Anthropic이 인공지능 모델 Claude를 신약 후보 설계부터 실험, 제조 문서 검토, 규제 자료 작성, 임상시험 계획까지 투입한 초기 결과를 공개했습니다. 아직 대부분 전임상 단계여서 신약 성공을 말하기는 이르지만, 연구자가 반복 업무에 쓰는 시간과 바이오기업의 운영비를 줄일 가능성은 구체적인 수치로 나타나기 시작했습니다.
Summary
- Anthropic은 Claude를 분자 설계에만 쓰지 않고 신약개발의 연구·제조·규제·임상계획 전 과정에 적용하고 있습니다.
- 협력사들은 수용체 발현 약 10배, 문서 검토시간 89% 단축 등 초기 성과를 제시했지만, 대부분 전임상 또는 자체 사례 연구입니다.
- 단기적으로 확인할 변화는 신약 성공률의 급등보다 실험 반복속도, 연구인력 시간, 규제 문서 비용과 소형 바이오기업의 초기자본 부담 감소입니다.
(Advertisement)
Introduction
Anthropic은 10월 27일 Claude를 활용한 신약개발 협력 결과를 공개했습니다. 참여 기관은 BigHat Biosciences, Bristol Myers Squibb(BMS), Divergence Labs, Enveda, Generate Biomedicines, The Column Group 등 6곳입니다. Anthropic은 희귀 소아 근이영양증 치료제를 찾는 자체 프로그램도 시작했습니다.
이번 발표의 핵심은 AI가 새로운 분자를 하나 제안했다는 데 있지 않습니다. 신약 하나가 환자에게 도달하려면 표적 선정, 후보물질 설계, 실험, 제조공정 확립, 규제 문서 작성, 임상시험 설계가 차례로 이어져야 합니다. Anthropic은 이 긴 과정 곳곳에 Claude를 넣어 병목을 줄이려 하고 있습니다.
다만 공개된 결과를 “AI가 신약을 만들었다”로 받아들이면 안 됩니다. Anthropic도 연구가 초기 단계이고 대부분 사람을 대상으로 시험하기 전인 전임상이라고 밝혔습니다. 지금 확인된 것은 치료 효과가 아니라 설계와 문서 업무를 더 빠르게 수행할 가능성입니다.
Claude 신약개발, 어디까지 들어갔나
1. 후보물질 설계: 짧게 만들고 더 많이 발현시켰다
Generate Biomedicines의 연구는 고형암용 CAR-T 치료제의 유전 지시문 일부를 줄이는 데 Claude Code를 사용했습니다. 연구진 6명이 만든 후보 가운데 하나는 기존 구조보다 약 70% 짧았습니다. 실험실 시험에서는 면역세포 표면의 수용체 발현량이 약 10배로 늘었고, 종양세포를 더 잘 죽였으며, 면역세포 활동도 더 오래 이어졌다고 회사는 밝혔습니다.
이 결과는 유망하지만 아직 환자를 대상으로 한 임상 결과는 아닙니다. 짧아진 구조가 사람의 몸에서도 같은 효과와 안전성을 보이는지는 별도로 확인해야 합니다. 의미는 Claude가 연구자의 설계 공간을 넓히고, 사람이 시험할 후보를 더 빨리 만드는 데 도움을 줬다는 데 있습니다.
Divergence Labs는 음식 알레르기 치료 후보를 찾는 과정에서 Claude가 약 3만5000개의 항체 설계를 약 한 달 동안 만들었다고 밝혔습니다. 초기 시험에서 IgE에 붙는 후보 3개와 IgE를 면역세포에서 떼어내는 후보 20개를 찾았습니다. 다음 단계는 두 기능을 하나의 약물 후보로 결합하는 것입니다.
2. 실험 반복: AI와 자동화 연구실이 함께 움직였다
BigHat Biosciences는 Claude를 자동화 연구실과 연결해 항체 후보를 개선했습니다. 약 10주 동안 1010개 변형을 만들고 시험했으며, 가장 좋은 후보는 표적에 10배 이상 강하게 결합했습니다. 암 표적 후보의 열 안정성은 18도 높아졌고, 다른 후보의 응집 속도는 100배 이상 느려졌다고 BigHat 기술보고서는 설명합니다.
여기서 중요한 것은 AI 모델만의 성능이 아닙니다. Claude가 후보를 제안하고, 자동화된 실험실이 실제 단백질을 만들고, 결과가 다시 모델의 다음 설계에 들어갔습니다. 신약개발의 속도를 높이려면 모델과 실험 장비, 데이터 시스템이 하나의 반복 과정으로 연결돼야 한다는 뜻입니다.
3. 제조 문서: 25시간 넘던 검토를 3시간 이내로
신약 후보가 좋아도 제조 기록이 규정을 충족하지 못하면 임상시험으로 넘어갈 수 없습니다. Enveda는 제조 문서와 Claude를 연결한 CMC Document Processor를 시험했습니다. 1061쪽의 제조 기록에서 사람이 발견한 11개 문제를 모두 찾았고, 사람이 놓친 조치 필요 항목 7개를 추가로 표시했다고 Enveda 보고서는 밝혔습니다.
Claude의 의견을 먼저 본 품질 담당자의 검토시간은 25시간 이상에서 3시간 미만으로 줄었습니다. Anthropic은 89% 단축이라고 설명했습니다. 다만 시스템이 스스로 제조 배치를 승인한 것은 아닙니다. AI가 문서에서 이상 징후를 표시하고, 최종 판단과 책임은 품질 담당자가 맡는 구조입니다.
임상시험과 바이오기업 운영에도 쓰이기 시작했다
BMS는 초기 임상 단계 약물의 계획을 검토하고 성공 가능성을 평가하는 데 Claude를 사용하고 있습니다. 회사 측은 하나의 프롬프트로 여러 개발 선택지를 검토할 초기 분석을 만들었으며, 사람이 며칠 동안 할 일을 줄였다고 밝혔습니다. 그러나 이는 BMS의 내부 활용 사례로, Claude가 임상시험 성공률을 실제로 높였다는 결과는 아직 없습니다. Anthropic과 BMS는 2027년에 적용 범위를 넓힐 계획입니다.
벤처투자사 The Column Group은 Claude를 중심으로 여러 신약 프로그램을 운영하는 Pleiades라는 회사를 세우고 있습니다. 목표는 소수 인력이 더 많은 프로그램을 동시에 운영하도록 만드는 것입니다. 과학적 판단뿐 아니라 자료 정리, 외부 연구기관 관리, 계약과 일정 같은 운영업무를 AI가 맡으면 작은 바이오기업이 필요한 초기자본도 줄어들 수 있습니다.
Anthropic은 희귀 근이영양증 치료제를 개발하던 1인 회사 Mithril Medicine을 인수했습니다. 회사는 Claude를 이용해 11개 외부 연구실과 계약·물류·실험을 조율했고, 아이디어에서 생쥐 대상 초기 결과까지 18개월 이내에 진행했다고 밝혔습니다. 자세한 방법과 결과는 Anthropic 기술보고서에 공개됐습니다. 사람 대상 임상시험 진입 목표는 이르면 2028년 말이지만, 후보물질이 후속 시험을 통과해야 한다는 조건이 붙습니다.
제약산업에서 먼저 바뀔 비용은 무엇인가
첫째, 연구자의 시간이 줄어들 수 있습니다. 문헌 정리, 후보 설계, 실험계획 초안, 제조 기록 검토처럼 시간이 많이 들지만 반복 가능한 업무가 먼저 자동화될 가능성이 큽니다. 연구자는 AI가 만든 결과를 검토하고, 중요한 실험과 의사결정에 더 많은 시간을 쓸 수 있습니다.
둘째, 실험 반복주기가 짧아질 수 있습니다. Anthropic의 앞선 단백질 설계 연구와 이번 BigHat 사례는 모델이 자동화 실험실과 연결될 때 후보 제안과 검증 사이의 시간이 줄어들 수 있음을 보여줍니다. 이는 같은 기간에 더 많은 가설을 시험할 수 있다는 의미입니다.
셋째, 규제·제조 문서 비용이 낮아질 수 있습니다. Enveda 사례처럼 수백~수천 쪽의 문서를 AI가 먼저 검토하면 사람의 시간을 크게 줄일 수 있습니다. 하지만 규제 업무는 오류의 비용이 크기 때문에 완전 자동화보다 ‘AI가 찾고 사람이 승인하는’ 방식이 먼저 확산될 가능성이 높습니다.
넷째, 소형 바이오기업의 조직 구조가 달라질 수 있습니다. 적은 인원으로 연구와 운영을 동시에 처리할 수 있다면 창업 초기의 고정비가 낮아집니다. 반대로 신뢰할 수 있는 실험 데이터, 자동화 연구실, 규제 경험을 가진 인력의 가치는 더 커질 수 있습니다.
Investment Implications
투자 관점에서 단기 수혜를 신약 성공 자체에서 찾는 것은 이릅니다. 대부분의 프로그램이 전임상 단계이므로 후보물질이 독성, 효능, 제조, 임상시험을 통과할 확률은 아직 알 수 없습니다.
먼저 확인할 수 있는 수혜 영역은 AI 모델 사용량, 생명과학 데이터 플랫폼, 자동화 실험실, 제조·규제 문서 소프트웨어입니다. 대형 제약사는 기존 연구개발비를 더 효율적으로 쓸 수 있고, 소형 바이오기업은 적은 인원으로 더 많은 후보를 검토할 수 있습니다. 그러나 성과가 특정 모델보다 기업 내부 데이터와 실험 자동화 수준에 더 크게 좌우될 가능성도 있습니다.
앞으로 볼 지표는 세 가지입니다. AI가 제안한 후보가 사람의 설계보다 임상 진입률을 높이는지, 규제기관이 AI 보조 문서를 어떤 기준으로 받아들이는지, 그리고 시간 절감이 실제 연구개발비 감소나 더 많은 프로그램 착수로 이어지는지입니다.
Conclusion
Claude 신약개발의 초기 결과는 AI가 치료제를 완성했다는 증거가 아닙니다. 대신 분자 설계, 실험 반복, 제조 문서, 임상계획처럼 신약개발 전 과정에 흩어진 작은 병목을 줄일 수 있다는 가능성을 보여줍니다.
Anthropic은 연구자용 Claude Science, 생명과학자 대상 AI for Science 프로그램, 생명과학 검증 프로그램, 외부 연구자 공개 모집도 운영하고 있습니다. 다음 판단 기준은 발표 사례의 숫자가 아니라, 독립적인 재현과 임상 진입, 규제 수용, 실제 비용 절감입니다.