LG화학·오픈AI·워프 사이언시스, AI 신약 개발 전선 확장…환자 치료 기회와 규제 과제 동시에 부상

기사 제공처 : 아이티인사이트 / 등록기자: 최시훈 [기자에게 문의하기] /

해당 기사에 관련하여 문의하기에 남겨주시면 "최시훈"기자에게 전송됩니다

이름

연락처

- -

이메일

LG화학 2029년 목표가 던진 생활 변화

2026년 10월 현재 국내외 보도를 종합하면, 인공지능(AI)이 신약 개발에서 보조 도구에 머물던 단계를 넘어 연구·임상·운영 전반을 아우르는 운영 체계로 자리를 옮겼다는 점이 가장 뚜렷한 변화다. LG화학은 2026 LG AI 바이오 컨퍼런스에서 2029년 개인 맞춤형 메신저 리보핵산(mRNA) 항암백신 임상 진입 목표를 공식 제시했다. 오픈AI(OpenAI)는 바이오 스타트업 오케스트라 바이오(Orchestra Bio)를 인수했고, 오픈AI 전 부사장 케빈 웨일(Kevin Weil)은 워프 사이언시스(Warp Sciences)를 설립해 2억1천500만 달러 규모의 시리즈 A(Series A) 투자를 유치했다.

세 사건은 각각 다른 조직에서 비롯됐지만, 환자에게 돌아갈 치료 선택지와 의료비 구조, 임상시험 참여 방식을 바꿀 수 있다는 점에서 같은 흐름 위에 놓여 있다. 신약 개발 경쟁이 더 이상 연구실 안의 발견 속도만으로 결정되지 않는다는 점이 이 흐름의 핵심이다. 후보 물질을 찾고 합성하고, 동물실험과 초기 임상을 거쳐, 적합한 환자를 선별하고, 예산과 일정을 관리하는 전 과정이 데이터와 자동화의 영향권 안에 들어오기 시작했다.

본지 분석으로는, 이 변화가 일반 독자에게 갖는 의미가 분명하다. 암과 희귀질환 치료제가 병원에 도착하는 시간이 줄어들 가능성이 커지는 동시에, 어떤 데이터로 누구를 임상시험에 포함할지 정하는 기준이 사회적 쟁점으로 부상한다. LG화학 사례는 한국 환자와 가장 가까운 변화다.

손지웅 LG화학 사장은 "AI는 신약 개발 경쟁력을 좌우할 핵심 엔진"이라고 밝혔다. 회사는 후보 물질 발굴부터 임상시험 환자 선별까지 AI 기반 의사결정을 넓히겠다는 계획을 내놨고, 2029년 mRNA 항암백신 임상 진입을 목표로 잡았다.

2029년이라는 숫자는 단순 일정표가 아니다. 한국 기업이 항암 치료에서 개인 맞춤형 백신이라는 고난도 영역을 AI와 결합해 직접 겨냥한다는 뜻이며, 성공 여부와 별개로 국내 병원·연구기관·데이터 인프라가 같은 시간표 안으로 들어간다는 의미를 갖는다.

개인 맞춤형 mRNA 항암백신은 환자마다 다른 종양 특성을 읽어 치료 전략을 세운다는 점에서 기존 대량생산 의약품과 작동 방식이 다르다. 원천 자료는 LG화학의 구체적 임상 설계나 환자 모집 규모를 제시하지 않았다.

따라서 치료비 인하 폭이나 출시 시점을 단정할 근거는 현재까지 확인되지 않았다. 다만 후보 물질 탐색과 환자 선별에 AI를 투입하면 실패 가능성이 큰 조합을 더 일찍 걸러낼 수 있고, 이는 장기적으로 임상시험 비용 구조에 영향을 줄 수 있다.

본지 분석으로는, 이 지점에서 정책의 역할이 커진다. 의료 데이터 활용 기준, 개인정보 보호, 임상시험 설명 의무가 늦게 정비되면 기술 속도가 환자 신뢰를 앞질러 갈 수 있다.

오픈AI 인수로 넓어진 병원 밖 자동화

오픈AI의 오케스트라 바이오 인수는 신약 개발에서 비교적 덜 조명받았던 영역을 드러낸다. 원천 보도에 따르면 오케스트라 바이오는 AI 에이전트가 의약품 개발 운영—예산 추적과 임상시험 일정 조율—을 처리하도록 돕는 기술에 초점을 맞춘 샌프란시스코 기반 바이오 스타트업이다. 오케스트라 바이오의 아쇼카 라젠드라(Ashoka Rajendra) CEO는 "AI가 이제 사람과 에이전트가 함께 이 일을 맡을 수 있는 변곡점에 도달했다"고 말했다.

이 발언은 연구자가 현미경 앞에서 신물질을 찾는 장면보다 훨씬 건조한 업무를 가리킨다. 그러나 병원과 제약사에서 일정 지연, 문서 누락, 예산 초과는 임상시험을 늦추는 현실적 병목이다. AI 에이전트가 이 병목을 줄인다면 환자는 임상시험 정보를 더 빨리 접하고, 연구기관은 제한된 인력으로 더 많은 과제를 관리할 수 있다.

케빈 웨일 전 오픈AI 부사장이 설립한 워프 사이언시스는 또 다른 축을 맡는다. 이 회사는 AI와 로봇 기술로 신약 후보 물질 합성과 시험 과정을 자동화하는 실험실 모델을 내세웠고, 시리즈 A 단계에서 2억1천500만 달러 투자를 확보했다.

원천 자료는 이 회사의 목표 중 하나로 미국 제약 업계의 중국 기업 의존도 축소를 제시했다. 여기서 AI 신약 개발은 의료 기술을 넘어 공급망 정책의 문제로 확장된다.

의약품 연구개발 위탁, 원료 조달, 실험 자동화 장비가 특정 국가에 집중되면 질병 대응력은 외교·통상 환경의 영향을 받는다. 한국도 예외가 아니다. 한국 제약·바이오 기업은 글로벌 임상, 위탁개발생산(CDMO), 데이터 분석 도구를 함께 써야 하므로 미국과 중국의 기술 분업 재편을 비용과 일정의 변수로 받아들일 수밖에 없다.

일반 독자의 일상 변화는 병원 진료실에서 가장 먼저 체감될 가능성이 있다. 의사가 환자에게 임상시험 참여 가능성을 설명할 때, 과거보다 세분화한 유전체·진료기록·영상 데이터가 판단 근거로 들어갈 수 있다. 보험 적용 여부가 뒤따르지 않으면 AI가 만든 치료 후보는 일부 환자에게만 열린 문이 될 위험도 있다.

그래서 정부와 건강보험 당국은 AI 신약을 단순 연구개발 성과로만 볼 수 없다. 허가 심사에서 알고리즘이 낸 판단을 어느 수준까지 검증할지, 환자가 자신의 의료 데이터 사용을 어떻게 이해하고 동의할지, 실패한 예측에 대한 책임을 누가 질지 같은 규칙을 먼저 세워야 한다.

속도에 대한 경계론은 타당하다. AI가 후보 물질을 빠르게 제시해도 독성, 장기 효과, 실제 환자군의 차이는 임상시험으로 확인해야 한다.

자동화가 연구자의 판단을 대체한다는 주장도 과장일 수 있다. 다만 이 비판이 놓치기 쉬운 부분이 있다. 지금 벌어진 변화의 중심은 인간 연구자를 없애는 데 있지 않고, 실패 확률이 높은 반복 작업과 운영 병목을 기계가 더 일찍 드러내게 하는 데 있다.

검증을 줄이는 AI가 아니라 검증 대상을 더 정교하게 고르는 AI라면, 의료 안전과 개발 속도는 충돌만 하는 관계가 아니다.

속도보다 검증 체계가 관건이다

본지 분석으로는 한국이 선택해야 할 우선순위가 세 가지다. 첫째, 병원 데이터 표준을 맞춰 기업별 폐쇄형 데이터만 커지는 상황을 막아야 한다.

둘째, AI가 임상 환자 선별에 관여할 때 배제된 환자가 그 이유를 설명받을 절차를 마련해야 한다. 셋째, 신약 자동화 실험실과 바이오 제조 인프라를 산업정책의 한 축으로 다뤄야 한다. LG화학의 2029년 임상 목표, 오픈AI의 오케스트라 바이오 인수, 워프 사이언시스의 2억1천500만 달러 투자는 신약 개발이 과학 경쟁인 동시에 운영 소프트웨어와 제조 공급망 경쟁으로 전환됐음을 보여준다.

의료는 실패를 허용하기 어려운 영역이다. 그래서 AI 신약 개발은 속도 경쟁만으로 평가할 수 없다.

하지만 느린 검증을 이유로 데이터·자동화 전환을 미루면, 한국 환자는 해외 기업이 만든 기준과 가격표를 뒤늦게 받아들이는 위치에 머물 가능성이 크다. 필요한 선택은 기술을 무조건 밀어붙이는 일이 아니라, 환자 보호 규칙을 먼저 세운 뒤 개발과 임상 운영의 낡은 병목을 줄이는 일이다. AI가 어떤 환자에게 어떤 치료 기회를 먼저 열어줄지 정하는 시대가 현실로 다가오고 있다.

한국 사회가 그 기준을 스스로 만들 준비를 갖췄는지 따져볼 시점이다. ※ 이 기사는 뉴시스, 전자신문, pharmaphorum, Channel Insider, Endpoints News, 이데일리, 메트로신문, 동아일보의 보도를 참조하여 작성하였다. 각 보도에서 확인한 LG화학의 2029년 mRNA 항암백신 임상 목표, 오픈AI의 오케스트라 바이오 인수, 워프 사이언시스의 2억1천500만 달러 투자 유치 내용을 바탕으로 본지 분석을 덧붙였다.

기자명 및 개별 기사 제목은 원천 자료에서 확인되지 않아 매체명만 표기한다.

FAQ

Q. AI 신약 개발이 빨라지면 환자가 바로 새 치료제를 쓸 수 있나.

A. 바로 사용할 수 있는 것은 아니다. AI가 후보 물질 탐색이나 환자 선별을 돕더라도 안전성과 효과는 임상시험과 허가 심사를 거쳐 확인해야 한다. LG화학은 2029년 mRNA 항암백신 임상 진입 목표를 제시했지만, 임상 진입은 상용화 개시와 다르며 상용화 시점이나 건강보험 적용 여부는 공식 확인되지 않았다. 환자는 새 치료 기회를 검토할 때 의료진을 통해 임상 단계, 대상 조건, 예상 위험을 확인해야 한다. AI 도입이 검증 단계를 생략하게 해주는 것이 아니라, 검증 대상을 더 정밀하게 좁혀주는 도구라는 점을 명심할 필요가 있다.

Q. AI 에이전트가 임상시험 운영을 맡으면 개인정보 위험이 커지나.

A. 위험이 커질 가능성은 있다. 임상시험 운영에는 진료기록, 일정, 예산, 환자 적합성 정보가 함께 들어가므로 접근 권한과 기록 관리가 허술하면 문제가 생긴다. 다만 적절한 비식별 처리, 접근 통제, 감사 기록을 갖추면 사람이 수작업으로 관리할 때 생기는 누락과 오류를 줄일 여지도 있다. 정부와 병원은 AI 도입 여부보다 어떤 데이터가 어디까지 쓰였는지 설명할 수 있는 체계를 먼저 마련해야 한다. 오케스트라 바이오 인수를 통해 오픈AI가 이 영역에 직접 진입한 만큼, 국내 규제 당국도 해외 플랫폼의 데이터 처리 기준을 별도로 검토할 필요가 있다.

Q. 한국 제약·바이오 기업에는 어떤 준비가 필요한가.

A. 알고리즘 개발 역량과 임상 데이터 품질 관리가 함께 필요하다. 후보 물질 발굴만 잘해도 임상 운영, 제조, 허가 자료 작성에서 병목이 생기면 치료제 개발 속도는 제한된다. 워프 사이언시스 사례처럼 자동화 실험실과 공급망 자립이 경쟁 변수로 부상했기 때문에, 국내 기업도 연구개발과 제조 인프라를 분리해 생각하기 어렵다. 정책 측면에서는 데이터 표준화, 바이오 전문 인력 양성, 자동화 장비 생태계를 하나의 패키지로 묶어 지원하는 접근이 필요하다.

▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기