인공지능(AI) 열풍이 경제 전반에 영향을 미치는 가운데, AI 신약개발에 대한 관심도 빠르게 높아지고 있다. 다국적 제약사는 AI 신약개발 기업과의 협업을 이어가고 있고, 모험자본 역시 관련 기업에 대규모 투자를 지속한다. 이 가운데 일부 상장 바이오텍은 자체 개발한 후보물질이 임상에서 가시적인 성과를 내며 높은 투자 수익으로 이어지는 사례도 나타나기 시작했다.

AI 신약개발의 가장 큰 강점은 불확실성이 높고 매몰비용이 큰 초기 물질 발굴과 전임상 과정을 단축할 수 있다는 점이다. AI 모델은 방대한 생물학·화학 데이터를 학습해 표적을 발굴하고, 수많은 분자구조와 단백질 서열 가운데 우수한 후보를 실험 전에 선별한다. 이후 AI 예측과 실험 검증을 반복해 정확도를 높이면서, 실제로 검증해야 할 후보 수와 시행착오를 줄인다.

AI 신약 기업들은 저마다의 언어로 이러한 자사 기술 강점을 내세우고 있다. 가령 앱사이(Absci)는 후보물질 발굴 단계의 효율화를 강조한다. 통상 5~6년, 5000만~1억 달러가 드는 발굴 과정을 약 24개월, 1000만~1500만 달러로 줄일 수 있다는 것이다.

제너레이트(Generate:Biomedicines)는 개념입증까지의 전 과정을 기준으로 격차를 제시한다. 전통적 방식은 개념입증까지 6~8년이 걸리지만 자사 방식은 3~5년이면 가능하고, 통상 3억8000만달러가 드는 비용도 2500만~6000만달러로 낮출 수 있다고 주장하고 있다. 차이 디스커버리(Chai Discovery)는 항체 발굴의 정확도를 앞세웠다. 플랫폼 ‘Chai-2’를 활용하면 다수의 신규 표적에 대해 소수의 후보물질만 실험하고도 두 자릿수 히트율을 기록할 수 있다는 것이다. 인실리코 메디신(Insilico Medicine)은 실제 트랙레코드를 강조하고 있다. 표적 발굴부터 전임상 후보물질 지명까지 통상 3~4년 걸리는 과정을 약 18개월 만에 마친 실제 사례를 제시했다.