AI 신약개발, 임상 2상 실패 부담 키워

Traders Union
모든 뉴스
비즈니스 및 자산
회사들
AI 신약개발 임상 실패 부담

모든 뉴스

주요 뉴스

편집자 추천

주식

암호화폐

경제

외환

원자재

비즈니스 및 자산

시장의 소리

Anastasiia Chabaniuk

5시간 전

서울에서 열린 AI 파마 코리아 컨퍼런스 2026에서는 AI가 설계한 신약 후보물질이 임상 1상에서는 비교적 높은 통과율을 보이지만 임상 2상에서는 실패 부담이 커진다는 분석이 제시됐다. 이는 AI가 초기 후보 발굴과 안전성 예측의 효율을 높이더라도 실제 환자에서 약효를 입증하는 단계까지 개발 생산성을 끌어올리는 데는 아직 한계를 보인다는 의미다.

하이라이트

AI 기반 신약 후보물질의 임상 1상 통과율은 상승했으나 임상 2상 실패율은 오히려 증가해 R&D 자금 부담 커졌다.
UCL 연구진은 3,300개 분자 정보 통합 과정에서 데이터 오류를 다수 확인해 AI 신약개발의 데이터 정확성 문제를 지적했다.
한국제약바이오협회와 식약처는 AI 신약개발의 실질적 성공을 위해 기술 검증과 제도 지원 병행을 핵심 변수로 강조했다.

임상 단계별 성과와 한계

히트뉴스에 따르면 한국제약바이오협회와 AI 신약연구원은 10일 서울 역삼동 ST센터에서 'AI 파마 코리아 컨퍼런스 2026'을 열고 AI 기반 신약개발의 실제 성과와 제약 요인을 공유했다. 행사 주제는 'Beyond the Model: AI 신약개발, 가능성에서 성과로'였으며 국내외 전문가들이 연구 사례를 발표했다.

기조 강연에 나선 David Ascher 퀸즐랜드대학교 교수는 연구진의 임상 성과 분석을 소개하며 AI로 개발된 후보물질이 기존 방식으로 개발된 약물보다 임상 1상 통과율은 유의하게 높았다고 설명했다. 반면 임상 2상에서는 실패율이 오히려 증가하는 양상이 관찰됐다고 밝혔다. 그는 이런 흐름이 실패 시점을 파이프라인 후반부로 미루는 결과를 낳아 제약사들이 결국 실패할 가능성이 있는 분자에 더 많은 자금을 투입하게 만든다고 지적했다.

Ascher 교수는 AI의 역할이 약물과 표적의 결합력 향상에만 머물러서는 안 된다고 강조했다. 그에 따르면 실제 의약품 가치는 결합 친화도 외에도 용해도, 제조 가능성, 안전성 등 여러 요소에 의해 결정된다. 그가 소개한 결핵 내성 부위 예측 사례에서는 결합력만 높인 분자가 매우 빠른 내성 발생으로 이어졌으며, 이는 단일 지표 중심의 모델이 실제 약효와 개발 적합성을 충분히 설명하지 못할 수 있음을 보여준다.

데이터 정확성과 제도 지원 과제

Edith Chan UCL 교수는 혈뇌장벽, BBB, 투과성 예측용 데이터베이스 구축 사례를 소개하며 데이터의 양보다 정확도가 중요하다고 말했다. 연구진은 50여 개 공개 데이터베이스를 통합해 약 3,300개 분자의 BBB 투과성 정보를 담은 CNS DB를 구축했으며, 기존 자료와 비교하는 과정에서 분자 내 메틸기 위치 오류나 입체화학 정보 누락 사례를 확인했다.

이 같은 오류는 분자 구조 자체가 부정확할 경우 이를 바탕으로 한 계산과 예측의 신뢰성도 떨어질 수 있음을 시사한다. AI 신약개발이 실질적 성과로 이어지려면 모델 고도화뿐 아니라 학습 데이터의 정합성과 재현성을 함께 확보해야 한다는 의미다.

이재국 한국제약바이오협회 부회장은 개회사에서 이제는 AI 모델의 성능이나 기술적 가능성을 논의하는 데 그치지 않고 실제 연구 현장에 적용해 신약개발 성공 가능성을 높이는 것이 중요하다고 밝혔다. 김소희 식품의약품안전처 과장도 AI 활용 의약품 개발을 제도적으로 뒷받침할 예정이라고 말해, 업계에서는 기술 검증과 규제 지원의 병행이 향후 상용화 성과를 좌우할 핵심 변수로 보고 있다.

앞서 우리는 HLB그룹이 이달 초 간암 신약 허가를 FDA에 재신청해 심사 분류 결과를 기다리고 있다고 전했다.

이 자료는 제3자의 의견을 포함할 수 있으며, 이 웹페이지의 데이터 및 정보는 우리의 면책 조항에 따라 투자 조언을 구성하지 않습니다. 우리는 엄격한 편집 무결성을 준수하지만, 이 게시물에는 파트너의 제품에 대한 언급이 포함될 수 있습니다.

이 글이 마음에 드셨나요?