AI 신약 개발의 경제학: 앤트로픽·차이가 본 타깃 발굴부터 임상까지의 변화

핵심 메시지

• 신약 하나를 시장에 내놓기까지 평균 10~15년이 걸리며, 병목은 한 곳이 아니라 5~10개에 분산돼 있다.
• 매년 전 세계에서 임상 단계로 새로 시도되는 타깃은 약 30개에 불과한 반면, 후보가 될 수 있는 타깃은 수천 개에 이른다.
• 앤트로픽은 클로드(Claude)를 생명과학 R&D 전 과정에 쓰도록 훈련하고, 차이(Chai)는 분자 설계용 'CAD'로 항체를 제로샷 설계하는 것을 목표로 한다.
• '왜 지금인가'의 답은 대형 언어 모델과 생물학 데이터 생성 능력의 동시 성숙이며, 미국은 중국과의 신약 개발 경쟁에서 AI가 절실하다.
• 도구의 가치가 커지면서, 신약 자체가 아니라 도구에도 가치가 쌓일 수 있다는 관점이 제시된다.

쉽게 이해하기

스탠퍼드의 'AI 슈퍼사이클의 경제학' 강연에 앤트로픽에서 생물학·생명과학을 이끄는 에릭과, 초기 OpenAI와 메타를 거쳐 분자 설계 스타트업 차이(Chai)를 창업한 조시가 참여했다. 에릭은 지난해 10월 '클로드 포 라이프사이언스(Claude for life sciences)'를 선보이며 벤츨링, 10X 지노믹스, 노보 등과 협력하고 있다고 소개했고, 조시는 분자를 위한 컴퓨터 지원 설계(CAD) 도구를 만든다고 설명했다.

조시의 회사는 승인 약물의 약 절반을 차지하는 항체 분자를 언젠가 컴퓨터에서 '제로샷'으로 설계해 환자에게 바로 쓸 수 있게 하는 것을 큰 목표로 삼는다. 다만 스스로 신약을 만들기보다 AstraZeneca, Pfizer 같은 제약사에 설계 도구를 제공하는 방향을 택했는데, 이는 창업 당시 무모하다는 평가를 받은 두 가지 역발상 베팅이었다고 회고한다.

에릭은 앤트로픽이 클로드를 생명과학 R&D 전 과정—생물정보학·화학·구조생물학 같은 기초 과학부터 임상시험 설계와 규제 대응, 프로그램의 진행·중단 판단 같은 전략적 영역까지—에서 전문가 수준으로 수행하도록 훈련한다고 밝혔다. 곧 공개될 '바이오용 클로드 코드(Claude Code for bio)'처럼 과학자를 위한 제품 계층에도 공을 들이며, 기초 연구 가속을 위해 자체 습식 실험실(wet lab)을 두고 메타지노믹스 발굴을 시험하고 있다고 했다. 다만 직접 신약을 만들지는 않는다고 강조했다.

에릭은 신약 개발 과정을 단계별로 설명했다. 질병과 환자군을 정한 뒤 타깃을 고르는데, 사실상 이 타깃 선정 시점부터 시계가 돌기 시작한다. 문제는 '타깃 쏠림'으로, 매년 전 세계 임상에서 새로 시도되는 순수 신규 타깃은 약 30개에 불과하다. 반면 인간 유전자 약 1만 9천 개를 감안하면 후보 타깃은 수천 개, 대략 1만 개 규모로 추정된다. 타깃을 정하면 항체·저분자·분자 접착제·유전자 치료제 같은 방식(modality)을 고르고, 약 4년이 걸리는 전임상 설계를 거쳐 IND 승인을 받은 뒤 안전성·유효성을 확인하는 1·2·3상 임상(대략 6~9년)을 진행한다. 비용은 임상 단계에 집중된다.

'왜 지금인가'에 대해 두 사람은 대형 언어 모델의 빠른 발전을 첫손에 꼽으면서도, 차이의 모델 같은 기반 모델과 단일세포 시퀀싱·프로테오믹스 등 대규모 데이터 생성 기술이 동시에 성숙하는 흐름을 함께 지목했다. 조시는 중국이 더 싸고 빠르게, 규제도 수월하게 신약을 발굴하며 미국을 앞서고 있다고 진단하고, '중국은 미국보다 빨리 달릴 수 있어도 AI보다 빠를 수는 없다'며 미국에 AI가 절실한 이유를 설명했다.

주요 인사이트

• 신약 개발의 병목은 임상이나 설계 어느 한 곳이 아니라 5~10개로 분산돼 있어, 특정 단계만 겨냥하는 접근은 지나치게 단순하다.
• 타깃 쏠림(연 약 30개 신규 타깃)과 '이름 붙은 질병의 약 80%에 승인 약물이 없다'는 사실은, 더 많은 양질의 타깃 발굴이 핵심 과제임을 보여준다.
• 코드 생성이 반복 디버깅에서 앱 제로샷으로 발전한 것처럼, 분자 설계도 4년짜리 과정을 원샷 수준으로 압축할 여지가 있다는 비유가 제시된다.
• 도구의 성능이 높아질수록 성공 확률과 비용·기간이 개선되어, 역사적으로 신약에 쏠리던 가치가 도구 제작자에게도 쌓일 수 있다.
• 임상 기간이라는 하한이 있지만, 대리 지표(proxy endpoint)와 더 큰 효과 크기를 통해 전체 개발 기간을 약 5년 이하로 낮출 여지가 있다고 본다.

자주 묻는 질문

관련 AI 소식