'메디엑스' 고도화…물질 설계부터 코딩·문서까지
"검증된 피드백·실험 역량·데이터 거버넌스 필요"
|
소진언 LG화학 생명과학사업본부 연구개발부문장은 18일 서울 여의도 국회도서관에서 열리는 '2026 아시아투데이 K-제약·바이오 포럼'에 앞서 공개한 발표 자료를 통해 "신약 개발에는 평균 10년 이상, 26억달러(약 3조5000억원)가 들지만 성공률은 10%에도 못 미친다"며 이같이 밝혔다.
자료에 따르면 상위 20개 제약사의 예상 내부수익률(IRR)은 장기 하향 추세를 보이다 지난 2023년 이후 반등해 2025년 7.0%로 회복했다. 다만 급성장한 비만·당뇨약(GLP-1·GIP 계열)을 제외하면 2.9%에 그쳐 오히려 하향세다. 소 부문장은 "(수익성) 회복이 소수 대형 자산에 집중돼 있고 자산당 개발비는 계속 오르는 중"이라고 진단했다.
이런 생산성 한계를 돌파할 해법은 AI의 역할 변화에 있다. 연구자가 예측 도구를 개별 실행해 해석하던 단계를 넘어, AI 설계와 실험 검증, 데이터 피드백이 하나의 루프로 맞물려 돌아가는 시대에 진입했다는 분석이다. 실제로 인실리코 메디신은 AI로 발굴·설계한 폐섬유증 신약 후보물질을 18개월 만에 도출해 임상 3상을 진행 중이다. 릴라 사이언스는 추론 모델이 실험을 계획하고 AI 운영 실험실이 수행하는 구조를 갖췄으며, 엑스탈파이는 AI에 로봇 실험실을 결합해 합성·평가 주기를 단축하고 있다. 일라이 릴리는 200만개 이상의 비임상 데이터를 학습한 '튠랩' 모델을 바이오텍과 공유 중이다.
LG화학도 자체 플랫폼 '메디엑스'를 앞세워 이런 흐름을 연구 현장에 이식하고 있다. 지난해 11월 예측·설계 도구를 모은 '모델 허브'로 출발한 메디엑스는 현재 연구자가 일상 언어로 목표를 제시하면 AI가 문헌과 데이터, 예측 모델을 교차 검증해 분석하는 'AI 에이전트'로 진화했다. 이를 통해 저분자 후보물질의 자체 평가 활성을 개선하고, 항체 분야에서도 반복적인 설계·평가·재학습 루프로 타깃 결합 물질을 확보했다. 또 후속 실험 우선순위 결정은 물론, 맞는 기성 도구가 없을 때 AI가 직접 분석 코드를 작성·실행하고 논문·특허 기반 문서 초안을 작성하며 실무 전반에 활용 중이다.
향후 LG화학은 에이전트 기반 가상 실험실(Dry-lab)과 자동화 실험실(Wet-lab)을 잇는 '자율 설계·평가·학습' 체계를 완성할 계획이다. 아울러 연합학습 프로젝트 'K-멜로디(K-MELLODDY)'에 참여해 기존 벤치마크를 웃도는 약물동력학·독성(ADMET) 모델을 메디엑스에 탑재했다. 소 부문장은 "AI의 실무 정착에는 검증된 피드백, 실험 역량, 공동 책임, 데이터 거버넌스가 필요하다"고 강조했다.










