투자 아이디어

AI가 바꾸는
 
바이오 신약개발
 

                                       By. 이프
 
▶ AI는 신약 개발 과정의 시간과 비용을 크게 줄이며 바이오 산업의 혁신을 이끌고 있습니다.
 
▶ 특히 '알파폴드'는 단백질 구조를 빠르고 정확하게 예측해 신약 후보 발굴 속도를 높일 수 있는데요,
 
▶ AI와 바이오가 만들어내는 혁신. RISE 바이오Top10 액티브 ETF로 참여해보세요.
 

 
안녕하세요, '이프' 입니다!
 
AI는 매일 수도없이 많은 분야에서 혁신을 만들어내고 있습니다.
 
바이오 관련 분야에도 이제 AI가 깊숙이 들어온 상황입니다.
 
AI와 바이오, 어떻게 보면 생소할 수 있는 두 첨단 섹터가 어떻게 하나가 되어 새로운 산업의 변화를 만들어 내고 있는걸까요?
 
이번 포스팅에서는 AI가 바이오 산업에 어떻게 활용되고 있는지 확인해봅시다.
 
 
 
 
 
■ 신약 개발의 한계와 AI 도입 배경 - EROOM's law
 
AI는 제약바이오 산업, 특히 신약개발 분야에서 전례없는 혁신을 만들어가고 있습니다.
 
기존의 신약 개발은 막대한 비용과 긴 시간, 낮은 성공률이라는 고질적인 문제를 가지고 있었습니다.
 
AI는 이러한 신약개발의 한계를 극복하여 전체 과정의 효율성과 정확성을 획기적으로 높이고 있습니다.
 
인텔의 창업자 고든 무어는 1965년에 MOORE의 법칙을 제시합니다.
 
이 법칙은 약 2년마다 반도체 집적 회로에 집적할 수 있는 트렌지스터의 숫자가 두 배씩 증가한다는 법칙입니다.
 
* 반도체 기술이 발전함에 따라 한 칩에 담을 수 있는 트랜지스터의 개수가 기하급수적으로 증가해, 전자기기 성능도 빠르게 향상된다는 뜻입니다.
 예를 들어 한 칩에 트랜지스터가 1천개 들어가던 시기에서 2년이 지나면 약 2천 개, 또 2년이 지나면 약 4천개가 들어가겠죠.
 

출처: 챗GPT
 
신약개발 분야에서는 MOORE를 역순으로 쓴 EROOM의 법칙이 있는데, 이는 신약 개발 비용이 약 10년마다 두 배로 증가한다는 법칙입니다.
 
이는 동시에 한 개를 시장에 출시하는 데 필요한 비용 대비 성공률이 점점 감소하고 있다는 것을 보여줍니다.
 
낮아지는 신약개발의 성공 확률과, 높아지는 신약개발 비용을 해결하기 위해 다양한 연구가 이뤄지고 있는데요, 그 중에서 가장 괄목할만한 성과를 보여주고 있는 것이 AI 신약개발 분야입니다.
 
 
 
 
 
■ AI 신약개발의 역사와 발전 과정
 
그렇다면 AI가 신약개발에 언제부터 도입되기 시작했을까요?
 
AI라고 부르기는 어렵지만, 컴퓨터 프로그래밍이 신약개발 영역에 들어온 것은 꽤 오래전 일입니다.
 
1970년대 CADD와 QSAR 모델이 등장하면서, 인체 내에 투약되는 약물의 정량적 구조와 체내 활성 간의 관계 규명에 프로그래밍이 사용되기 시작했습니다.
* CADD(Computer-Aided Drug Design): 컴퓨터를 활용해 약물을 설계하고 찾는 기술
* QSAR(Quantitative Structure-Activity Relationship): 약물의 분자 구조와 체내 효과(활성) 사이 수학적 관계를 분석하는 방법
 
8-90년대에는 의약화학 분야가 급격하게 발전하면서, 프로그래밍을 통해 약물 분자가 우리 몸의 특정 단백질에 얼마나 잘 달라붙는지(결합하는 힘)와, 그 결합으로 인해 약효가 얼마나 나타날지를 예측하기 시작했습니다.
 
2000년대로 넘어와서 딥러닝 기술의 등장은 복잡한 생화학적 관계를 훨씬 잘 분석하고 모델로 만들 수 있게 되었습니다.
 
그 결과, 질병 표적을 찾는 방법과 약물 후보를 빠르게 걸러내는 스크리닝 방식이 많이 발전했죠.
 

출처: Chat GPT
 
 
 
 
 
■ AI 신약개발의 첫 성공사례
 
AI를 통한 신약 개발의 첫 사례는 Insillico Medicine(인실리코 메디신)의 성과가 2019년 Nature Biotechnology에 발표되면서 세상에 알려지게 되었습니다.
 

(출처: 인실리코 메디슨 / 클릭 시 인실리코 메디슨 홈페이지로 이동)
 
인실리코 메디슨은 AI 모델을 이용해 'DDR1 Kinase'라는 단백질을 표적으로 하는 신약 후보물질을 발굴했습니다.
 
이 후보 약물은 '특발성 폐섬유증(IPF)'이라는 희귀ㆍ난치성 폐 질환의 동물 실험에서 효과가 확인되었고, 현재 사람을 대상으로 하는 임상시험이 진행 중입니다.
 
이 약물의 사례를 통해 AI가 실제로 신약을 개발하는 데 큰 가능성이 있다는 점이 증명되었습니다.
 
또, 인실리코 메디슨 외에도 여러 회사들이 AI를 이용한 신약 개발에서 주목할만한 성과들을 잇달아 발표하고 있습니다.
 
 
 
 
 
■ 게임 체인저 '구글 딥마인드'
 

(구글 딥마인드의 AI for biology 라인업 / 출처: 딥마인드 / 클릭 시 구글 딥마인드 홈페이지로 이동)
 
 
◆ 알파폴드
 
1년 뒤인 2020년, 구글 딥마인드의 알파폴드가 세상을 놀라게 했습니다.
 
알파폴드는 1차원 아미노산 서열로 3차원 단백질 구조를 예측하는 AI 프로그램입니다.
 
단백질 구조는 인체 각 구성요소의 기능과 밀접하게 연관되어 있습니다.
 
구성요소, 신호전달 등 사실상 단백질이 기능하지 않는 체내 장기는 없습니다.
 
이처럼 단백질 구조는 체내 기능과 밀접한 연관이 있어 신약개발에 매우 중요한 요소인데, 알파폴드는 수년이 걸리던 실험적 방법 대신 단기간 내에 높은 정확도로 구조를 예측하여, 질병의 메커니즘 이해와 약물 타깃 식별에 소요되는 시간을 획기적으로 단축시켰습니다.
 
알파폴드의 실력과 활용도가 증명되기까지는 그리 오랜 시간이 걸리지 않았습니다.
 
인실리코 메디슨은 알파폴드와 긴밀하게 협력하여 신약 타깃 발굴과 후보물질 디자인에 앞장서고 있습니다.
 
인실리코는 자체 보유한 AI 신약 발굴 플랫폼과 알파폴드가 예측한 단백질 구조를 통합하여 난치성 암, 염증 등과 관련된 표적 단백질에 대한 신약 후보물질을 신속하게 설계하였습니다.
 
인상적인 부분은 간암치료제 개발 과정에서, 표적으로 삼은 단백질 'cdk20'의 실제 3D 구조가 실험으로 밝혀진 적이 없었지만, 알파폴드가 예측한 단백질 구조를 활용해 신약 후보 물질을 설계하고 발굴하는데 성공했다는 점입니다.
 
 
◆ 알파프로테오
 
딥마인드는 알파폴드에 이어 알파프로테오(AlphaProteo)를 공개하기도 했습니다.
 
알파프로테오는 새로운 단백질 결합체를 설계하는 인공지능입니다.
 
이 AI는 암이나 당뇨병 합병증 관련 특정 표적 단백질에 아주 잘 달라붙는(결합 친화력이 높은) 단백질을 설계할 수 있습니다.
 
이렇게 하면 질병과 관련된 단백질을 효과적으로 차단하거나 조절할 수 있어 새로운 치료제 개발에 활용될 수 있죠.
 
아직까지 알파프로테오를 활용하여 유의미한 신약후보물질을 도출한 사례는 없지만, 알파폴드에 이어 새로운 가능성이 제시되었다는 점은 고무적입니다.
 
 
 
 
 
■ 마치며
 
이번 포스팅에서는 신약개발에 AI가 도입된 계기와 첫 시작, 구글 딥마인드의 알파폴드가 AI 신약개발에 어떤 변곡점을 가져왔는지 집중적으로 알아보았습니다.
 
다음 포스팅에서는 AI 신약개발을 전문으로 하는 대표 기업들과 AI를 활용한 구체적 사례들에 대해 알아보겠습니다.
 
AI가 신약 개발의 속도를 높이고 있습니다.
 
혁신의 한가운데, RISE 바이오TOP10 ETF로 동참하세요!
 

▲ 클릭 시 상품 페이지로 이동
 

▲ 클릭 시 KB자산운용 RISE ETF 유튜브로 이동
 

 
[출처]
· 신한투자증권 [의료 서비스 - 팝업스토어 #3: 한미 의료AI 혁명의 게임체인저들 (신한투자증권 리서치센터)] 2025.03
· 하나증권 [의료 장비 및 서비스 - AI 알고리즘이 제시하는 의료 AI의 미래 (하나증권 리서치센터)] 2025.03
· 미래에셋증권 [의료 장비 및 서비스 - CES2025[헬스케어 편] AI 생태계 확장으로 더 가까워진 의료서비스 (박선영, 김충현 애널리스트)] 2025.01
· 한국산업기술진흥협회 [신약 개발 업계의 AI 활용 전망(박준석 대웅제약 신약 discovery 센터장)] 2024.03
 

 
Compliance notice
※ KB자산운용 준법감시인 심사필 투자광고 2025_1327(다) (2025.08.21~2026.08.20)
※ 본 자료는 고객의 투자에 참고가 될 수 있는 각종 정보 제공을 목적으로 제작되었습니다. 본 자료는 계량적 분석에 근거한 의견을 제시하며, 당사의 대표 투자의견과는 다를 수 있습니다.
※ 본 자료는 합리적인 정보를 바탕으로 작성된 것이지만, 투자 권유의 적합성이나 완전성을 보장하지 못합니다. 따라서 투자 판단의 최종 책임은 투자자 본인에게 있으며, 본 자료는 어떠한 경우라도 법적 책임소재의 증빙으로 사용될 수 없습니다.
※ 본 자료는 현재의 시장 상황을 감안하여 참고용으로만 제시된 것이며, 외부의 부당한 압력이나 간섭 없이 작성자 개인의 의견이 반영된 것입니다. 당사는 관련 법령에 허용된 범위 내에서 투자 전략 및 투자 프로세스를 결정하므로, 본 자료에 기재된 사항 중 관련 법령 및 계약서의 내용과 상이한 것은 효력이 없습니다.
※ 본 자료는 당사의 저작물로서 모든 지적재산권은 당사에 귀속되며 당사의 동의 없이 복제, 배포, 전송, 변형, 대여할 수 없습니다. 본 자료를 KB자산운용 임직원 외의 자로부터 입수하였을 경우, 자료 무단 제공 및 이용에 대한 책임은 전적으로 해당 제공자 및 이용자에게 있습니다.
※ 투자자는 투자 의사결정을 하시기 전에 반드시 집합투자규약 및 투자설명서를 수령하여 상품의 내용을 충분히 인지한 후 투자 결정하시기 바라며, 투자 전 판매 회사의 충분한 설명을 청취하시기 바랍니다.
※ 집합투자증권은 운용 결과에 따라 투자원금의 손실(0~100%)이 발생할 수 있으며, 그 손실은 투자자에게 귀속됩니다.
※ 집합투자증권을 취득하시기 전에 투자대상, 보수·수수료 및 환매방법 등에 관하여 (간이) 투자설명서를 반드시 읽어보시기 바랍니다.
※ 이 금융투자상품은 예금자보호법에 따라 보호되지 않습니다.
※ 합성총보수 비용 및 증권거래비용을 함께 고려하시기 바랍니다. 상장 1년 미만의 상품은 증권거래비용 및 기타비용 기재하지 않았으나, 운용기간 중 추가로 발생할 수 있습니다.
※ ETF 거래수수료는 별도로 발생할 수 있으니 거래증권사 홈페이지를 참고하시기 바랍니다.
※ 과세 기준 및 과세 방법은 향후 세법개정 등에 따라 변동될 수 있습니다.
※ RISE 바이오TOP10 액티브ETF: 총 보수 연 0.5%, 위험등급 2등급(높은위험)