구글 자회사 이소모픽 랩스, AI 설계 신약 인체 임상시험 임박

곰동이와덩달이 2025. 7. 8. 09:07

728x90

서론: AI 신약 개발의 새로운 지평

구글의 자회사 이소모픽 랩스(Isomorphic Labs)가 인공지능(AI)을 활용한 신약 개발로 인체 임상시험 단계에 근접하고 있습니다. 이소모픽 랩스는 딥마인드(DeepMind)의 알파폴드(AlphaFold) 기술을 기반으로 단백질 구조 예측과 분자 상호작용 시뮬레이션을 통해 신약 후보 물질을 설계하고 있으며, 이는 신약 개발의 혁신으로 주목받고 있습니다. 하지만 AI 기반 신약이 임상시험에 진입하면서 법적, 윤리적, 기술적 문제들이 대두되고 있습니다. 이 글에서는 이소모픽 랩스의 최신 동향, AI 신약 개발의 잠재력, 그리고 관련 법적 쟁점과 전문가 의견을 상세히 다룹니다.

이소모픽 랩스의 AI 신약 개발 현황

알파폴드와 이소모픽 랩스의 역할

이소모픽 랩스는 2021년 구글 딥마인드에서 분사한 조직으로, 알파폴드의 성공을 기반으로 설립되었습니다.
알파폴드는 단백질의 3차원 구조를 고정밀도로 예측하는 AI 시스템으로, 신약 개발 초기 단계인 타겟 단백질 분석과 후보 물질 발굴을 획기적으로 가속화했습니다.
이소모픽 랩스는 이를 넘어 DNA, RNA, 저분자 화합물과의 상호작용까지 예측하며 신약 설계의 새로운 가능성을 열고 있습니다.
콜린 머독(Colin Murdoch) 이소모픽 랩스 사장은 2025년 7월 포춘과의 인터뷰에서 “우리는 이제 임상시험 단계에 매우 근접해 있다”며, 암과 면역질환 치료를 목표로 한 자체 신약 후보 물질이 임상 초기 단계를 준비 중이라고 밝혔습니다.
이소모픽은 대형 제약사와 협력해 기존 파이프라인을 지원하는 동시에 독자적인 신약 개발을 병행하며, 임상시험 성공 시 라이선스 아웃 전략을 채택할 계획입니다.

AI 신약 개발의 잠재력

전통적인 신약 개발은 평균 10~15년의 시간과 약 1조 원 이상의 비용이 소요되며, 임상시험 성공률은 10% 미만에 불과합니다. AI는 이를 혁신적으로 변화시킬 잠재력을 가지고 있습니다. 알파폴드는 단백질 구조 예측 시간을 단축하고, AI 기반 시뮬레이션은 후보 물질의 효능과 독성을 사전에 예측해 비용과 시간을 절감합니다. 글로벌 컨설팅업체 맥킨지는 AI를 활용한 신약 개발이 연간 600억~1100억 달러의 경제적 가치를 창출할 것으로 추정했습니다.

AI 신약 개발의 법적 문제

AI 기반 신약 개발은 혁신적인 가능성을 제공하지만, 법적 및 윤리적 문제들이 복잡하게 얽혀 있습니다. 이소모픽 랩스의 임상시험 준비 과정에서도 이러한 문제들이 주요 과제로 떠오르고 있습니다.

1. 데이터 프라이버시와 개인정보 보호

AI 신약 개발은 대량의 생물학적 데이터와 환자 데이터를 필요로 합니다. 이소모픽 랩스는 알파폴드를 통해 단백질 데이터와 화합물 상호작용 데이터를 분석하지만, 임상시험 단계에서는 실제 환자 데이터를 활용해야 합니다. 이는 데이터 프라이버시와 관련된 법적 문제를 야기합니다.

유럽 GDPR: 유럽연합의 일반 데이터 보호 규정(GDPR)은 개인 건강 데이터를 엄격히 규제합니다. AI 모델 학습에 사용되는 데이터가 환자의 동의 없이 수집되거나 제3자와 공유될 경우, 막대한 벌금이 부과될 수 있습니다.
한국의 개인정보 보호법: 한국은 개인정보 규제가 엄격하며, AI 신약 개발에서 데이터 활용 시 명확한 동의 절차와 데이터 익명화가 요구됩니다. 전문가들은 한국의 데이터 규제가 AI 신약 개발의 경쟁력을 저해할 수 있다고 지적합니다.

이소모픽 랩스는 글로벌 제약사와 협력하며 다국적 데이터를 활용할 가능성이 높으므로, 각국의 데이터 규제 준수 전략이 필수적입니다.

2. AI 알고리즘의 투명성과 책임

AI가 설계한 신약의 경우, 알고리즘의 의사결정 과정이 불투명할 수 있습니다. 이는 ‘설명 가능한 AI(XAI)’의 필요성을 강조합니다. 삼성SDS의 보고서에 따르면, AI 기술의 신뢰성과 안전성을 보장하기 위해 알고리즘의 투명성이 법적으로 요구되고 있습니다.

임상시험 윤리: AI가 설계한 신약 후보 물질이 임상시험에서 실패하거나 부작용을 일으킬 경우, 책임 소재가 불분명할 수 있습니다. 개발자, 제약사, AI 시스템 제공자 중 누가 책임을 질 것인지에 대한 법적 기준이 아직 미비합니다.
규제 당국의 요구: 미국 FDA와 유럽 EMA는 AI 기반 신약의 임상시험 데이터를 평가할 때, AI 알고리즘의 작동 원리와 데이터 처리 과정을 투명하게 공개하도록 요구할 가능성이 높습니다.

3. 지적재산권(IP) 문제

AI가 설계한 신약의 지적재산권은 또 다른 법적 쟁점입니다. 알파폴드가 생성한 단백질 구조나 신약 후보 물질의 소유권은 누가 가지는가? 이소모픽 랩스, 구글 딥마인드, 아니면 협력 제약사인지 명확한 기준이 필요합니다.

특허법의 한계: 현재 특허법은 인간의 창작물을 전제로 설계되었습니다. AI가 독립적으로 생성한 신약 후보 물질에 대한 특허 인정 여부는 글로벌 특허청 간 논쟁의 주제입니다.
라이선스 아웃 전략: 이소모픽 랩스는 신약 후보 물질을 라이선스 아웃할 계획이지만, AI 기반 기술의 IP 분쟁이 발생할 경우 협력 계약에 영향을 미칠 수 있습니다.

4. 임상시험의 안전성과 윤리

AI 설계 신약이 인체 임상시험에 진입하면, 안전성과 윤리적 문제가 더욱 중요해집니다. 한국과학기술연구원(KIST)의 박한범 선임연구원은 “AI가 설계한 단백질이 화합물과 상호작용할 때의 효과를 예측하는 데 한계가 있다”고 지적했습니다. 이는 임상시험에서 예상치 못한 부작용으로 이어질 수 있습니다.

윤리적 동의: 임상시험 참가자는 AI 설계 신약의 특성을 충분히 이해하고 동의해야 합니다. AI의 불확실성에 대한 정보 제공이 부족할 경우, 윤리적 논란이 발생할 수 있습니다.
규제 승인: FDA와 같은 규제 기관은 AI 기반 신약의 안전성을 입증하기 위해 더 엄격한 심사 기준을 적용할 가능성이 있습니다.

전문가의 의견과 전망

한국 AI 신약 개발 기업의 관점

한국의 AI 신약 개발 기업들은 이소모픽 랩스와 알파폴드의 성공을 주목하며, 차별화된 전략을 모색하고 있습니다. 갤럭스의 석차옥 대표는 “알파폴드는 단백질 구조 예측에 강점이 있지만, 약물의 물성과 독성 예측에는 한계가 있다”며, “한국 기업은 AI를 활용해 화합물 설계와 항체 개발에 집중해야 한다”고 강조했습니다.

쓰리빌리언, 히츠 등 한국 기업들은 알파폴드가 해결하지 못한 사이드 체인 예측, 독성 예측 등에 기술을 집중하며 틈새시장을 공략하고 있습니다. 금 대표는 “데이터를 많이 확보한 기업이 결국 제약 시장을 주도할 것”이라며 데이터 확보의 중요성을 언급했습니다.

글로벌 경쟁과 한국의 과제

글로벌 제약바이오 시장에서 AI 기업 인수와 협력이 급증하고 있습니다.
지난 5년간 AI 관련 거래는 2배 이상 증가했으며, 거래 규모는 3배 가까이 성장했습니다.
이소모픽 랩스는 일라이릴리, 노바티스와 각각 2조3000억 원, 1조6000억 원 규모의 협력 계약을 체결하며 선두를 달리고 있습니다.
반면, 한국은 개인정보 규제와 데이터 부족으로 경쟁에서 뒤처지고 있습니다.
이승규 한국바이오협회 부회장은 “데이터 확보와 규제 완화가 시급하다”고 지적했습니다.

결론: AI 신약 개발의 미래와 과제

이소모픽 랩스의 AI 기반 신약 개발은 신약 개발의 속도와 성공률을 높이는 게임체인저로 평가받고 있습니다. 그러나 데이터 프라이버시, AI 알고리즘 투명성, 지적재산권, 임상시험 안전성 등 법적·윤리적 문제들이 해결 과제로 남아 있습니다. 한국 기업들은 이소모픽의 성공 사례를 참고하되, 차별화된 기술 개발과 데이터 확보를 통해 글로벌 경쟁력을 강화해야 합니다.

이 글은 최신 정보와 전문가 의견을 바탕으로 작성되었으며, AI 신약 개발의 법적 쟁점에 관심 있는 독자들에게 유용한 인사이트를 제공합니다. 이소모픽 랩스의 임상시험 진입이 성공적으로 이루어진다면, AI 치료제 시대는 더욱 가속화될 것입니다.

자주 묻는 질문(FAQ)

1. 이소모픽 랩스가 개발한 AI 신약은 언제 임상시험에 진입하나요?

이소모픽 랩스는 2025년 내 임상시험 진입을 목표로 하고 있으며, 현재 암과 면역질환 치료제 개발에 집중하고 있습니다.

2. AI 신약 개발의 주요 법적 문제는 무엇인가요?

데이터 프라이버시, AI 알고리즘 투명성, 지적재산권, 임상시험 안전성 등이 주요 쟁점입니다.

3. 한국 기업은 AI 신약 개발에서 어떤 기회를 가질 수 있나요?

알파폴드의 한계를 보완하는 독성 예측, 항체 설계 등 틈새 기술 개발로 경쟁력을 확보할 수 있습니다.

728x90