AI 신약 개발, 왜 아직 성과가 없을까? 알파폴드 이후 다시 시작되는 도전

인공지능(AI)이 신약 개발의 패러다임을 바꿀 것이라는 기대가 등장한 지 벌써 10년이 넘었습니다. 그러나 지금까지 AI가 직접 발견한 신약이 상용화된 사례는 단 한 건도 없습니다. 수많은 AI 기반 신약 스타트업들이 등장했지만, 아직은 임상 시험을 통과해 시장에 출시된 결과물이 없다는 뜻입니다.

그렇다면 왜 AI는 지난 10년 동안 뚜렷한 성과를 내지 못했을까요? 그리고 최근 다시 주목받는 이유는 무엇일까요?

---

신약 개발, 인류가 직면한 가장 어려운 과제

신약 개발은 단순히 새로운 물질을 찾아내는 것이 전부가 아닙니다.
전문가들에 따르면 신약 개발은 우주 탐사에 이어 실패율이 가장 높은 분야로 꼽힙니다.

• 인간 생물학의 복잡성: 아직 세포 간 상호작용이 완전히 밝혀지지 않았습니다.
• 부작용 최소화의 어려움: 특정 질병에 효과가 있는 물질도, 다른 부위에는 해를 끼칠 수 있습니다.
• 높은 임상 실패율: 이론적으로 완벽해 보이는 약물 후보조차 임상 시험에서 약 90% 이상 실패합니다.

즉, AI 알고리즘의 문제를 넘어, 현실 생물학적 한계와 맞서야 한다는 점이 가장 큰 난제입니다.

---

지난 10년간 AI 신약 스타트업의 현실

2010년대 중반부터 BenevolentAI, Exscientia 등 여러 AI 신약 기업들이 큰 주목을 받으며 등장했습니다. 그러나 상용화된 신약을 내놓지 못한 채 일부 기업은 상장 폐지되거나 합병되는 등 부침을 겪었습니다.

초기에는 AI 학습용 데이터셋도 충분치 않았습니다.

• 서로 다른 수천 개의 데이터베이스를 정제하는 데 막대한 시간이 걸렸고,
• 결국 AI가 찾아낸 후보 물질 대부분은 기존에 알려진 약물과 크게 다르지 않았습니다.

이 때문에 투자자들도 회수 압박을 느꼈고, **AI 신약 개발은 "말뿐인 혁신"**이라는 회의론도 커졌습니다.

---

전환점 ① 알파폴드(AlphaFold)의 등장

상황이 바뀐 첫 번째 계기는 **구글 딥마인드의 알파폴드(AlphaFold)**입니다.
2021년 공개된 알파폴드는 단백질 접힘(folding) 구조를 예측하는 획기적 모델이었습니다.

• 방대한 단백질 데이터베이스 활용
• 기존 알고리즘 개발보다 빠르고 정확한 구조 분석
• 약물 표적에 대한 이해도를 크게 향상

특히 알파폴드는 범용 생물학 알고리즘으로 불릴 만큼 파급력이 컸습니다. 단백질 구조 예측을 통해 과학자들이 신약 후보 물질을 설계하는 속도를 크게 앞당겼습니다.

---

전환점 ② 생성 AI(Generative AI)의 폭발적 성장

두 번째 전환점은 바로 생성 AI입니다.
ChatGPT를 비롯한 생성형 AI 기술은 텍스트, 이미지뿐 아니라 분자 구조 설계에도 적용되기 시작했습니다.

예전에는 사람이 일일이 계산하고 시뮬레이션하던 작업을 이제 AI가 자동으로 수행합니다.

• 신약 후보 물질의 화학 구조 설계
• 분자의 결합력 및 독성 예측
• 환자별 맞춤형 복용량 추정

이처럼 생성 AI는 연구자들의 수고를 줄이고, 신약 개발 속도를 가속화할 수 있는 잠재력을 보여주고 있습니다.

---

그러나, 아직은 "이제 시작"

전문가들은 신약 개발 AI가 아직 출발선에 서 있다고 평가합니다.
진정한 의미의 혁신을 위해서는 알파폴드 같은 획기적 발견이 5~6개 이상 추가로 필요하다는 것입니다.

예를 들어, 앞으로는

• 단백질-분자 결합 강도 예측,
• 약물이 체내 여러 부위와 상호작용하는 방식 이해,
• 환자 개개인의 대사·복용량까지 고려하는 모델 개발이 필요합니다.

이런 과정을 감안하면, 또다시 수년에서 10년 이상의 시간이 걸릴 수도 있다는 전망이 나옵니다.

---

다시 커지는 투자와 기대감

그럼에도 불구하고 분위기는 달라졌습니다.

• 알파폴드 이후 AI 신약 스타트업에 대한 투자 열기가 다시 살아났습니다.
• 구글 자회사 이 소모픽 랩스(Isomorphic Labs)는 아직 임상 단계에 들어선 신약이 없지만, 2025년 투자 라운드에서 6억 달러를 유치했습니다.

CEO 데미스 허사비스는 "앞으로 몇 년, 아니 몇 달 안에 신약 개발 기간을 1년 이내로 줄일 수도 있다"라고 말했습니다. 또한 "알파폴드의 더 진보된 버전"이 곧 등장할 것이라고 예고했습니다.

---

앞으로의 전망: AI와 신약 개발의 결합

1. 긍정적 전망
   • AI는 분명 신약 개발의 속도를 높일 도구가 될 것입니다.
   • 특히 단백질 구조 분석, 약물 설계, 독성 예측 분야에서 연구자들의 시간을 절약할 수 있습니다.
2. 신중한 접근 필요
   • 신약 개발은 단순한 데이터 문제가 아니라, 실제 인간의 생물학적 복잡성에 맞닥뜨려야 합니다.
   • AI가 아무리 뛰어나더라도 임상 시험이라는 마지막 관문은 여전히 높은 실패율을 기록할 수 있습니다.
3. 투자와 규제의 균형
   • 지나친 기대는 실망으로 이어질 수 있습니다.
   • 동시에 투자와 정책 지원 없이는 AI 신약 혁신이 본격화되기 어렵습니다.

---

결론: "AI 신약 개발은 이제부터 진짜 시작"

AI가 신약 개발에 적용된 지 10년이 넘었지만, 아직 성과가 없는 이유는 기술 자체의 한계가 아니라 인간 생물학의 복잡성 때문입니다. 그러나 알파폴드와 생성 AI의 등장은 분명 새로운 전환점을 만들어냈습니다.

앞으로 몇 년간 AI가 실제 임상 시험 단계까지 성과를 내기 시작한다면, 인류는 신약 개발의 새로운 시대를 맞이하게 될 것입니다.

지금은 성급한 결론보다, 이제 막 시작된 여정에 주목해야 할 시점입니다.