디지털 생물학의 분수령 (A Watershed Moment for Digital Biology)

올해 1월 다보스에서 열린 세계경제포럼(World Economic Forum)의 결정적인 발표에서 Google DeepMind와 Isomorphic Labs의 CEO인 데미스 허사비스(Demis Hassabis)는 최초의 AI 설계 암 치료제가 2026년 초 임상 1상 시험에 진입할 예정이라고 확인했습니다. 이 이정표는 제약 산업이 이론적인 AI 모델에서 실질적이고 생명을 구하는 응용 단계로 이동하는 중요한 전환점을 의미합니다. 글로벌 리더들과 산업 전문가들 앞에서 허사비스는 현재를 인공지능(Artificial Intelligence)이 연구를 가속화할 뿐만 아니라 의료 혁신의 경제성과 타임라인을 근본적으로 바꾸는 "과학적 발견의 황금기(Golden Age of scientific discovery)"의 서막이라고 묘사했습니다.

이 발표는 DeepMind의 혁신적인 AlphaFold 기술을 실제 신약 개발에 적용하는 임무를 맡은 상업적 스핀오프 기업인 Isomorphic Labs의 진전에 초점을 맞추고 있습니다. 해당 암 치료제의 구체적인 분자 표적은 상업적 민감성으로 인해 공개되지 않았지만, 타임라인에 따르면 신규 화합물에 있어 종종 '죽음의 계곡'이라 불리는 엄격한 전임상 안전성 테스트를 AI 기반 예측 모델을 사용하여 성공적으로 통과했음을 알 수 있습니다. 이러한 발전은 "실리콘 기반(silicon-based)" 생물학이 환자에게 새로운 치료제를 전달하는 데 필요한 시간을 획기적으로 단축할 수 있다는 오래된 가설을 입증합니다.

Isomorphic Labs와 17개 프로젝트 파이프라인 (Isomorphic Labs and the 17-Project Pipeline)

헤드라인이 임박한 암 치료제 임상시험에 집중되어 있는 동안, 허사비스는 Isomorphic Labs의 더 넓은 야망의 범위를 공개했습니다. 이 회사는 현재 17개의 활성 신약 개발 프로그램 파이프라인을 관리하고 있습니다. 이러한 프로젝트는 종양학, 면역학 및 심혈관 질환을 포함한 여러 중요한 치료 분야에 걸쳐 있습니다. 이 다각화된 포트폴리오는 AI 접근 방식이 특정 단백질 구조를 위한 틈새 솔루션이 아니라, 약물 설계를 위한 일반화 가능한 엔진임을 시사합니다.

결정적으로 Isomorphic Labs는 단독으로 운영되지 않습니다. 이 회사는 거대 제약사인 Eli Lilly 및 Novartis와 전략적 파트너십을 체결했습니다. 이러한 협업은 Isomorphic의 계산 능력과 기존 제약 리더들의 방대한 생물학적 데이터 세트 및 임상시험 인프라를 결합합니다. 잠재적 마일스톤 지급액이 약 30억 달러에 달하는 Eli Lilly 및 Novartis와의 계약은 DeepMind의 접근 방식에 대한 업계의 신뢰를 강조합니다. 발견 단계 초기부터 AI를 통합함으로써, 이러한 파트너십은 생존 가능한 후보 약물을 더 높은 정밀도로 걸러내어 실패할 가능성이 높은 후기 단계 임상시험에서 잠재적으로 수십억 달러를 절약하는 것을 목표로 합니다.

AlphaFold에서 실제 치료제까지 (From AlphaFold to Real-World Cures)

이러한 발전의 기술적 중추는 50년 된 "단백질 구조 예측 문제(protein folding problem)"를 해결한 DeepMind의 AI 시스템인 AlphaFold입니다. AlphaFold가 거의 모든 알려진 단백질의 3D 구조를 예측하여 지도를 제공했다면, Isomorphic Labs는 이제 그 지도를 탐색할 도구를 만들고 있습니다. AlphaFold 2에서 더 발전된 AlphaFold 3로의 전환은 단백질 간의 상호작용뿐만 아니라 단백질과 저분자(약물), DNA 및 RNA 간의 상호작용을 모델링하는 능력을 더욱 향상시켰습니다.

허사비스는 전통적인 신약 개발의 "습식 실험실(wet lab)" 방식이 비효율성으로 가득 차 있다고 강조했습니다. 과학자들은 종종 결국 실패하게 될 화합물을 합성하고 테스트하는 데 수년을 소비합니다. 반면, Isomorphic의 접근 방식은 디지털 환경에서 약물과 질병 표적 간의 상호작용을 효과적으로 시뮬레이션합니다. 이를 통해 연구자들은 물리적 샘플을 합성하기 전에 수백만 개의 잠재적 분자를 스크리닝하고 용해도 및 독성과 같은 화학적 특성을 최적화할 수 있습니다.

전통적 방식과 AI 기반 신약 개발 비교

다음 표는 AI가 제약 R&D 프로세스에 도입한 구조적 변화를 보여줍니다:

생물학을 넘어: 물리적 지능의 부상 (Beyond Biology: The Rise of Physical Intelligence)

다보스에서의 즉각적인 초점은 헬스케어에 맞춰져 있었지만, 허사비스는 이 플랫폼을 활용해 DeepMind의 다음 주요 개척지인 물리적 지능(physical intelligence)을 예측하기도 했습니다. 그는 향후 18개월 내에 로봇 공학 분야에서 거대 언어 모델의 "ChatGPT 모먼트"에 비견될 만한 돌파구의 순간을 목격하게 될 것이라고 전망했습니다.

"물리적 지능"이란 텍스트와 이미지 생성을 넘어 복잡한 운동 과제를 관리하며 물리적 세계를 이해하고 상호작용하는 AI의 능력을 의미합니다. 허사비스는 Gemini와 AlphaFold를 구동하는 것과 동일한 학습 아키텍처가 현재 로봇 제어에 맞게 조정되고 있다고 언급했습니다. 이는 로봇이 엄격한 코드 한 줄 한 줄이 아니라 관찰과 시뮬레이션을 통해 작업을 학습할 수 있는 미래를 시사합니다. 헬스케어 분야의 경우, 이는 결국 AI 기반 실험실 자동화로 이어질 수 있으며, 로봇이 Isomorphic Labs에서 생성된 디지털 설계를 검증하는 데 필요한 물리적 실험을 수행하여 발견의 폐쇄 루프(closed-loop) 시스템을 구축하게 될 것입니다.

AI의 지정학적 탐색 (Navigating the Geopolitics of AI)

다보스 토론에서는 이러한 강력한 기술을 둘러싼 규제 및 지정학적 환경에 대해서도 다루었습니다. "AGI 이후의 날(The Day After AGI)"이라는 제목의 패널 토론에서 허사비스는 AI 안전에 관한 국제적 협력의 필요성에 대해 다른 산업 리더들과 논의했습니다. 그는 미국과 중국 간의 치열한 경쟁으로 인한 혁신 속도와 엄격한 안전 가드레일의 필요성 사이의 긴장을 인정했습니다.

이러한 도전 과제에도 불구하고 허사비스는 낙관적인 태도를 견지했습니다. 그는 헬스케어와 재료 과학 같은 분야에서 AI의 이점이 너무나 지대하여 지체할 수 없다고 주장했습니다. 2026년 초 임상시험의 개시는 이 기술이 실험적인 호기심에서 인류의 수명 연장을 위한 동력으로 성숙하고 있다는 실질적인 증거가 됩니다. Isomorphic Labs가 첫 번째 환자에게 투약을 준비함에 따라, 세계는 단순히 새로운 암 치료제뿐만 아니라 인류가 가장 복잡한 생물학적 문제를 해결하는 방식의 새로운 패러다임이 입증되기를 지켜보고 있습니다.