.
• 단, 한 개인의 주장이니 걸러서 들으실 필요가 있습니다.

핵심 내용

(1) Dry Lab(컴퓨터와 AI를 이용한 데이터 분석 및 시뮬레이션 환경)과 Wet Lab(제 생물학적/화학적 반응을 테스트)이 하나로 통합되는 패러다임

(2) AI가 원격으로 자동화 실험실을 제어하여 설계-테스트-분석의 순환 고리를 24시간 가동

(3) AI가 실험실을 운영하는 표준화된 방식을 제시했다는 점에서 중요한 전환점

(4) 단, 기술의 가능성을 넘어 실제 상업적 가치와 물리적 한계를 증명해야 하는 검증의 시대로 진입

!!!) AI가 신약개발의 초기 단계를 가속화하면 후기 제조 단계의 CDMO(위탁개발생산) 기업들이 수혜를 입을 수 있음.

• 고도의 제조 역량을 갖춘 삼성 바이오로직스(Samsung Biologics)에게는 좋은 기회

주요 플레이어들

(1) 오픈/클라우드형 (OpenAI + Ginkgo)

• 실험실 자체를 클라우드 서비스화하여 누구나 AI를 통해 실험을 수행할 수 있는 플랫폼 구축을 지향.

(2) 수직 통합형 (DeepMind + Isomorphic)

• AI 모델부터 자체 신약 파이프라인까지 직접 소유하고 운영
• 모델(AlphaFold 등)의 성능을 독점.

(3) 중계형 (Anthropic)

• Claude For Life Sciences처럼 기존 과학 도구와 데이터 시스템을 연결하는 미들웨어를 구축

(4) 오픈 소스/학술형 (FutureHouse)

• 비영리 모델을 통해 개방형 AI 과학자(Kosmos)를 개발
• 상업적 기업들과는 다른 혁신을 추구.

(5) 중국 (XtalPi, BioMap)

• 물리학/양자역학 기반의 AI(XtalPi)와 대규모 기초 모델(BioMap)을 활용

현실 점검: "AI 제약의 과도한 홍보 vs 실체"

(1) 신약 개발 기간을 10년에서 2~3년으로 단축한다는 주장은 과도한 마케팅

(2) 발견(Discovery) 단계의 가속화는 가능하지만, 생물학적 복잡성, 임상 시험의 시간, 규제(FDA 등)의 물리적 한계는 여전히 해결해야 할 과제

시장의 변화와 삼성바이오로직스

(1) AI가 신약 설계 단계의 시간을 줄여줄 수는 있지만, 실제 약물을 대량 생산하고 임상을 진행하는 물리적 시간은 단축할 수 없음

(2) AI는 발견 단계의 CRO(위탁연구기관) 수요를 대체/축소

(3) 복잡해지는 약물 형태(ADC, 이중항체 등)로 인해 제조 전문 CDMO(위탁개발생산)의 수요는 오히려 폭발

(4) 고도의 제조 역량을 갖춘 삼성바이오로직스와 같은 대형 CDMO 기업들에 대한 주문이 폭주

(5) 삼성바이오로직스는 글로벌 상위 20개 제약사 중 17개 기업에 서비스를 제공하고 있어 업계 내 강력한 지배력

대만의 전략적 위치

(1) AI 신약 설계 분야에서 글로벌 선두와 격차

(2) 신약 개발보다는 제조 인프라와 데이터 거버넌스에서 아시아의 거점이 될 가능성