AI로 신약 개발 가속화, EPFL 연구 성과가 주목 받는 이유
암은 여전히 전 세계적으로 가장 치명적인 질병 중 하나로 손꼽힙니다. 매년 수백만 명이 암으로 인해 생명을 잃고 있으며, 그로 인한 사회적·경제적 부담도 막대합니다.
이에 따라 암 치료를 위한 신약 개발은 보건학의 핵심 과제로 자리 잡고 있습니다. 하지만 신약 개발에는 평균적으로 10년 이상의 시간과 수천억 원의 비용이 소요되며, 실패 확률도 매우 높아 제약 업계의 큰 도전 중 하나로 여겨지고 있습니다.
특히 초기 물질 탐색 단계에서 수많은 화합물 중 실제 효능을 보이는 물질을 찾아내는 과정은 마치 모래사장에서 바늘을 찾는 것과 같은 어려움을 동반합니다. 이러한 현실 속에서, 스위스 로잔 공과대학(EPFL) 연구팀이 발표한 딥러닝 기술을 활용한 항암제 발굴 성과는 단연 주목을 받을 수밖에 없습니다.
2026년 3월 3일, EPFL 생명공학과 연구팀은 인공지능(AI)을 기반으로 기존 기술로는 발견하기 어려웠던 잠재적인 항암 물질을 찾아내는 데 성공했다고 발표했습니다. 이 연구는 신약 개발 과정에서 가장 큰 어려움 중 하나인 초기 물질 탐색 단계를 획기적으로 가속화하고, 성공률을 높일 수 있는 새로운 가능성을 제시합니다.
광고
연구팀은 수백만 개에 이르는 화학 화합물 데이터와 암세포 반응 데이터를 딥러닝 모델에 학습시켜, 특정 암세포에 대한 높은 효능과 낮은 부작용을 가질 것으로 예상되는 화합물 구조를 예측하는 시스템을 구축했습니다. 이 과정에서 AI는 기존의 수동적인 실험 방식으로는 상상하기 어려웠던 방대한 양의 데이터를 분석하여, 인간 연구자가 미처 파악하지 못했던 새로운 패턴과 상관관계를 찾아냈습니다.
특히 주목할 만한 점은 AI가 제안한 여러 후보 물질 중 하나가 시험관 내 실험에서 실제로 특정 유형의 암세포 성장을 억제하는 뛰어난 효과를 보였다는 것입니다. 이는 AI가 단순한 보조 도구를 넘어, 신약 발굴의 핵심적인 '창조자' 역할을 할 수 있음을 시사합니다.
전통적인 신약 개발 방식에서는 연구자들이 기존 지식과 경험을 바탕으로 후보 물질을 선정하고 일일이 실험을 진행해야 했지만, 딥러닝 기술은 이러한 과정을 근본적으로 변화시키고 있습니다.
광고
AI는 수백만 개의 화합물 중에서 가장 유망한 후보를 빠르게 선별해낼 수 있으며, 이를 통해 연구 시간과 비용을 대폭 절감할 수 있습니다. 연구를 이끈 마리나 이바노바 교수(Prof. Marina Ivanova)는 "딥러닝은 우리가 항암제 개발에 접근하는 방식을 근본적으로 바꾸고 있다"며, "이번 발견은 암 치료의 새로운 시대를 여는 중요한 첫걸음이 될 것"이라고 강조했습니다.
이바노바 교수의 발언은 단순히 하나의 연구 성과를 넘어, AI 기반 신약 개발이 가져올 패러다임 전환의 의미를 담고 있습니다. 현재 EPFL은 이 후보 물질에 대한 추가 전임상 연구를 진행 중이며, 향후 제약 회사와의 협력을 통해 임상 시험 단계로 진입할 계획입니다.
이 기술은 신약 개발 비용과 시간을 절감하고, 난치병으로 고통받는 환자들에게 새로운 희망을 줄 수 있다는 점에서 전 세계 의료 및 제약 산업의 주목을 받고 있습니다. EPFL 연구팀이 개발한 딥러닝 시스템의 핵심은 대규모 데이터 학습과 패턴 인식에 있습니다.
광고
수백만 개의 화학 화합물 구조와 그것이 다양한 암세포에 미치는 영향에 대한 데이터를 학습한 AI는, 인간이 직관적으로 파악하기 어려운 복잡한 상관관계를 발견할 수 있습니다. 예를 들어, 특정 화학 구조가 특정 유형의 암세포 표면 단백질과 어떻게 상호작용하는지, 그리고 그것이 암세포의 성장 억제로 이어지는 메커니즘을 AI가 예측할 수 있게 된 것입니다. 이러한 예측은 기존의 시행착오 방식보다 훨씬 효율적이며, 성공 가능성이 높은 후보 물질을 우선적으로 실험할 수 있게 해줍니다.
이번 연구 성과가 가지는 또 다른 의미는 글로벌 제약 산업의 경쟁 구도를 재편할 가능성입니다. 전통적으로 신약 개발은 막대한 자본과 인력, 그리고 오랜 시간을 투자할 수 있는 대형 제약사의 영역이었습니다.
그러나 AI 기반 신약 개발 기술이 발전하면서, 상대적으로 작은 규모의 연구기관이나 바이오텍 스타트업도 혁신적인 신약 후보를 발굴할 수 있는 기회를 얻게 되었습니다.
광고
물론 여기에는 양질의 데이터에 대한 접근성과 고성능 컴퓨팅 인프라가 필요하지만, 전통적인 신약 개발 방식에 비하면 진입 장벽이 상당히 낮아진 것은 사실입니다.
한국 제약 산업의 현재와 AI 혁신의 필요성
그렇다면 이러한 혁신이 한국을 포함한 각국의 의료 및 제약 산업에는 어떤 의미를 가질까요? 먼저, AI 기반 신약 개발은 현재 미국, 유럽, 중국 등의 선진 연구기관과 스타트업이 주도하고 있습니다.
이들은 대규모 바이오 데이터베이스를 구축하고, 최첨단 AI 알고리즘을 개발하며, 제약사와의 협력을 통해 실제 임상 단계까지 진행하는 통합적인 시스템을 갖추고 있습니다. EPFL의 사례에서 볼 수 있듯이, 수백만 개의 화학 화합물 데이터베이스를 활용할 수 있는 환경이 성공의 핵심 요소였습니다. 이는 데이터의 규모와 다양성이 AI 성능을 좌우한다는 것을 보여줍니다.
데이터 접근성과 관련하여, 각국은 임상 데이터와 생물학적 정보를 체계적으로 수집하고 관리하는 시스템을 구축하는 데 주력하고 있습니다. 유럽의 경우 여러 국가가 협력하여 대규모 바이오뱅크를 운영하고 있으며, 미국은 국립보건원(NIH)을 중심으로 방대한 게놈 및 임상 데이터를 축적하고 있습니다.
광고
중국 역시 정부 주도로 대규모 인구 집단의 유전체 정보를 수집하며 AI 신약 개발에 활용하고 있습니다. 이러한 글로벌 경쟁 속에서 각국은 자국의 바이오 헬스 산업 경쟁력을 강화하기 위해 데이터 인프라 구축과 AI 기술 개발에 적극적으로 투자하고 있습니다.
한편, AI 기반 신약 개발의 확산은 제약 산업의 비즈니스 모델에도 변화를 가져오고 있습니다. 전통적인 제약사들은 AI 전문 바이오텍 기업과의 파트너십을 확대하거나, 자체적으로 AI 연구 부서를 신설하는 등 적극적으로 대응하고 있습니다. 일부 제약사는 AI 기술을 활용하여 기존 약물의 새로운 용도를 발견하는 '약물 재창출(drug repurposing)' 전략도 추진하고 있습니다.
이는 이미 안전성이 검증된 약물을 새로운 질병 치료에 활용함으로써 개발 기간과 비용을 절감하는 방식입니다. 물론 일부에서는 딥러닝 기술의 한계와 윤리적 문제에 대해서도 지적하고 있습니다. AI가 제안한 화합물의 효능과 부작용을 최종적으로 판단하는 데는 여전히 인간 연구자의 전문성과 판단이 필요합니다.
AI 모델이 학습한 데이터의 질과 범위에 따라 예측 정확도가 달라질 수 있으며, 특정 편향성을 가진 데이터로 학습한 경우 잘못된 결론에 도달할 위험도 존재합니다. 또한 AI가 제시한 후보 물질이 실제 인체에서 어떻게 작동할지는 여전히 임상 실험을 통해 검증되어야 합니다.
따라서 AI는 신약 개발의 효율성을 높이는 강력한 도구이지만, 최종적인 의사결정과 책임은 인간 연구자와 규제 기관이 담당해야 한다는 원칙이 중요합니다. 윤리적 측면에서도 AI 기반 신약 개발은 새로운 과제를 제기합니다.
환자 데이터의 프라이버시 보호, AI 알고리즘의 투명성과 설명 가능성, 그리고 AI가 발굴한 신약의 접근성과 가격 문제 등이 대표적입니다. 특히 AI 기술로 개발된 신약이 고가로 책정될 경우, 경제적 여건이 어려운 환자들은 혜택을 받지 못할 수 있다는 우려가 있습니다. 따라서 기술 발전과 함께 이를 뒷받침하는 윤리적 가이드라인과 규제 체계가 마련되어야 합니다.
각국 정부와 국제 보건 기구는 AI 기반 의료 기술의 안전성과 공정성을 보장하기 위한 규제 프레임워크를 개발하는 데 협력하고 있습니다.
딥러닝 기반 신약 개발의 미래와 한국의 대응
그럼에도 불구하고 딥러닝을 활용한 신약 개발은 명백히 전 세계 의료 및 제약 산업의 패러다임을 재편할 잠재력을 갖고 있습니다. 막대한 시간과 비용이 소요되는 기존의 신약 개발 과정을 혁신하고, 암을 비롯한 난치병으로 고통받는 환자들에게 새로운 희망을 가져다줄 수 있다는 점에서 그 영향력은 이루 말할 수 없습니다.
EPFL 연구팀의 성과는 이러한 가능성을 구체적으로 입증한 사례로, 향후 더 많은 연구기관과 제약사가 AI 기술을 적극 도입하는 계기가 될 것으로 전망됩니다. 전 세계적으로 AI 기반 신약 개발 경쟁이 치열해지고 있는 가운데, 각국은 이 분야에서 주도권을 확보하기 위해 정부 차원의 지원과 민간 투자를 확대하고 있습니다.
특히 바이오 헬스 산업을 미래 성장 동력으로 삼고 있는 국가들은 AI 기술 개발과 데이터 인프라 구축에 대규모 예산을 투입하고 있습니다. 또한 국제적인 연구 협력과 데이터 공유를 통해 글로벌 차원에서 신약 개발을 가속화하려는 움직임도 활발합니다.
암과 같은 질병은 국경을 초월한 인류 공통의 과제이므로, 국제 협력을 통한 기술 발전이 더욱 중요해지고 있습니다. EPFL의 연구는 또한 학계와 산업계의 협력 모델을 제시한다는 점에서도 의의가 있습니다.
대학 연구팀이 기초 연구를 통해 AI 기반 신약 후보를 발굴하고, 이를 제약 회사와의 협력을 통해 임상 단계로 발전시키는 방식은 향후 신약 개발의 주요 모델이 될 가능성이 높습니다. 이러한 협력 모델은 대학의 연구 역량과 제약사의 개발·상용화 능력을 결합함으로써 시너지 효과를 창출할 수 있습니다. 결론적으로 EPFL의 연구는 딥러닝이 단순한 기술적 도구에서 신약 발굴의 핵심적인 창조자로 자리매김할 가능성을 제시했습니다.
이는 암 치료의 새로운 시대를 여는 중요한 첫걸음이며, 향후 더 많은 혁신적인 항암제가 AI 기술을 통해 발굴될 것으로 기대됩니다. 전 세계 연구기관과 제약사들이 이러한 기술 혁신에 적극 동참하고, 각국 정부가 필요한 인프라와 제도적 지원을 제공한다면, 우리는 암 정복이라는 인류의 오랜 꿈에 한걸음 더 다가설 수 있을 것입니다. 지금 우리가 목격하고 있는 것은 단순한 기술 발전이 아니라, 의료와 생명과학 분야의 근본적인 변화입니다.
AI 기반 신약 개발이 가져올 미래는 더 많은 환자들에게 효과적이고 안전한 치료제를 더 빠르고 저렴하게 제공할 수 있는 세상일 것입니다.
김도현 기자
광고
[참고자료]
epfl.ch
){kind=small}
){kind=small}
){kind=small}
){kind=small}