2026년 AI 신약 개발: AI가 설계한 약물이 환자에게 도달하는 해

핵심 요약 (Key Takeaways)

173개의 AI 발견 약물이 현재 활발한 임상 시험 중이며, 2026년에만 15~20개가 임상 3상 (Phase III)에 진입합니다.
**Rentosertib (Insilico Medicine)**는 무작위 배정 시험(randomized trial)을 통해 임상적 효능을 입증한 최초의 AI 설계 약물이 되었으며, 이 결과는 _Nature Medicine_에 발표되었습니다. 이는 해당 분야의 획기적인 순간입니다.
AI는 80~90%의 임상 1상 (Phase I) 성공률을 달성하며, 이는 전통적인 신약 개발의 40~~65%와 대조됩니다. 또한 개발 기간을 10~~15년에서 3~6년으로 단축합니다.
시장은 2025년 19.4억 달러에서 2034년 164.9억 달러로 성장할 것으로 예상되며, 매년 80억 달러 이상의 벤처 캐피털 (Venture Capital)이 AI 네이티브 바이오테크 (AI-native biotech)로 유입되고 있습니다.
FDA 초안 가이드라인 (2026년 2분기 확정 예정)은 신약 개발 분야의 AI 활용에 대한 최초의 포괄적인 프레임워크를 제공하여 규제 경로의 리스크를 완화합니다.

AI Drug Discovery 2026 - Molecular structure visualization showing AI-designed drug molecules

수십 년 동안 새로운 약물을 발견하기 위해서는 10~15년의 고통스러운 연구, 수십억 달러의 투자, 그리고 10% 미만의 성공률이 필요했습니다. 그 패러다임이 2026년에 깨지고 있습니다. 현재 173개의 AI 발견 화합물이 임상 파이프라인에 있고, 최초의 완전한 AI 설계 약물이 인간에게서 효능을 입증함에 따라, 제약 산업은 합리적 약물 설계 (rational drug design)의 등장 이후 가장 심오한 변화를 경험하고 있습니다. 이 심층 특집에서는 돌파구, 주요 플레이어, 규제 환경, 그리고 AI 기반 신약 개발의 부상이 전 세계 환자들에게 무엇을 의미하는지 탐구합니다.

수치는 경이로운 수준입니다. Axis Intelligence의 종합 시장 분석에 따르면, AI 신약 개발 (AI drug discovery) 시장은 2025년에 19억 4천만 달러에 도달했으며, 2034년까지 164억 9천만 달러로 급증할 것으로 예상됩니다. 이는 연평균 성장률 (CAGR) 27%에 달하는 수치입니다. 이러한 수치 뒤에는 우리가 새로운 의약품을 발견하고, 설계하며, 개발하는 방식의 근본적인 변화가 자리 잡고 있습니다.

기념비적인 증거: Rentosertib가 모든 것을 바꾸다

모든 기술에는 그 기술의 "최초"가 필요합니다. AI 신약 개발에 있어 그 순간은 2025년 6월, Insilico Medicine이 _Nature Medicine_에 **rentosertib (ISM001-055)**의 GENESIS-IPF 임상 2a상 시험 결과를 발표했을 때 찾아왔습니다. 이 약물은 특발성 폐섬유증 (IPF)을 표적으로 합니다. IPF는 3~5년 내 사망률이 50%에 달하는 진행성 치명적 폐 질환이지만, 현재 승인된 치료제는 부적절한 두 가지뿐입니다.

결과는 놀라웠습니다. rentosertib 60mg을 매일 1회 복용한 환자들은 12주 동안 노력성 폐활량 (FVC)이 평균 98.4 mL 개선된 반면, 위약 (placebo) 그룹은 20.3 mL 감소했습니다. 이는 AI에 의해 발견된 표적(Insilico의 PandaOmics 플랫폼을 통해 식별된 TNIK 단백질)과 AI에 의해 생성된 분자 구조(Chemistry42를 통해 생성)를 가진 약물이 무작위 대조 시험 (randomized controlled trial)에서 안전성과 효능을 모두 입증한 첫 사례입니다.

속도 또한 인상적이었습니다. Insilico는 표적 식별에서 전임상 후보 물질 도출까지 단 18개월 만에 완료했습니다. 이는 전통적으로 4~6년이 소요되는 과정입니다. 현재 이 회사는 더 큰 규모의 글로벌 임상 2b/3상 시험을 준비하고 있습니다.

논문은 _"Rentosertib는 표적이 AI에 의해 발견되고 분자 구조가 AI에 의해 생성된 약물이 무작위 대조 시험에서 임상적 효능을 입증한 첫 사례를 나타낸다"_라고 언급했습니다. 이는 분석가들이 AI 신약 개발 분야의 가치를 4억~5억 달러만큼 높여줄 변곡점이라고 믿는 중요한 지점입니다.

2026년 파이프라인 (Pipeline): 173개 프로그램 및 지속적 증가

2026년의 **AI 신약 개발 파이프라인 (AI drug discovery pipeline)**은 그 어느 때보다 깊고 넓습니다. Healthcare Discovery의 추적 데이터에 따르면, AI가 발견한 프로그램의 세부 내역은 다음과 같습니다:

단계	프로그램 수	AI 성공률	전통적 성공률
임상 1상 (Phase I) (안전성)	~94	80–90%	~52%
...

분석가들은 완전하게 AI가 설계한 약물의 첫 FDA 승인 확률을 2026년 말 또는 2027년 초까지 약 60%로 보고 있습니다. 이 영향은 지각 변동 수준일 것입니다. 이는 제약 R&D에 대한 완전히 새로운 접근 방식을 검증하고, 수십억 달러 규모의 추가 투자를 이끌어낼 것입니다.

산업을 재편하는 주요 플레이어 (Key Players)

Insilico Medicine: 선구자

rentosertib의 성공과 함께, Insilico는 AI 기반 신약 개발 분야의 명확한 리더로 자리매김했습니다. 이 회사의 Pharma.AI 플랫폼은 세 가지 통합 구성 요소로 이루어져 있습니다: PandaOmics (17,000개 이상의 조직 샘플에 걸친 멀티오믹스 (multi-omic) 데이터를 분석하는 타겟 발굴), Chemistry42 (생성형 분자 설계), 그리고 InClinico (임상 시험 예측)입니다. 이 플랫폼은 타겟 식별부터 임상 시험 설계에 이르기까지 약물 개발 라이프사이클 전체를 아우르며, 실제 임상 2상 (Phase II) 시험에서의 검증은 현재 업계 전체가 따라잡고자 하는 기준점을 설정했습니다.

Generate Biomedicines: AI 설계 항체

Generate Biomedicines는 **AI 설계 바이오 의약품 (AI-designed biologics)**의 경계를 넓히고 있습니다. 이 회사의 선도 후보 물질인 GB-0895 — 중증 천식을 위한 TSLP 경로 타겟 항체 — 는 2026년 1월 임상 3상 (Phase III) 시험에 진입했습니다. 이 약물은 6개월에 한 번 투여하도록 설계되어, 매달 투여해야 하는 기존 대안들보다 삶의 질을 크게 개선합니다. 이 회사는 Nasdaq IPO (티커: GENB)를 통해 4억 달러를 조달했으며, 현재 SOLAIRIA 임상 시험을 통해 전 세계적으로 약 1,600명의 환자를 모집하고 있습니다.

"우리는 발견 단계에서 임상 3상(Phase III)까지 약 5년 만에 도달했습니다,"라고 회사는 언급했습니다. 이는 불과 10년 전만 해도 새로운 생물학적 제제(biologic)로서는 불가능하다고 여겨졌던 일정입니다.

Isomorphic Labs와 AlphaFold 3

Google DeepMind의 형제 회사인 Demis Hassabis의 Isomorphic Labs는 AlphaFold 3를 통해 단백질 구조 예측의 한계를 계속해서 넓혀가고 있습니다. 이 모델은 이제 단백질-리간드 상호작용(protein-ligand interactions), 단백질-핵산 복합체(protein-nucleic acid complexes), 그리고 공유 결합 변형(covalent modifications)을 전례 없는 정확도로 예측합니다. 이는 **약물 가능성 평가 (druggability assessment)**를 변화시켰습니다. 즉, 이전에는 "약물로 만들기 불가능했던(undruggable)" 타겟에서 결합 포켓(binding pockets)을 식별함으로써 완전히 새로운 치료 범주를 열었습니다.

Recursion과 Exscientia의 합병

2026년 5월, Recursion Pharmaceuticals와 Exscientia의 합병은 업계에서 가장 깊은 파이프라인 중 하나를 보유한 결합된 AI 신약 개발 강자를 탄생시켰습니다. Recursion은 고처리량 표현형 스크리닝(high-throughput phenotypic screening)과 방대한 세포 이미징 데이터셋을 제공하며, Exscientia는 정밀 화학(precision chemistry)과 임상 단계 자산을 기여합니다. 합병 법인은 Roche(5억 달러 이상), Bayer, Sanofi와 파트너십을 맺고 있습니다.

AI가 신약 개발의 각 단계를 혁신하는 방법

1단계: 타겟 식별 (Target Identification) (612개월 vs. 24년)

전통적인 타겟 발굴은 가설 기반의 문헌 검토와 고된 습식 실험(wet-lab) 검증에 의존하며, 이 과정의 성공률은 10~15%에 불과합니다. AI 기반의 **멀티오믹스 통합 (multi-omic integration)**은 심층 신경망(deep neural networks)을 사용하여 유전체학(genomics), 전사체학(transcriptomics), 단백질체학(proteomics), 그리고 표현체학(phenomics) 데이터를 동시에 분석합니다. 예를 들어, Insilico의 PandaOmics는 17,382개의 조직 샘플을 분석하여 TNIK를 새로운 특발성 폐섬유증(IPF) 타겟으로 식별했습니다. 이는 전통적인 방식으로는 놓쳤을 가능성이 높은 다차원 데이터 속에 묻혀 있던 발견이었습니다.

AI의 이점: 전통적인 방식의 10~~15% 대비 25~~35%의 타겟 진행률을 보이며, 수년이 아닌 수개월 만에 완료됩니다.

2단계: 분자 생성 (Molecule Generation) (며칠 vs. 수년)

화학적 우주는 약물과 유사한 형태를 가진 약 $10^{60}$개의 가능한 분자들을 포함하고 있는 것으로 추정됩니다. 전통적인 고속 대량 스크리닝 (High-throughput screening)은 100만~200만 개의 화합물을 테스트합니다. AI 생성 화학 (Generative chemistry)은 다음과 같은 기술을 사용하여 수십억 개의 가능성을 탐색합니다:

그래프 신경망 (Graph Neural Networks, GNNs) — 분자를 원자와 결합의 그래프로 취급
분자 트랜스포머 (Molecular Transformers) — 셀프 어텐션 (Self-attention) 메커니즘을 사용하여 분자를 SMILES 문자열로 처리 (오늘날 가장 큰 언어 모델들을 구동하는 MoE 아키텍처와 유사함)
다목적 최적화 (Multi-Objective Optimization) — 효능, 안전성, 생체 이용률 (Bioavailability), 제조 가능성을 동시에 최적화

3단계: 전임상 검증 (Preclinical Validation) (성공률 80–90%)

AI가 설계한 약물은 임상 1상 (Phase I) 성공률에서 실질적으로 더 높은 수치를 보여주고 있습니다. 전통적인 약물의 성공률이 40~~65%인 것에 비해, AI 설계 약물은 **80~~90%**에 달합니다. 이러한 극적인 개선은 단 한 번의 실험실 실험이 시작되기 전에 독성, 대사 문제, 표적 이탈 효과 (Off-target effects)를 예측하여 문제가 될 만한 분자들을 조기에 걸러내는 AI의 능력에서 비롯됩니다.

규제 프레임워크: FDA 가이드라인 등장

2025년 1월, FDA는 _"의약품 및 생물학적 제품의 규제 의사 결정 지원을 위한 인공지능 사용 고려 사항 (Considerations for the Use of Artificial Intelligence to Support Regulatory Decision Making for Drug and Biological Products)"_이라는 제목의 가이드라인 초안을 발표했습니다. 이는 약물 개발 라이프사이클 전반에 걸쳐 AI를 다루는 기관의 첫 번째 종합적인 프레임워크입니다. 최종 버전은 2026년 2분기에 나올 예정입니다.

이 가이드라인은 다음과 같은 핵심적인 질문들을 다룹니다: AI 기반 의사 결정에 어느 정도의 투명성이 요구되는가? 어떤 검증 데이터가 충분한가? 새로운 규제 제출 없이 모델을 어떻게 업데이트해야 하는가? 이러한 규제의 명확성은 이미 투자 리스크를 감소 (De-risking investment) 시키고 있으며, 분석가들은 이것이 제약 파트너들의 불확실성을 줄임으로써 시장 가치를 2억~3억 달러 증가시킬 것으로 추정하고 있습니다.

모든 변혁적인 기술이 그러하듯, 신약 개발 분야의 AI는 중대한 윤리적 책임을 동반합니다. AI 안전성 및 정렬 (AI safety and alignment) 문제는 제약 영역으로까지 확장됩니다. 데이터 편향 (Data bias)은 특정 인구 집단에 대해 효과가 떨어지는 약물을 생성할 수 있으며, 딥러닝 (Deep learning) 모델의 "블랙박스 (Black box)" 특성은 전통적인 규제 기관의 기대치에 도전 과제를 던집니다. 설명 가능한 AI (XAI, Explainable AI)가 중요한 하위 분야로 부상하고 있으며, 규제 기관은 모든 AI 기반 약물 후보 물질에 대해 명확한 결정 논리와 재현 가능한 검증 데이터를 요구하고 있습니다.

투자 환경: 600억 달러 이상의 자본 이동

자본이 전례 없는 속도로 AI 신약 개발 분야로 유입되고 있습니다. 벤처 캐피털 (Venture capital) 투자는 2023년 28억 달러에서 2026년 연간 추정치 72억~88억 달러로 급증했습니다. 현재 기업형 벤처 캐피털 (Corporate venture) 부문이 거래의 35%를 차지하고 있으며, GV (Google), Microsoft M12, NVIDIA NVentures, Amazon Industrial 모두가 상당한 규모의 베팅을 하고 있습니다.

대형 제약사 (Big Pharma)는 훨씬 더 공격적으로 투자하고 있습니다 — 2025년 한 해에만 120억~150억 달러:

내부 R&D; (70억~90억 달러): Pfizer (8억 달러 이상), Roche (5억 달러 이상), Novartis (4억 달러 이상), AstraZeneca (3억 5천만 달러 이상)
파트너십 (Partnerships) (30억~40억 달러): Roche-Recursion (선급금 1억 5천만 달러, 마일스톤 10억 달러 이상), Sanofi-Exscientia (1억 달러), Bayer-Recursion (8천만 달러)
인수 (Acquisitions) (20억~~25억 달러): AI 바이오테크 기업들의 가치는 매출의 8~~12배에 달하며, 계산 화학자 (Computational chemist)의 급여는 2022년 이후 40% 상승하여 18만~35만 달러에 이릅니다.

정부 자금 지원 또한 가속화되었습니다. 미국 NIH는 4억 5천만 달러, ARPA-H는 2억 달러를 약속했으며, EU의 Horizon Europe 프로그램은 AI 기반 생물 의학 연구를 위해 8억 유로를 할당했습니다.

저분자 화합물을 넘어: 항체 및 장수를 위한 AI

AI 설계 항체

Chai Discovery의 Chai-2 모델의 성공은 생물학적 제제 (biologics) 분야에서 AI의 영향력이 커지고 있음을 입증합니다. 이 모델은 항체 발견 (antibody discovery)에서 15~20%의 히트율 (hit rate)을 달성했는데, 이는 기존의 계산 방식 (<0.1%)보다 100배 향상된 수치입니다. 이는 "약물로 조절하기 어려운 (undruggable)" GPCR 및 복잡한 단백질을 타겟팅할 수 있는 길을 열어주며, 퍼스트 인 클래스 (first-in-class) 의약품을 위한 완전히 새로운 치료 시장을 창출합니다.

장수를 위한 AI

아마도 가장 흥미로운 개척지는 AI 기반의 장수 (longevity) 연구일 것입니다. Scripps Research의 한 팀은 AI를 사용하여 노화 방지 (geroprotective) 효과가 있는 화합물을 스크리닝하였으며, _C. elegans_의 수명을 연장하는 22개 화합물 중 16개를 식별해냈습니다. 그중 가장 뛰어난 화합물은 74%의 수명 연장을 달성했습니다. 이 접근 방식은 도파민, 세로토닌, 히스타민 수용체를 동시에 타겟팅하는 다중 약리 작용 (polypharmacology)을 사용했으며, 이는 전통적인 "일석일표 (one drug, one target)" 모델로부터의 패러다임 전환을 의미합니다.