면역학자 데리야 우누트마즈: 코덱스로 바꾼 생명과학 연구와 디지털 트윈의 미래

핵심 메시지

• 의사이자 면역학 연구자인 데리야 우누트마즈는 생물학의 방대한 복잡성 때문에 일찍부터 AI가 필요하다고 확신했고, o1-preview의 추론 능력에서 과학적 전환점을 느꼈다고 말한다.
• 그는 스스로를 '코덱스 중독자'라 부르며, 아침 커피와 함께 떠오른 아이디어를 코덱스로 곧바로 앱과 시뮬레이터로 만들어 실험에 활용한다.
• 수십 년간 쓰던 전문 유세포 분석 소프트웨어, T세포 수용체 시뮬레이터, 크리스퍼 표적 설계 앱 등을 코딩 전문가가 아님에도 코덱스로 직접 구현했다.
• 그는 개인의 전체 생물학적 시스템을 모사하는 '디지털 트윈'이 완성되면, 부작용 없는 맞춤 치료와 수년이 걸리던 임상시험의 극적 단축이 가능해질 것으로 전망한다.
• AI 시대에 가장 중요한 것은 실행력과 호기심이며, 실험 비용이 크게 낮아진 만큼 두려워 말고 계속 시도하라고 조언한다.

쉽게 이해하기

이 영상은 오픈AI의 '빌더스 언스크립티드' 인터뷰 시리즈로, 의학·생명공학 배경을 가진 면역학 연구자 데리야 우누트마즈가 출연한다. 그는 의대를 마친 뒤 생물학 시스템의 엄청난 복잡성을 마주하며 AI의 필요성을 절감했다고 회고한다. 수조 개의 구성 요소와 수십억 개의 반응이 얽힌 생물학을 사람이 따라잡기 어렵다고 느꼈고, 1990년대 초부터 AI에 관심을 두었으며 딥러닝 혁명과 알파폴드, 챗GPT를 거치며 확신이 커졌다고 말한다.

그는 2024년 9월 처음 접한 추론 모델 o1-preview를 전환점으로 꼽는다. 면역계를 '배틀로얄 게임'에 빗대어 종양과 싸우는 시나리오를 물었더니, 이전 모델과 달리 깊고 통찰력 있는 답을 내놓아 감동에 가까운 인상을 받았다고 한다. GPT-4 시절부터 방대한 문헌을 종합하고 추천서 같은 반복 업무를 크게 줄이는 데 유용했지만, 실험 결과를 예측하는 수준의 신뢰는 추론 모델에서 비로소 가능해졌다는 것이다.

그는 스스로를 '코덱스 중독자'라 부른다. 아침에 일어나 커피를 마시며 떠오른 아이디어를 곧바로 코덱스로 앱이나 시뮬레이터로 만들어 확인하고, 코덱스가 밤새 작업한 결과를 확인하느라 잠을 줄일 정도라고 말한다. 그러면서 실제 사례를 노트북으로 시연한다. 세포를 형광 표지로 구분해 분석하는 '유세포 분석' 소프트웨어는 수십 년간 쓰인 정교한 도구인데, 그는 이를 코덱스만으로 직접 구현했다. 수십만 개의 세포 데이터를 빠르게 그래프로 그리고, CD4·CD8 같은 표지에 따라 세포 비율 통계를 내며, 실험에 쓸 마커 '패널'을 골라 주는 앱까지 만들었다고 소개한다.

그는 시뮬레이션에 특히 열정을 보인다. 비행기를 만들 때 시뮬레이션을 하듯 생물학도 그래야 한다며, T세포 수용체 하나의 신호 전달을 모사하는 앱을 보여 준다. 리간드의 특성과 용량을 조절하면 어떤 분자가 활성화되고 어떤 경로가 멈추는지, 전사인자의 인산화 패턴까지 시뮬레이션해 준다는 것이다. 또한 네이처 표지 이미지를 이미지 생성 모델로 만든 뒤, 그 이미지를 코덱스에 넣어 세포들이 상호작용하는 인터랙티브 웹사이트로 만든 사례, 그리고 유전자를 편집하는 크리스퍼의 표적 서열을 골라 주고 라이브러리를 설계해 주는 네이티브 맥 앱(스위프트로 제작)도 시연한다.

인터뷰 후반부는 '디지털 트윈' 구상으로 이어진다. 그는 유전자·대사물질·면역계·장내 미생물 등 개인의 전체 생물학적 시스템을 AI로 모사하면, 특정 약이 극소수에게만 듣는 현재의 한계를 넘어 부작용 없는 맞춤 치료가 가능해진다고 본다. 이 경우 5~10년 걸리던 임상시험이 며칠 수준으로 단축될 수 있고, 향후 10년 안에 대부분의 질병을 다룰 수 있으리라 전망한다. 그는 AI 에이전트가 가설을 세우고 실험을 시뮬레이션하며 자동화된 실험실이 이를 수행하는 '과학 2.0/3.0'을 그리면서, AI 시대에는 실행력과 호기심이 가장 중요하며 실험 비용이 낮아진 만큼 두려워 말고 계속 시도하라고 조언한다.

주요 인사이트

• 코딩 전문가가 아닌 도메인 전문가도 코덱스 같은 도구로 자기 분야에 꼭 맞는 전문 소프트웨어를 직접 만들 수 있다는 점을 여러 실제 앱 시연으로 보여 준다.
• 그는 모델 세대 간 차이를 '낮과 밤'에 비유하며, 특정 최신 모델이 30년 실험 경험에서 나오는 '직관'에 가까운 예측을 해내 실험 결과를 정확히 맞혔다고 말한다.
• AI의 진짜 잠재력은 데이터 검색을 넘어, 생물학 시스템을 시뮬레이션해 '무엇을 바꾸면 어떻게 될지'를 미리 물어볼 수 있게 하는 데 있다고 강조한다.
• 디지털 트윈이 실현되면 '질병이 아니라 환자를 치료한다'는 개인 맞춤 의료가 가능해지고, 임상시험이 극적으로 빨라질 수 있다는 것이 그의 핵심 전망이다.
• 제번스 역설을 인용해, AI로 많은 일을 할 수 있게 될수록 오히려 할 일과 배울 것이 더 늘어난다며 일자리에 대한 비관을 반박한다.

자주 묻는 질문

관련 AI 소식