AI 설계 의약품은 더 이상 연구실의 유행어가 아니다. 전 세계 임상시험에 들어간 AI 유래 신약 후보가 200개를 넘었다는 분석이 나온다.1 하지만 아직 FDA 승인을 받은 AI 설계 의약품은 없다.2
이 간극을 이해하는 것이 중요하다. AI는 신약 개발의 속도와 탐색 범위를 바꿀 수 있지만, 약이 실제 환자에게 안전하고 효과적인지는 여전히 임상시험과 규제 심사를 통해 입증해야 한다.
AI 신약 개발이 바꾸는 것
AI 신약 개발은 인공지능을 활용해 새로운 치료제 후보를 발견하고 시험하는 과정이다. 이 과정에는 머신러닝, 딥러닝, 자연어처리 같은 기술이 쓰일 수 있다.3
가장 큰 변화는 후보물질을 찾는 방식이다. AI는 대규모 화합물 데이터셋을 분석해 가능성이 높은 분자를 먼저 추려낼 수 있다.3 과거에는 많은 후보를 실험으로 하나씩 확인해야 했다면, 이제는 계산을 통해 후보군을 좁힌 뒤 실험에 들어갈 수 있다.
다만 이것이 “AI가 약을 승인한다”는 뜻은 아니다. AI는 실패 가능성이 큰 초기 탐색을 더 빠르고 정교하게 만드는 도구에 가깝다. 최종 판단은 여전히 생물학적 검증, 임상 데이터, 규제기관의 평가를 통과해야 한다.
중요한 질문은 “AI를 썼는가”가 아니다
AI 설계 신약이 늘어날수록 핵심 질문은 바뀐다. 이제 중요한 것은 “AI를 활용했는가”가 아니라 “AI가 만든 근거를 얼마나 신뢰할 수 있는가”다.
FDA가 AI 관련 의약품 제출 자료의 증거 평가 방식을 검토하는 파일럿 프로그램을 시작한 것도 이 맥락에서 볼 수 있다.4 이 프로그램은 초기 임상에서 AI 기술이 의사결정의 속도와 품질을 높일 수 있는지 살피며, 임상 효율 개선, 안전성 모니터링, 용량 선택, 초기 진행 여부 판단 등을 다룬다.4
관련 분석에 따르면 이 파일럿에는 10개 기업이 선정됐고, 이들은 더 빠르고 상호작용적인 심사 절차에 참여한다.2 이는 AI 신약 기업에 특혜를 주기 위한 절차라기보다, AI 생성 증거를 어떻게 평가할지 기준을 마련하려는 시도에 가깝다.
AI 설계 신약을 볼 때 확인할 기준
AI 신약 개발 소식을 접할 때는 “AI가 만들었다”는 표현보다 다음 기준을 보는 편이 더 실용적이다.
첫째, 임상 단계다. 후보물질을 빠르게 찾았다는 사실만으로는 충분하지 않다. Phase II, Phase III에서 실제 효능과 안전성이 확인되는지가 더 중요하다.
둘째, 데이터 품질이다. AI는 학습 데이터가 부정확하거나 편향돼 있으면 잘못된 예측을 할 수 있다. 의료 데이터는 민감한 개인정보를 포함할 수 있으므로, 데이터의 신뢰성과 보호 장치도 함께 봐야 한다.
셋째, 설명 가능성이다. 규제기관과 의료진은 왜 특정 후보가 안전하고 효과적이라고 판단됐는지 이해할 수 있어야 한다. AI 신약 개발의 경쟁력은 단순한 속도가 아니라, 검증 가능한 근거에서 나온다.
결론: 출발선은 빨라졌지만 결승선은 그대로다
AI 설계 신약은 신약 개발의 출발선을 앞당기고 있다. 더 많은 화합물을 더 빠르게 검토하고, 가능성 있는 후보를 효율적으로 선별할 수 있기 때문이다.
하지만 결승선은 여전히 임상 데이터와 규제 검증이다. 지금 필요한 태도는 “AI가 약을 만들었다”는 표현에 놀라는 것이 아니라, 어떤 AI 근거가 실제 의학적 성과로 이어지는지 차분히 확인하는 것이다.
참고
125 AI Drug Discovery Companies Actually Delivering Clinical Candidates (2026)
2FDA Accelerated AI Pathway Pilot: Phase I Drug Trials
3AI Drug Development, Explained: How Artificial Intelligence Is Reinventing Medicine
4AI-Enabled Optimization of Early-Phase Clinical Trials Pilot Program; Request for Information
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.