AI가 찾고 로봇이 만든다…제약사 신약개발 새 공식

• AI 활용, 후보물질 발굴 단계로 확산
• 항암·비만 등 전략 질환 맞춤형 설계
• 자율 연구실 구축하며 신약개발 패러다임 변화

[데일리팜=최다은 기자] 제약사들의 AI 활용이 단순 업무 효율화를 넘어 신약 후보물질 발굴 단계로 확산되고 있다. 각 기업은 자체 AI 플랫폼을 활용해 항암과 비만, 대사질환 등 전략 질환군에 최적화된 신약 후보물질을 설계하고 발굴하는 데 집중하고 있다.

과거에는 후보물질 탐색을 보조하는 수준에 머물렀다면 이제는 생성형 AI와 로봇 자동화 기술을 결합해 후보물질 설계부터 합성, 평가까지 연결하는 자율 연구 체계 구축이 경쟁력으로 떠오르고 있다.

AI가 방대한 생물·화학 데이터를 분석해 유망 물질을 선별하고, 자동화 실험실이 이를 검증하는 연구 환경은 신약개발 속도와 성공 확률을 동시에 높일 수 있다는 기대를 키우고 있다.  

LG화학·JW중외 '자율 연구 실험실'

먼저 LG화학은 최근 영국 AI 신약개발 기업 랩지니어스 테라퓨틱스와 다중항체 항암신약 후보물질 발굴을 위한 공동연구 계약을 체결했다.

랩지니어스는 머신러닝과 고속 대량 실험 기술을 결합한 자체 플랫폼 'EVA'를 운영하고 있다. AI가 수많은 항체를 설계하면 자동화된 실험실이 이를 검증하고, 결과 데이터를 다시 AI가 학습하는 방식이다.

LG화학은 이를 통해 항체 후보물질 발굴 기간을 기존 대비 절반 수준으로 단축하고 전임상 진입 시점을 앞당린다는 계획이다. 특히 미충족 수요가 높은 항암 분야에서 효능은 높이고 독성은 낮춘 차세대 다중항체 발굴에 집중하고 있다.

JW중외제약은 AI와 로봇 기반 합성 자동화 시스템을 결합한 자율 연구실 구축에 나섰다. 이달 보건복지부의 구조 기반 AI 신약개발 지원 사업 주관기관으로 선정돼 향후 3년간 항암 신약 후보물질 발굴 연구를 진행한다.

핵심은 자체 AI 플랫폼 '제이웨이브(JWave)'다. 4만여 개 화합물 데이터와 500여 종의 세포주·오가노이드 데이터를 기반으로 AI가 후보물질을 설계하면 로봇이 자동 합성을 수행한다. 이후 결과를 다시 AI가 학습해 최적의 화합물을 찾아내는 구조다.

GC녹십자·SK바팜 'AI 에이전트'

지난달 GC녹십자는 생성형 AI와 AI 에이전트 기술을 활용한 신약개발 전 주기 플랫폼 구축에 참여하고 있다. 과학기술정보통신부의 'AI-Medicine 신약개발 전 주기 멀티 에이전트 AI 플랫폼 구축 사업' 핵심 연구기관으로 선정됐다.

여러 AI 에이전트가 협업해 표적 발굴부터 전임상 후보물질 도출까지 수행하는 체계 구축이 목표다. 녹암연구소는 AI가 도출한 후보물질을 실제 실험으로 검증하고 최적화하는 역할을 맡는다.

SK바이오팜은 AI 활용 범위를 후보물질 발굴을 넘어 연구개발 전반으로 확대하고 있다. 자체 AI 플랫폼을 기반으로 예측 모델과 데이터 분석 체계를 고도화하고 있다. 연구기획과 후보물질 설계·분석, 개발 전략 수립 등 신약개발 전 과정에 AI를 적용하고 있다.

장기적으로는 복수의 AI 에이전트가 연구개발 과정과 업무 흐름을 지원하는 체계를 구축해 의사결정 정확도와 연구 효율성을 높인다는 전략이다.

한미·유한 '주력 신약 AI 활용 다각화'

한미약품은 자체 AI·구조모델링 플랫폼인 HARP를 활용해 대사질환 및 비만 치료제 개발에 집중하고 있다. 미국당뇨병학회(ADA 2026)에서 공개한 차세대 비만치료제 후보물질 HM500197도 HARP 플랫폼을 통해 도출됐다. 한미약품에 따르면 AI를 활용해 체중 감량과 근육량 증가를 동시에 구현하는 차별화된 비만 치료 전략을 추진하고 있다.

유한양행은 AI 기반 치료반응 예측 플랫폼을 보유한 온코마스터, 휴레이포지티브와 항암 신약 공동연구를 진행 중이다. AI를 활용해 신규 바이오마커를 발굴하고 적합 환자군을 선별하는 정밀의료 전략이 핵심이다. 단순 후보물질 발굴을 넘어 임상 성공 가능성을 높이는 방향으로 AI 활용 범위를 확대하고 있다.

이 밖에도 대웅제약은 AI 기반 활성물질 탐색과 선도물질 확보 체계를 24시간 운영하며 연구 효율성을 높이고 있다. AI 기반 디지털 헬스케어 사업도 확대하며 연구개발과 의료서비스를 연결하는 사업 모델 구축에 나서고 있다.

과거 제약사들은 연구자 중심으로 수많은 화합물을 반복 실험하며 신약 후보물질을 발굴해야 했다. 그러나 최근 들어 AI가 방대한 생물·화학 데이터를 분석해 유망 후보군을 선별하고, 자동화 실험실이 검증하는 연구 체계가 빠르게 확산되고 있다.

항암제와 비만치료제, 대사질환 치료제 등 각 사별 연구 데이터가 축적된 분야에서 AI를 활용해 차별화된 후보물질 설계와 확보 경쟁도 본격화되는 분위기다.

업계 관계자는 "AI는 더 이상 신약개발을 지원하는 보조 도구가 아니라 초기 물질 발굴의 핵심 인프라가 되고 있다"며 "기업마다 강점을 가진 질환 영역과 축적된 임상·비임상 데이터를 AI에 학습시켜 차기 후보물질을 선제적으로 확보하려는 움직임이 늘어나고 있다"고 말했다.