< 일러스트 OpenAI의 DALL·E 제공 >
[객원 에디터 11기 / 이소윤 기자] 기존의 신약 개발 방식은 효율적이지 않은 과정으로 여겨져 왔다. 실제로 하나의 신약이 시장에 진출하기까지는 평균적으로 연구에만 10년 이상이 소요될 뿐만 아니라, 임상시험과 승인 절차도 까다로운 것으로 알려져 있다. 이런 구조로 인해 신약 개발이 오히려 경제적 손실로 이어지는 경우도 적지 않아, 제약회사들은 이러한 단점을 보완할 수 있는 방안을 고민해 왔다. 최근 들어 ChatGPT, Google Gemini 같은 AI 플랫폼들이 빠르게 발전하면서, 신약 개발 분야에서도 특정 분야에 특화된 AI의 가능성과 유용성이 함께 주목받고 있다.
하지만 왜 과학자들은 AI를 선택했을까? 그 이유는 AI가 방대한 데이터 세트와 수학적 모델, 그리고 고급 계산 알고리즘을 다룰 수 있기 때문이다. 이러한 장점 덕분에 시카고대학교 연구진에 따르면, 이미 약 80%의 신약 개발자들이 AI를 활용해 개발 과정의 효율성을 높이고 있는 것으로 나타났다.
AI가 신약 개발에서 하는 역할은 크게 세 가지로 나뉜다. 첫 번째는 신약 탐색(drug discovery)이다. 기존에는 인간 연구자가 수많은 후보 물질을 하나씩 분석하고 상호작용을 확인해야 했기 때문에 시간과 비용이 많이 소모되었다. 하지만 인공지능은 방대한 데이터를 기반으로 후보 물질을 빠르게 선정하고, 단백질 구조 예측까지 수행해 시간을 단축시키는 데 큰 기여를 하고 있다.
또한 약물 설계(drug design) 역시 인공지능이 신약 개발에 기여할 수 있는 분야이다. 약물은 표면 구조, 성분, 용해도 등에 따라 우리 몸과 상호작용하는 방식과 효능이 달라진다. 하지만 약물의 최적 환경을 찾는 과정 또한 심도 있는 연구와 반복적인 실험이 요구된다. 인공지능을 활용하면 다양한 변수를 더욱 폭넓게 고려할 수 있어 보다 효율적인 연구에 도움을 준다. 기존에는 이러한 과정을 모두 거쳐 약물을 설계해야 했지만, 인공지능의 발전으로 개발 시간은 단축되고 실패 확률도 감소하면서 경제적 손실 역시 줄어들었다.
약물 평가(drug screening)에서도 AI는 유용하게 활용될 수 있다. 인공지능은 약물의 독성, 효능, 그리고 우리 몸 안에서의 반응을 사전에 예측할 수 있다. 이는 특히 임상시험 이전 단계에서 효과적이라고 알려져 있는데, 이 방식을 활용하면 적합한 후보 물질을 더 빠르게 선별할 수 있기 때문이다. 이 또한 전체 개발 과정의 효율성과 성공률을 높이는 데 기여한다.
인공지능은 신약 개발 과정의 효율성과 정확성을 크게 높이며 많은 과학자들의 기대를 받고 있다. 특히 약물 설계와 평가 단계에서 시간과 비용을 크게 줄일 수 있다고 알려져 있다. 하지만 인공지능이 항상 완벽한 해답만을 제시할 수 있는 것은 아니기에, 데이터 품질 문제와 결과의 해석 가능성 등 아직 해결해야 할 윤리적 문제들도 존재한다. 앞으로 AI 기술이 더욱 발전한다면, 신약 개발은 지금보다 훨씬 더 빠르게 진행되어 더 많은 사람들의 생명을 구할 수 있을 것이다.
