생성형 AI 신약개발 시장이 확대될 전망이다. 생성형 AI 신약개발은 △생산적 적대 신경망 △변분 오토인코더 △트랜스포머 기반 아키텍처와 같은 AI 모델을 활용해 신규 약물 후보물질을 설계, 스크리닝, 최적화하는 혁신적 접근법을 의미한다. 이러한 AI 시스템은 △분자구조를 생성하고 △생물학적 활성을 예측하며 △화합물 특성을 합성하고 △제형 경로까지 제안할 수 있다. 과거 10~15년 걸리던 신약개발 주기를 1~2년으로 획기적으로 단축시킬 수 있다. 특히 강화학습은 반복적인 최적화를 통해 원하는 효능, 안전성, 합성 가능성 등과 같은 약물 특성을 동시에 만족하는 부자를 설계하는데 탁월한 성과를 보이고 있다. 차세대 핵심 기술로 주목받고 있다. 리서치기업 프리시던스 리서치(Precedence Research)에 따르면 글로벌 생성형 AI 신약 개발 시장은 2024년 2억5000만 달러(한화 3479억원)에서 2034년 28억4743만달러(한화 3조9635억원)에 이를 것으로 전망된다. 성장률 27.42%로 급성장할 것으로 예측된다. 지역별 시장 분포는 북미 지역이 2024년 시장 점유율 43%를 차지하며 글로벌 시장을 선도하고 있다. 이러한 성장은 미국 식품의약국(FDA)의 AI 가이드라인 발표와 주요 제약사들의 적극적인 투자에 힘입은 것으로 분석된다. 아시아태평양 지역은 예측 기간 동안 가장 높은 성장률을 기록할 것으로 전망된다. 중국 일본 한국의 바이오기술 기업들이 AI 기반 신약개발 플랫폼에 대규모 투자를 진행하면서 급성장하고 있다. 관련해서 생성형 AI 기반 신약개발 시장을 살펴보고 전력적 시사점을 찾아본다.

코로나19 세계대유행 과정을 거치면서 국내외 제약바이오시장에서는 감염병과 만성질환 치료제를 개발하기 위해 장기간 소요되는 개발기간과 엄청난 비용을 줄이는 데 AI 기반 신약개발 시장이 확대되고 있다.

4일 한국보건산업진흥원이 발간한 최근 글로벌바이오헬스산업 동향에 따르면 AI 기반 신약개발이 제약산업에 연간 3500억~4100억달러(한화 487조~571조원)의 경제적 가치를 창출할 것으로 예상된다. 이는 △신약 개발 실패율 감소 △임상시험 최적화 △개발 비용 대폭 절감에서 기인한다. 특히 AI가 신약 개발의 첫 번째 인체 임상시험 단계인 1상 임상시험에서 80~90%의 성공률을 달성하고 있어, 역사적 산업 평균을 크게 상회하는 성과를 보이고 있다.

◆딥러닝 기술이 생성형 AI 신약개발 주도 = 생성형 AI 기반 신약개발의 배경이 되는 기술 분야별 특징을 보면 우선 딥러닝(Deep Learning, DL)기술의 시장 주도성을 볼 수 있다. 딥러닝 기술은 다층 신경망을 사용해 복잡한 패턴을 학습하는 머신러닝 기법이다. 2024년 시장 점유율 48%를 차지한다. 현재 생성형 AI 신약개발의 주도 기술로 자리 잡고 있다.

리서치기업 엑스퍼트 마켓 리서치(Expert Market Research)에 따르면 글로벌 딥러닝 신약 개발 시장은 2024년 46억3000만달러(한화 6조4443억원)로 평가된다. 2035년까지 지속 성장할 것으로 전망된다.

2024년 주요 연구 성과로는 딥러닝을 활용한 합성 경로 역설계(Reverse-Engineering Synthetic Routes) 기술이 있다. 이는 원하는 분자를 만들기 위한 화학반응 단계를 역으로 추적해 최적의 합성 경로를 찾는 기술이다. 알파고(AlphaGo)가 바둑 분야에 미친 영향에 비견될 만큼 혁신적인 것으로 평가된다.

생성형 AI기반 신약개발 시장 성장에는 강화학습 기술이 급부상이라는 특징이 있다. 강화학습은 예측기간 동안 최고 성장률을 기록할 것으로 예상되는 차세대 핵심 기술로 레이블링(Labeling)된 데이터가 부족한 신약 설계 작업에 매우 적합하다. 강화학습 기반 방법은 분자를 반복적으로 수정하여 가장 최적의 약물 특성을 달성할 수 있도록 소프트웨어를 훈련시킨다. 분자구조가 약간만 변해도 생물학적 활성이 급격히 변하는 활성 절벽(Activity Cliff) 문제를 인식하여 더욱 견고한 신약 후보를 생성한다.

배포 방식 측면에서 클라우드 기반 부문이 2024년 시장 점유율 71%를 차지하며 시장을 주도하며 클라우드 기반 약물 발견 플랫폼 시장은 2024년 30억달러(한화 4조1755억원)에서 2030년 68억달러(한화 9조4644억원)로 성장, 연평균 성장률 14%를 기록할 것으로 전망된다.

또 생성형 AI 기반 신약개발 배경에는 클라우드 기반 인프라 확대가 있다. 클라우드 컴퓨팅(Cloud Computing)은 △확장성 △접근성 △비용 △효율성에서 압도적 우위를 점하고 있다. 인터넷을 통해 컴퓨팅 자원(△서버 △스토리지 △데이터베이스 등)을 제공받는 방식이다. 신약개발에서는 대규모 AI 모델 학습과 데이터 분석에 활용되고 확장성과 비용 효율성이 뛰어나다. 제약산업의 클라우드 컴퓨팅 시장은 2024년 183억달러(한화 25조4705억원)에서 2032년 590억달러(한화 82조1180억원)로 확대될 전망이다.

◆임상시험 설계, 최적화 분야 혁신 = 생성형 AI 기반 신약개발로 임상시험 설계 및 최적화 분야는 예측 기간 동안 최고 성장률을 기록할 것으로 예상된다. AI는 △환자 모집 △임상 결과 예측 △시험 프로토콜 최적화에서 혁신을 이끌고 있다.

2024년 기준 임상시험 AI 분야는 2019년 대비 444% 성장(연평균 성장률 40%)을 기록하며, AI 신약 개발 분야(421% 성장)를 앞지르는 성장세를 보였다.

AI 시스템은 사전 임상 지식을 통합해 임상시험 결과를 예측하고 최적화할 수 있다. 데이터를 분석하여 환자 반응을 예측함으로써 시험 설계를 개선한다.

히트 생성 및 리드 발견 분야는 2024년 생성형 AI 기반 신약개발 시장 점유율 39%를 차지한다. 현재 생성형 AI의 핵심 응용 분야로 대규모 화합물 라이브러리에서 질병 표적에 결합할 수 있는 초기 히트 화합물(Hit Compounds)을 식별한다. 히트화합물은 대규모 화합물 라이브러리 스크리닝을 통해 질병 표적에 결합할 수 있는 것으로 확인된 초기 단계의 후보 물질이다. 이를 최적화해 리드 화합물(Lead Compounds)로 발전시키는 과정이다. 리드 화합물은 히트 화합물을 최적화해 △효능 △안전성 △약물동태학적 특성이 개선된 후보 물질. 전임상 및 임상시험으로 진행될 가능성이 높은 단계다.

국내 스타트업 히츠(HITS)의 AI 신약개발 플랫폼 하이퍼랩(HyperLab)은 가상 스크리닝 기술을 통해 수백만개의 화합물을 수일 내에 평가할 수 있다. 전통적 방법 대비 시간을 90% 이상 단축하고 있다.

질환별 분야를 보면 종양학은 2024년 시장 점유율 45%를 차지하며 가장 큰 치료 영역이다. AI는 암세포의 유전자 변이를 분석하여 개인맞춤형 네오항원(Neo-Antigen) 치료제를 설계하고 있다. 네오항원은 암세포의 돌연변이로 인해 새롭게 생성된 항원이다. AI는 환자의 유전자 변이를 분석해 개인맞춤형 네오항원 치료제를 설계한다. 미국 국립암연구소(National Cancer Institute, NCI)는 종양 내 개별 세포 데이터를 활용하여 암 환자의 약물 반응을 예측하는 AI 도구를 개발했다.

신경계 질환은 예측 기간 동안 최고 성장률을 기록할 것으로 전망된다. 신경퇴행성 질환은 복잡한 병리 기전으로 인해 치료제 개발이 어려웠다. 하지만 AI가 △질병 기전 규명 △신약 표적 발굴 △부작용 예측에서 돌파구를 제공한다.

◆바이오기술 기업, 높은 성장률 전망 = 코히어런트 솔루션즈(Coherent Solutions)에 따르면 현재 생성형 AI 신약개발 시장의 주도 세력으로 글로벌 제약 대기업들은 AI 역량 내재화와 외부 파트너십을 병행하는 전략을 추진하고 있다.

미국 화이자(Pfizer)는 2024년 매출 585억달러(한화 81조5221억원)로 글로벌 1위를 기록하며, AI 기반 신약개발에 적극 투자하고 있다.영국 아스트라제네카(AstraZeneca)는 2030년까지 미국에 500억달러(한화 69조5915억원) 투자를 발표해 제조 및 연구 역량을 확대할 계획이다.

바이오 기술 기업 부문은 예측 기간 동안 최고 성장률을 기록할 것으로 전망된다. AI 네이티브(AI-Native) 바이오 기술 기업들은 처음부터 AI를 핵심 경쟁력으로 설계해 혁신의 중심축 역할을 하고 있다. AI 네이티브는 처음부터 AI를 핵심 기술로 설계된 기업과 서비스로 AI 없이는 존재할 수 없는 비즈니스 모델을 가지고 있다.

인실리코 메디신(Insilico Medicine)은 AI 설계 약물개발의 선구자다. 30개월 만에 1상 임상시험에 진입하는 기록을 달성하며 항섬유화 치료제 렌토서팁(Rentosertib)의 임상시험에서 긍정적 결과를 발표하여 AI 신약의 실질적 가능성을 입증했다.

리커전 파마슈티컬스는 대규모 생물학적 데이터를 AI로 분석하여 신약 후보를 발굴하는 테크바이오(TechBio) 접근법을 채택했다. 2024년 기준 글로벌 생성형 AI 벤처캐피털 투자는 약 450억달러(한화 62조6323억원)에 달하며 2023년 240억달러(한화 33조4039억원)에서 거의 두 배 증가했다.

◆AI 관련 융향형 인재 확보 우선 = 이러한 생성형 AI 신약개발 시장 발전 양상에 고려해 이 시장에서 두각 내려면 제약·바이오 기술 기업의 AI 역량의 구축 필요성이 제기된다.

딜로이트(Deloitte) 보고서에 따르면, 제약 산업의 AI 분야 지출은 2025년 30억달러(한화 4조 1755억원) 규모로 확대될 전망이다. 또한 AI는 신약 개발 비용을 최대 70%까지 절감할 수 있다.

미국 AI 제약사 인실리코 메디슨(Insilico Medicine)의 INS018_055 사례가 이를 입증한다. INS018_055은 렌토서팁으로 AI로 발견하고 설계한 섬유화와 염증 반응을 억제하며, 원인 불명의 만성 폐 질환으로 폐 조직이 굳어지는 질환인 특발성 폐섬유증의 치료제다.

기업들은 생성형 AI 기반 신약개발 역량을 키우기 위해 △AI 인재 확보 및 교육 △데이터 인프라 구축 △AI 플랫폼 구축 또는 파트너십 역량을 갖춰야 한다. 우선 데이터 과학자, 머신러닝 엔지니어, 생물정보학 전문가 등 융합 인재를 확보해야 한다. 고품질 약물·생물학 데이터베이스 구축 및 관리 체계 확립 등 데이터 인프라 구축을 해야 한다. 자체 AI 플랫폼 개발 또는 선도 기업과의 전략적 제휴를 추진해야 한다.

데이터 품질과 국제적 규제에 적극적으로 대응해야 한다. AI 기반 신약개발의 가장 큰 과제는 고품질 데이터의 확보다. △데이터의 편향(Bias) △불완전성 △비표준화는 AI 모델의 신뢰성을 저하시킨다. 생물학적 데이터는 본질적으로 복잡하고 노이즈가 많아 정제 작업이 필수적이다.

FDA는 AI를 활용한 약물 및 생물학 제품 개발에 대한 초안 가이던스를 발표해 AI 도구 신뢰성을 입증하기 위한 접근법을 제시했다. 유럽의약품청(EMA)은 AI 및 머신러닝 기술이 안전하고 효과적으로 사용될 수 있도록 의약품 개발자를 지원하고 있다.

김규철 기자 gckim1026@naeil.com