신약개발 전 과정에 AI 확산…데이터 검증할 전문인력이 관건

AI가 표적 발굴과 후보물질 설계를 넘어 합성·실험, 임상시험 설계, 인허가까지 신약개발 전 과정으로 활용 범위를 넓히고 있다. 공개·합성 데이터의 오류 가능성이 커지면서 AI 결과물의 생물학적·임상적 타당성을 검증할 전문인력 확보가 산업 경쟁력의 핵심 요소로 지목됐다. 26일 열린 'AI 기반 신약개발 동향 및 활성화를 위한 미래 전략 세미나'에서는 AI 기술 성능뿐 아니라 학습 데이터 품질, 검증 체계, 융합인재 양성이 함께 필요하다는 의견이 제시됐다. 경희대학교 이화진 교수 등이 발표자로 참여했다.

큐픽스 바이오 해설

원문에 없는 배경 설명입니다 · AI 작성 · 기사의 사실관계가 아닙니다

표적 발굴: 질병에 관여하는 단백질이나 유전자 중 약물이 작용할 지점을 찾아내는 신약개발 초기 단계
후보물질: 약효와 안전성 검증을 거쳐 임상시험 진입 대상으로 선정된 화합물이나 생물학적 물질
합성 데이터: 실제 실험이 아닌 모델이나 시뮬레이션으로 인위적으로 생성한 학습용 데이터
융합인재: 서로 다른 전문 분야의 지식과 방법론을 함께 다룰 수 있는 역량을 갖춘 연구인력

신약개발은 표적 탐색부터 후보물질 설계, 전임상·임상시험, 인허가에 이르기까지 오랜 시간과 비용이 드는 과정으로, 각 단계마다 생물학·화학·의학 지식을 종합적으로 판단해야 한다. 최근 AI 모델은 방대한 생물학적 데이터와 화학 정보를 학습해 이 과정의 일부를 자동화하거나 가속화하는 데 활용되고 있다. 그러나 AI 학습에 쓰이는 공개 데이터베이스나 합성 데이터는 출처와 품질이 균일하지 않아, 결과를 그대로 받아들이기보다 전문가가 생물학적·임상적 맥락에서 재검증하는 절차가 함께 요구된다는 논의가 업계와 학계에서 꾸준히 이어지고 있다.

Why it mattersAI 도구의 확산 속에서도 결과를 해석하고 검증할 전문인력 확보 여부가 신약개발 생태계의 실질적 생산성과 신뢰도를 좌우하는 요인으로 꼽힌다.

원문을 확인하세요

큐픽스 바이오는 원문을 저장하거나 전재하지 않습니다. 위 글은 공개된 보도를 요약한 것이며, 수치·일정·인용은 요약 과정에서 빠지거나 달라질 수 있습니다. 판단이 필요한 사안은 반드시 원문에서 확인하세요.

메디파나 원문 보기

원문 보도의 저작권은 메디파나에 있습니다.