신약 하나를 만드는 데 보통 10년 넘게, 조 단위 돈이 듭니다. AI가 이 시간을 줄여 준다는 기대가 큽니다. 2026년, 그 기대가 처음으로 성적표를 받습니다.
AI가 발굴한 첫 신약
타깃 단백질과 후보 분자를 모두 생성형 AI로 찾아낸 폐섬유증 신약이 임상 후기 데이터를 마주합니다. 글로벌 제약사들도 연초부터 AI 신약 플랫폼과 계약을 쏟아냈습니다. 분자를 만드는 속도는 분명 빨라졌죠.
전통 신약 개발
- 후보 탐색에만 수년
- 직관과 실험을 반복
- 실패 비용이 큼
- 느리지만 검증된 길
AI 발굴
- 후보를 몇 달 만에 좁힘
- 방대한 분자 공간 탐색
- 후보 생성이 빠름
- 속도는 빠르나 검증은 그대로
빨리 만드는 것과 잘 듣는 것
여기서 짚을 게 있습니다. 빠르게 만드는 능력이 잘 듣는 약을 보장하지는 않습니다. AI가 발굴한 후보의 임상 통과율이 전통 방식과 크게 다르지 않다는 반론도 나옵니다. 결국 사람에게 효과와 안전을 증명하는 마지막 관문은 똑같이 남습니다.
출발은 당겨도 도착은 그대로
신약에서도 같은 일이 벌어집니다. 후보를 만드는 일은 싸졌고, 무엇이 진짜 듣는 약인지 가려내는 판단은 더 비싸졌습니다. AI는 출발을 당겨 주지만, 도착을 보장하지는 않습니다. 2026년의 성적표가 그 경계를 처음으로 보여줄 겁니다.
참고
- AI in drug discovery: 2026 predictions — Drug Target Review
- AI-discovered drugs와 임상 결과 — PMC, 2026
