政, '국가 AI 바이오 연구소' 통해 신약개발 힘 보탠다 … "디테일 부족" 지적도

글로벌 시장에서 인공지능(AI)을 활용한 신약개발 경쟁이 치열한 가운데, 정부가 AI 바이오 국가전략의 핵심축으로 '국가 AI 바이오 연구소'를 제시했다. 이에 따른 민간 연구나 산업 생태계에 어떤 영향을 미칠지 관심이 쏠린다.

당장은 공공 주도의 AI 기반 모델과 인프라 구축이 연구환경 접근성을 높일 수 있다는 기대감이 커지고 있지만, 명확한 체계 등 디테일이 부족하다는 목소리가 나온다. 또 이를 수행할 '융합 인재' 육성 역시 동반돼야 한다는 주장도 제기된다.

19일 업계에 따르면 전날(18일) 과학기술정보통신부는 '제2차 과학기술관계장관회의'에서 관계부처합동으로 마련한 'AI 바이오 국가전략'을 심의·의결했다.

바이오는 분자 단위부터 개체 수준에 이르기까지 복잡한 생명 시스템 탐구로 장시간·고비용이 소요되는 반면 불확실성이 높은 분야다. 하지만 AI를 통해 방대한 바이오·의료 데이터를 학습하면 복잡한 생명 현상을 이해하고, 광범위한 지식 기반 연구가 가능해진다.

최근에는 두뇌 역할을 하는 바이오 파운데이션 모델과 연구동료 역할을 하는 에이전틱 AI를 활용한 지능형 자동화 연구로 패러다임이 변하는 추세다. 전통적 신약개발 방식의 임상 1상 성공률이 52% 수준이지만, AI를 활용하면 성공률은 80% 이상으로 높아지는 것으로 나타났다.

정부는 AI 적용 가능성과 파급효과를 고려해 △신약개발 △뇌·역노화 △의료기기 △바이오 제조 △농식품(그린바이오)을 5대 핵심 분야로 선정했다. 단기 성과, 중장기 혁신, 국민 체감을 달성할 수 있는 분야라는 판단이다.

신약개발은 바이오 파운데이션 모델과 에이전틱 AI 기반으로 AI가 스스로 후보물질을 설계하고 검증하는 체계를 갖춘다. '국가 AI 바이오 연구소(가칭)'를 중심으로 멀티모달·멀티스케일 바이오 파운데이션 모델을 구축해 실제 산업현장에서 활용할 수 있도록 개방하기로 했다.

이는 연구기관 설립을 넘어 AI 바이오 연구에 활용할 수 있는 공공 주도의 기반 모델과 인프라를 마련하겠다는 정책적 의도로 풀이된다. 데이터와 컴퓨팅 자원 접근성이 연구 성과에 중요한 요소로 작용하는 AI 신약개발 특성상 국가 차원의 모델과 인프라 구축은 연구환경 접근성을 높이는 요인이 될 수 있다.

다만 이러한 공공 기반이 실제로 어떤 범위와 방식으로 개방될지 그리고 민간 연구, 산업과의 역할 분담이 어떻게 설정될지는 향후 구체화 과정에서 결정될 사안이다.

국가 AI 바이오 연구소가 연구와 산업 전반을 뒷받침하는 플랫폼 역할에 집중할지, 더욱 직접적인 연구수행 주체로 기능할지에 따라 파급효과도 달라질 수 있다.

A제약 관계자는 "국가 차원에서 AI 바이오 인프라를 구축하겠다는 방향 자체는 긍정적"이라면서도 "실제 어느 수준까지 개방되는지, 민간 연구와 어떤 방식으로 역할을 나눌지가 중요할 것"이라고 말했다.

이와 함께 폐쇄망 클라우드를 구축하고 관계부처 협의를 거쳐 데이터 활용 규제 특례 적용을 추진한다. 인체유래물데이터 등 민감데이터를 안전하고 편리하게 활용할 수 있도록 하기 위해서다. 'AI 바이오 혁신 연구거점'에 구축된 인프라로 생산 데이터는 국가바이오데이터통합플랫폼(K-BDS)에 등록해 외부 연구자도 자유롭게 활용할 수 있다.

혁신 연구거점은 대학·연구소, 기업, 병원 등 다양한 주체가 협력하고 바이오 연구자, AI 개발자, 데이터 과학자 등 전문가가 함께 연구하는 인프라다.

내년 합성신약분야 1개 시범 거점 조성을 시작으로 2027년부터는 2개 이상 분야로 확대할 방침이다. 각 거점에는 AI 바이오 R&D와 대규모 AI 바이오 모델 개발해 필요한 컴퓨팅 인프라, AI·로봇 기반 고속 실험·검증 인프라 구축을 지원한다.

B바이오 관계자는 "좋은 후보물질을 찾기 위해 걸리는 시간이 상당한데, AI를 활용하면 적당한 연구 결과를 큰 힘 들이지 않고 찾을 수 있어 효과가 있을 것"이라면서도 "단순히 트렌드에 편승하는 것에 그치는 것이 아니라 명확한 체계를 잡아놓고 가는 것이 필요해 보인다"고 말했다.

C제약 관계자는 "IND(임상시험계획) 제출 단계에서 AI가 도출한 결과를 어떻게 신뢰·인정할지에 대한 가이드라인이 불명확하다"며 "머신러닝 모델의 개발·검증·운영 전반을 포괄하는 'GMLP(Good Machine Learning Practice)' 기준을 마련해 데이터 출처·품질, 모델 설계, 성능평가 지표, 재현성 검증방법 등을 명확히 해야 할 것"이라고 제언했다.

이밖에 정부는 이번 국가전략을 통해 △에이전틱 AI 프레임워크 개발 △고품질 바이오 빅데이터 확보 △AI 바이오 데이터 분석 지원하는 고성능 컴퓨팅 분석활용 자원 제공 등도 지원할 방침이다.

D바이오 관계자는 "신약개발 전주기 등을 고려하면 선택과 집중이 필요할 것"이라며 "당장 뚜렷한 결과물을 기대하기보다는 R&D에서 사업화까지 연결되는 긴 호흡으로 접근하는 것 역시 중요하다"고 첨언했다.

한편 제약·바이오업계 일각에서는 인력 부족 문제를 선결과제로 꼽고 있다.

한국바이오협회는 AI와 바이오를 동시에 이해·활용할 수 있는 '바이링구얼' 융합인력을 국가 차원에서 양성해야 한다고 주장한다.

의·약·생명과학 교육과정에서 AI·데이터 과학을 필수화하고, AI 대학원에는 신약개발 특화 트랙과 프로젝트 기반 학습(PBL)을 강화하며 △제약사 △AI스타트업 △대학 △병원간 순환 근무·파견 프로그램을 통해 현장 문제 해결형 인재를 키우는 방식을 제안했다.

협회 측은 "이미 국내 기업들이 후보물질 발굴, R&D 통합 플랫폼, 문헌 검색·데이터 분석·문서 작성 자동화 등으로 AI 활용범위를 넓히고 있다"면서 "이러한 흐름이 산업 경쟁력으로 연결되려면 데이터가 흐르고, 심사기준이 선명해야 하며 현장을 아는 융합인력이 팀으로 움직이는 3박자가 동시에 갖춰져야 한다"고 강조했다.

박정훈 삼성KPMG 제약바이오산업 리더는 "AI 기술 적용 속도에 비해 숙련 인력 공급이 충분하지 않다"며 "특히나 바이오산업은 임상·규제·제조·데이터가 엮여 있기 때문에 AI 전문성과 도메인 전문성을 동시에 갖춘 인재가 필수적"이라고 말했다.

그러면서 "우수 인재 확보 중심 전략에서 포용성과 다양성으로 확장된 새로운 인재 전략이 필요하다"고 제언했다.