생성형 AI가 후보물질 탐색을 넘어 임상 검증 단계로 이동했다
2026년 11월, 생성형 인공지능(AI) 신약 개발은 더 이상 연구실 안의 기술 시연에 머물지 않는다. 인실리코 메디슨(Insilico Medicine)의 공동 최고경영자(CEO)이자 최고과학책임자(CSO)인 펭 렌(Feng Ren) 박사는 11월 4일 상하이 국제 컨벤션 센터에서 열리는 2026 미래 헬스케어 투자 시장(FHIM) 연례 콘퍼런스와 11월 7일 난창에서 열리는 2026 중국 약학회 약용 화학 심포지엄(CMCS2026)에서 생성형 AI 기반 신약 개발의 임상 진전을 설명할 예정이다. 핵심은 분명하다.
AI가 논문 검색과 실험 보조를 넘어 실제 환자 대상 임상시험으로 이어지는 후보물질을 만들어내기 시작했다는 점이다. 일반 독자에게 이 변화는 병원 진료실 밖의 먼 이야기가 아니다.
난치성 질환 치료제 개발 속도, 임상시험 참여 기회, 장기적으로는 약가와 건강보험 재정 논의까지 영향을 받을 수 있다. 특히 인실리코 메디슨의 후보물질 렌토서팁(Rentosertib, ISM001-055)이 특발성 폐섬유증(IPF) 대상 3상 임상시험에 진입했다는 사실은 상징성이 크다. 회사 측은 이 물질을 세계 최초의 완전 생성형 AI 기반 신약 후보물질로 제시하고 있으며, 이는 제3의 독립 기관이 별도로 검증한 사항이 아닌 인실리코 메디슨 측의 공식 주장임을 유의해야 한다.
3상은 효능과 안전성을 더 넓은 환자군에서 확인하는 단계인 만큼, AI 신약 논의가 '가능성'에서 '검증'으로 이동했다는 의미를 갖는다. 신약 개발에서 가장 비싼 자원은 시간이다. 후보물질을 찾고, 동물실험과 전임상 후보(PCC) 선정 과정을 거쳐, 사람에게 투여하는 임상 단계로 넘어가는 과정에는 반복 실험과 실패가 쌓인다.
인실리코 메디슨이 강조하는 생성 화학(generative chemistry)과 자동화된 실험 루프는 이 반복 구조를 바꾸려는 시도다.
광고
AI가 표적을 고르고 화합물 구조를 제안하면, 자동화 실험이 결과를 되돌려 모델을 다시 조정한다. 사람 연구자가 모든 경우의 수를 손으로 훑는 방식에서, 데이터와 실험이 순환하는 방식으로 연구개발(R&D)의 중심축이 이동하는 셈이다. 이 변화가 환자에게 곧바로 '빠른 신약 허가'를 보장하지는 않는다.
임상시험은 여전히 사람을 대상으로 안전성과 효과를 검증해야 하며, 규제기관은 데이터 품질과 재현성을 따진다. 그러나 후보물질 발굴 시간이 줄어들면 임상에 올라오는 프로그램의 수와 성격이 달라질 수 있다.
인실리코 메디슨이 공개한 2026년 중간 보고서에 따르면, 회사는 2026년 8월 중순까지 내부 및 파트너십 파이프라인에서 8개의 임상적 이정표를 달성했다. 이 숫자는 AI 신약이 한두 개 사례의 홍보가 아니라 여러 프로그램에서 반복 가능한 개발 체계로 시험받고 있음을 보여준다. 본지 분석에 따르면, 한국 사회가 이 흐름을 눈여겨봐야 하는 이유는 고령화와 만성질환 부담 때문이다.
특발성 폐섬유증(IPF)처럼 치료 선택지가 제한적인 질환은 환자와 가족에게 긴 시간을 요구한다. 효과가 입증된 약이 늦게 나오면 환자는 대체 치료와 관리 비용을 감당해야 한다. AI가 신약 후보 탐색의 병목을 줄인다면, 희귀·난치 질환 영역에서 새로운 치료 접근이 더 자주 임상 문턱에 도달할 가능성이 생긴다.
다만 가능성은 허가와 급여, 실제 처방까지 이어져야 일상 속 변화가 된다. 기업 간 거래 규모도 이 흐름의 현실성을 가늠하는 지표다. 인실리코 메디슨은 10개 이상의 파이프라인 프로그램을 보유하고 있으며, 일라이 릴리(Eli Lilly)와 최대 27억5000만 달러 규모의 파트너십을 맺었다고 밝혔다.
대형 제약사가 AI 신약 기업과 손잡는 이유는 단순한 기술 이미지 확보에 그치지 않는다.
광고
후보물질 발굴, 독성 예측, 임상 개발 전략을 데이터 기반으로 조정할 수 있다면 실패 비용을 일부 낮출 여지가 있다. 물론 최종 성공 여부는 임상 결과가 결정한다.
돈의 흐름은 기대를 보여주지만, 환자에게 의미 있는 치료 효과는 별도의 검증을 거쳐야 한다.
환자 접근성·약가·보험 기준까지 바꿀 수 있는 제약 변화
필자는 이번 사례의 핵심을 'AI가 의사를 대체한다'는 식의 오래된 구도로 보지 않는다. 더 중요한 변화는 제약 산업의 의사결정 방식이다. 기존에는 특정 표적에 대한 과학적 가설, 연구진 경험, 제한된 실험 결과가 후보물질 개발의 출발점이었다.
생성형 AI는 여기에 대규모 생물학 데이터, 화학 구조 설계, 임상 개발 모델을 묶어 가설을 더 빠르게 만들고 지우는 장치를 붙인다. 실패를 없애는 기술이 아니라 실패를 더 이른 단계에서 걸러내는 기술에 가깝다.
정책 관점에서는 질문이 더 복잡해진다. AI가 만든 후보물질의 개발 기록을 규제기관이 어떤 형식으로 제출받고 검증할 것인지가 첫 번째 과제다.
모델이 어떤 데이터를 학습했는지, 후보물질 설계 과정에서 어떤 판단 기준을 적용했는지, 자동화 실험 루프가 만든 결과를 사람이 어떻게 확인했는지 설명해야 한다. 의약품은 앱 업데이트처럼 배포한 뒤 고치는 상품이 아니다. 국민 건강을 다루는 영역인 만큼, 속도를 인정하되 검증 기준을 느슨하게 만드는 방식은 위험하다.
본지 분석에 따르면, 한국의 제약·바이오 정책도 이 지점에서 선택을 요구받는다. AI 신약 개발을 지원한다면 단순 연구비 배분보다 데이터 표준, 임상시험 인프라, 병원과 기업 간 협업 규칙을 함께 설계해야 한다.
병원 데이터는 민감한 개인정보와 직결된다. 연구 활용을 막으면 산업 경쟁력이 약해질 수 있고, 통제 없이 열면 국민 신뢰를 잃는다.
따라서 익명화, 접근 권한, 결과 감사 체계를 세밀하게 짜는 일이 AI 신약 정책의 중심에 서야 한다.
광고
반론도 있다. AI가 만든 후보물질이라고 해서 임상 성공률이 자동으로 높아지는 것은 아니며, 3상 진입은 허가와 다르다는 지적이다. 이 반론은 타당하다.
실제로 렌토서팁이 특발성 폐섬유증 환자에게 어느 정도의 임상적 이익을 제공할지는 최종 임상 결과가 나와야 판단할 수 있다. 그러나 이 반론이 놓치기 쉬운 부분이 있다.
AI 신약의 가치는 단일 약물의 성패만이 아니라, 후보물질을 만들어 임상 단계까지 밀어 올리는 과정이 반복 가능한지에 달려 있다. 인실리코 메디슨이 제시한 8개 임상적 이정표(2026년 8월 중순 기준)와 10개 이상 프로그램은 바로 그 반복성을 검증하는 재료다.
일상생활에 미칠 영향은 단계적으로 나타날 가능성이 크다. 가까운 시기에는 환자와 가족이 임상시험 정보를 더 자주 접하게 될 수 있다.
병원은 AI 기반 후보물질을 다루는 임상시험 설계와 환자 선별 기준을 더 정교하게 관리해야 한다. 중장기적으로는 보험자와 정부가 약가 산정에서 연구개발 비용 산정 방식을 다시 들여다볼 수 있다.
AI가 개발 시간을 줄였다는 주장이 실제 비용 절감으로 이어졌는지, 절감분이 환자 접근성 개선으로 연결되는지 따져야 하기 때문이다.
규제와 데이터 신뢰가 AI 신약 상용화의 다음 관문이다
기술 기업과 제약사의 경계도 흐려진다. 소분자(small molecule) 설계와 임상 개발은 전통적으로 제약사의 영역이었지만, 생성형 AI와 자동화 실험은 소프트웨어 역량을 연구소의 핵심 자산으로 끌어올린다. 본지 분석에 따르면, 이는 한국 바이오 기업에도 압박이다.
후보물질 자체만으로 경쟁하던 시기에서, 데이터 축적 방식과 모델 운영 능력까지 평가받는 시기로 넘어가고 있다. 해외 기업의 발표를 관전하는 데 그치면 국내 기업은 임상 설계와 파트너십 경쟁에서 뒤처질 수 있다. 그렇다고 모든 병원이 당장 AI 신약 임상에 뛰어들 수 있는 것은 아니다.
임상시험은 환자 모집, 윤리 심의, 데이터 관리, 이상반응 보고를 포함한 복잡한 체계 위에서 움직인다.
광고
AI가 앞단의 후보 발굴을 빠르게 만들어도 뒷단의 임상 인프라가 느리면 전체 속도는 제한된다. 한국이 체감 가능한 성과를 얻으려면 병원 현장의 연구 인력, 데이터 관리 시스템, 규제 상담 절차를 함께 손봐야 한다.
기술만 빠르고 제도가 느리면 환자에게 도달하는 시간은 크게 줄지 않는다. 이번 발표 일정 자체는 두 개의 콘퍼런스 행사다. 그러나 그 의미는 행사장을 넘어선다.
11월 4일 FHIM에서 다룰 AI 기반 소분자 연구개발 사례와 11월 7일 CMCS2026에서 다룰 생성형 AI 기반 신약 발견 및 임상 발전은 같은 질문으로 모인다. AI가 신약 개발의 어느 구간까지 책임질 수 있는가. 필자는 답이 이미 일부 나왔다고 본다.
AI는 치료제를 완성하는 단독 주체가 아니라, 실패 비용과 탐색 시간을 줄이는 핵심 인프라로 자리 잡고 있다. 이제 남은 쟁점은 기술 찬반이 아니다. 환자에게 필요한 것은 'AI로 만들었다'는 설명이 아니라 더 나은 효과, 감당 가능한 비용, 신뢰할 수 있는 안전성이다.
정부에는 빠른 심사와 엄격한 검증을 동시에 구현하는 제도 설계가 요구된다. 기업에는 임상 결과로 기술 주장을 증명할 책임이 있다. AI 신약의 시대가 정말 환자의 시간을 줄이는 방향으로 갈 것인지, 아니면 투자 시장의 속도만 높이는 데 그칠 것인지—그 판단은 향후 3상 데이터와 규제기관의 결정이 내려줄 것이다.
※ 이 기사는 인실리코 메디슨(Insilico Medicine) 공식 보도자료(2026년), The Big Unlock 유튜브 콘텐츠, Forbes 보도(기사 제목·기자명·날짜 미확인)를 참조하여 작성하였다. 원본 자료에 직접 인용 가능한 발언 전문은 확인되지 않아 별도 인용문을 넣지 않았다.
FAQ
Q. AI가 만든 신약은 일반 환자가 곧바로 처방받을 수 있나
A. 그렇지 않다. 렌토서팁(Rentosertib, ISM001-055)은 특발성 폐섬유증(IPF) 대상 3상 임상시험에 진입한 단계로, 허가와 처방까지는 추가 검증과 규제 판단이 필요하다. 3상은 실제 환자군에서 효능과 안전성을 확인하는 중요한 관문이지만, 진입 자체가 성공을 보장하지는 않는다. 임상 3상 종료 후 규제기관의 품목허가 심사, 건강보험 급여 협상, 실제 처방 도입까지는 국가마다 수년의 추가 시간이 소요될 수 있다. 환자는 임상시험 참여 여부를 담당 의료진과 상의해야 하며, 승인 전 의약품을 일반 처방처럼 이용할 수 있는지는 국가별 제도에 따라 달라진다.
Q. AI 신약 개발이 약값을 낮출 가능성이 있나
A. AI가 후보물질 탐색과 초기 연구 시간을 단축하면 개발 비용 일부를 낮출 가능성은 있다. 그러나 약값은 연구개발 비용만으로 결정되지 않는다. 임상 성공률, 제조 원가, 특허 전략, 보험 협상, 시장 규모가 복합적으로 작용한다. AI 신약이 곧바로 저렴한 약을 의미하지는 않으며, 비용 절감 효과가 실제로 발생했는지는 임상 완료 이후에야 구체적으로 평가할 수 있다. 정부와 보험자는 비용 절감분이 환자 접근성 개선으로 이어지는지를 별도로 따져야 한다.
Q. 한국 제약·바이오 기업은 무엇을 준비해야 하나
A. 한국 기업은 AI 모델 도입 자체보다 데이터 품질과 임상 연결 능력을 먼저 점검해야 한다. 후보물질을 빠르게 만드는 기술이 있어도 병원 데이터, 전임상 검증, 임상시험 설계가 맞물리지 않으면 경쟁력을 확보하기 어렵다. 규제기관과 조기에 소통하여 AI 기반 후보물질의 개발 기록을 어떤 방식으로 설명하고 제출할지도 준비해야 한다. 해외 파트너십 경쟁이 치열해질수록 기술 홍보보다 재현 가능한 개발 성과가 더 큰 평가 기준이 된다.
광고
▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기
){kind=small}
){kind=small}
){kind=small}
){kind=small}
