AI 신약 개발 회사를 볼 때 가장 어려운 질문은 "모델이 좋아졌는가"가 아니라 "그 모델이 실제 약을 더 잘 만들게 하는 시스템으로 연결되는가"입니다. 단백질 구조를 맞히는 능력과 환자에게 투여 가능한 후보물질을 만드는 능력 사이에는 여전히 긴 거리가 있습니다.
이 긴장을 배경으로 Alphabet 계열 Isomorphic Labs가 21억 달러 규모의 Series B 투자를 유치했습니다. Thrive Capital이 주도했고 Alphabet, GV, MGX, Temasek, CapitalG, UK Sovereign AI Fund 등이 참여했으며, 자금은 AI Drug Design Engine인 IsoDDE 확장과 후보물질의 임상 진입 준비에 쓰일 예정입니다.1
병목은 '분자 찾기'보다 '검증 가능한 질문 고르기'다
AI 신약 개발을 검색 문제로만 보면 이야기가 쉬워집니다. 더 많은 화합물을 더 빨리 탐색하고, 표적 단백질과 잘 맞는 후보를 골라내면 된다는 식입니다.
하지만 실제 병목은 더 복잡합니다. 어떤 생물학적 가설이 맞는지, 어떤 표적이 질병에 충분히 중요하게 작동하는지, 예측한 결합이 세포·동물·사람에서도 의미 있는 효과로 이어지는지가 핵심입니다.
Isomorphic Labs가 흥미로운 이유는 AlphaFold의 후광 때문만은 아닙니다. 회사는 단일 모델이 아니라 구조 예측, 결합 친화도, 포켓 탐지 등을 묶은 "통합 drug design engine"을 강조합니다. 자체 발표에 따르면 IsoDDE는 단백질-리간드 구조 예측의 어려운 일반화 벤치마크에서 AlphaFold 3보다 2배 이상 높은 정확도를 보였고, 결합 친화도 예측에서도 기존 물리 기반 방식보다 빠르고 정확하다고 주장합니다.2
다만 이것은 아직 "좋은 약이 나왔다"는 증거가 아닙니다. 더 정확히 말하면, 컴퓨터 안에서 더 나은 후보를 고를 가능성이 커졌다는 신호입니다. 투자자와 바이오 운영자가 봐야 할 지점도 여기에 있습니다. 모델 성능 자체보다 그 성능이 실험 우선순위, 실패율, 리드 최적화 속도를 얼마나 바꾸는지가 중요합니다.
Isomorphic은 AI 도구 회사인가, 신약 공장인가
전통적인 제약사의 AI 도입은 대개 워크플로 일부를 개선하는 방식입니다. 표적 발굴, 도킹, 독성 예측, 문헌 검색 같은 특정 단계에 AI를 붙입니다. 반면 Isomorphic Labs는 AI를 보조 도구가 아니라 신약 설계의 중심 운영체제로 놓으려 합니다.
이 차이는 작지 않습니다. 도구 회사라면 성공 기준은 "기존 연구자가 더 빨라졌는가"입니다. 플랫폼 회사라면 성공 기준은 "프로그램이 반복될수록 데이터와 모델이 함께 개선되는가"입니다. 후자가 가능하려면 계산 예측, 습식 실험, 임상 전 검증이 하나의 폐쇄 루프를 만들어야 합니다.
회사는 Novartis, Lilly, Johnson & Johnson 등과 파트너십을 갖고 있고, 내부 프로그램과 제휴 프로그램을 병행한다고 밝히고 있습니다.3 이는 두 가지 의미를 가집니다. 하나는 대형 제약사가 이 기술을 검증할 만한 가치가 있다고 본다는 점입니다. 다른 하나는 Isomorphic이 아직 독자적으로 임상 성공을 입증한 회사는 아니라는 점입니다.
즉 지금의 Isomorphic은 "AI가 약을 발견했다"는 결론이 아니라, "AI 중심 신약 제작 시스템이 산업 규모로 검증받기 시작했다"는 단계에 가깝습니다.
앞으로 봐야 할 신호는 투자금이 아니라 임상과 학습효과다
21억 달러라는 숫자는 크지만, 신약 개발에서는 돈이 많다고 실패 확률이 사라지지 않습니다. 앞으로 몇 년간 더 중요한 신호는 따로 있습니다.
AI 설계 후보가 실제 임상 1상에 들어가는가
후보물질이 한두 표적에 치우치지 않고 다양한 질환·모달리티에서 나오나
예측 결과가 습식 실험에서 반복적으로 검증되는가
실패한 실험이 다음 모델 성능 개선으로 연결되는가
파트너십이 단순 라이선스 발표를 넘어 구체적 후보와 마일스톤으로 이어지는가
규제기관이 AI 기반 설계 근거를 어떻게 받아들이는가
특히 마지막 두 항목이 중요합니다. AI 신약 개발의 진짜 시험대는 논문 벤치마크가 아니라 IND 제출, 독성, 약동학, 임상 안전성입니다. 일부 보도에 따르면 Isomorphic의 첫 AI 설계 약물은 2026년 말 임상 진입을 목표로 하는 것으로 알려졌지만, 이는 이전 목표보다 늦어진 일정이기도 합니다.4 이 지연은 실패라기보다 이 분야의 현실을 보여줍니다. 생물학은 소프트웨어처럼 배포되지 않습니다.
신약 개발은 정말 소프트웨어처럼 될 수 있을까
Isomorphic Labs의 장기 베팅은 약 하나가 아닙니다. 성공한다면 더 큰 변화는 "후보물질을 설계하고, 검증하고, 배운 것을 다시 모델에 반영하는 반복 가능한 공정"입니다.
이 관점에서 IsoDDE는 검색 엔진보다 컴파일러에 가깝습니다. 생물학적 요구사항을 입력하면, 화학적·구조적 제약을 만족하는 후보 설계를 내고, 실험 결과를 통해 다음 버전을 개선하는 시스템입니다. 물론 아직은 비유입니다. 임상 성공, 독성 예측, 환자 이질성, 제조 가능성 같은 문제는 여전히 남아 있습니다.
그래서 지금 필요한 태도는 낙관도 냉소도 아닙니다. Isomorphic Labs를 볼 때는 "AI가 신약을 만든다"는 문장보다 "생물학을 측정 가능한 엔지니어링 루프로 바꿀 수 있는가"라는 질문을 붙잡아야 합니다. 제약사, 투자자, 연구자, AI 인프라 기업 모두에게 중요한 기준은 하나입니다. 멋진 모델이 아니라, 실패를 줄이고 다음 실험을 더 똑똑하게 만드는 시스템인가.
참고
1Alphabet's Isomorphic Labs raises $2.1 billion to scale AI drug discovery toward clinical trials
2The Isomorphic Labs Drug Design Engine unlocks a new frontier beyond AlphaFold
3Isomorphic Labs secures $2.1 Billion funding to scale its AI drug design engine
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.