Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI 신약 개발 분야가 체제 변화를 겪으며, 실험실이 단순한 약물 생산을 넘어 데이터 생성의 허브로 진화하고 있습니다. AI 설계 물질은 전임상 단계에서 큰 수요를 창출하지만, 궁극적인 병목 현상은 여전히 임상 시험(2상/3상)에 남아있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X 토픽: Claude/Anthropic의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기저는 산업이 진정한 체제 변화(regime change)를 겪기 시작할 때 흥분합니다. AI 신약 개발(
Anthropic은 좋은 예시입니다. Claude AI는 1,320개의 단백질 결합체(protein binders)를 설계했습니다. AdaptyvBio는 이 디지털 서열을 DNA로 변환하고, 단백질을 발현시키고, 결합 테스트를 수행했습니다. 실제로 결합한 것은 354개에 불과했습니다. 그리고 실패한 966개 역시 낭비가 아닙니다. 그것들은 유용한 음성 레이블(negative labels)입니다. 즉, 발현되지 않거나, 결합하지 않거나, 친화도가 낮은 경우를 알려줍니다. 이러한 결과는 다음 모델 반복을 학습시키는 데 도움이 됩니다.
3/ 이제 실험실은 단순히 약을 만드는 곳이 아닙니다. 그들은 훈련 데이터(training data)를 만들고 있습니다.
$TWST / @GenScript는 점점 생물학적 데이터 파운드리처럼 보입니다.
$TWST는 AI가 설계한 서열로부터 모델에 사용할 수 있는 데이터를 생성하는 것에 대해 명시적으로 언급합니다. 일부 워크플로우에서는 고객이 물리적인 단백질을 받는 것보다 구조화된 실험 결과를 모델로 되돌려 받는 것을 더 중요하게 생각할 수 있습니다.
전통적인 신약 개발은
업스트림의 채굴기(picks-and-shovels) 단계 이후에는 동물 실험이 다음 병목 현상이 될 수 있습니다. 원숭이 가격은 이미 이전 고점에 근접했고, CRO 역량도 부족합니다. AIDD가 더 많은 후보 물질을 전임상 개발로 밀어 넣는다면 수요만 늘릴 것입니다.
?? 하지만 임상 시험이 여전히 병목인가요?
제가 계속 되돌아오는 가장 큰 반론입니다. 발견(discovery) 과정이 아무리 빨라지더라도, 약물은 여전히 전임상 → 1상 → 2상 → 3상 → 승인을 거쳐야 합니다. 환자, 시간, 자본이 여전히 필요합니다.
하지만 그렇다고 해서 병목 현상 트레이드가 작동하지 않는다는 의미는 아닙니다. 더 실행 가능한 후보 물질들 — 특히 성공률이 높은 경우 — 은 개발 과정 전반에 걸쳐 여전히 더 많은 수요를 의미합니다.
그리고 누가 알겠습니까: 임상 시험 자체도 결국 AI에 의해 최적화될 수 있습니다.
?? 이 트레이드를 무너뜨리는 것은 무엇일까요?
단기적으로는, 실험 예산 증가가 멈추거나, AI 생성 디자인이 유용한 습식 실험실(wet-lab) 히트물로 이어지지 않거나, 역량이 너무 빨리 따라잡을 때 채굴기 트레이드가 깨집니다.
장기적으로는, AI 약물이 발견 단계/1상에서는 좋아 보이지만 2상/3상에서 일반적인 비율로 실패할 경우 이 가설이 무너집니다. 이것이 바로 2상이 매우 중요한 이유입니다.
?? 주요 마일스톤
2026년 말~2027년: 최초의 Isomorphic 설계 약물이 인간 임상 시험에 진입하고; 더 많은 AI 네이티브 프로그램이 IND(임상시험계획) 승인 준비 작업/독성학으로 이동합니다.
2028년~2030년: 임상 시험 결과가 AI 설계 약물이 실제로 기존 약물보다 더 잘 작동하는지 알려주기 시작할 것입니다.
'병목 현상 전문가들(bottleneck bros)' 모두 주목하세요. :) @jukan05 @zephyr_z9 @aleabitoreddit @ParadisLabs
+++
더 포괄적인 분석: https://t.co/vaTuiyyYB6