요즘 AI가 정말 빠르게 발전하고 있죠? 올해는 노벨 화학상과 물리학상까지 AI 연구에 수여되면서, AI가 과학과 기술을 넘어 여러 산업에 엄청난 변화를 일으키고 있다는 걸 실감하게 됩니다.

그 중에서도 의료와 제약 분야에서 AI의 활약이 두드러지는데요. 구글 딥마인드의 AlphaFold가 단백질 구조 예측에 성공하면서 신약 개발에 혁신을 불러오고 있는 게 대표적인 예입니다.

전통적으로 신약개발에는 많은 시간과 비용이 들었지만, AI 덕분에 이 과정이 훨씬 효율적으로 바뀌고 있습니다.

특히 신약개발 과정에서 AI가 시간을 단축하고 비용을 절감하는 데 큰 기여를 하자, 구글과 엔비디아 같은 글로벌 빅테크 기업들이 그 시장성을 높이 평가하며 적극적으로 뛰어들고 있죠.

그렇다면 빅테크 기업들이 AI를 통해 신약개발을 어떻게 혁신하고 있는지, 함께 살펴볼까요?

 

인공지능(AI)으로 신약개발을?

전통적인 신약개발은 막대한 시간과 비용이 소요되는 복잡한 과정입니다. 신약이 상용화되기까지 평균적으로 10~15년이 걸리고,

이 과정에서 2~3조 원에 달하는 비용이 투입됩니다. 그럼에도 불구하고 성공 확률이 매우 낮아, 신약이 최종적으로 상업화될 가능성은 백만 분의 1도 되지 않는다고 합니다. 그러나 최근 AI 도입으로 이러한 절차가 혁신적으로 변화하고 있습니다.

 

출처 : 대웅제약, 한국보건산업진흥원

 

AI는 방대한 데이터를 빠르게 분석하고, 신약 후보 물질을 예측하며, 가상 시뮬레이션을 통해 약물의 효능과 안전성을 검증하는 데 중요한 역할을 하고 있습니다.

한국보건산업진흥원에 따르면, AI 덕분에 신약개발 기간이 최대 50% 단축되고, 개발 비용도 최대 80%까지 절감될 수 있다고 하니 AI의 영향력이 얼마나 큰 지 실감할 수 있죠.

출처 : 기술과 혁신, 한국제약바이오협회
 

특히 신약개발의 여러 단계에서 발생하는 문제들을 AI가 신속하게 해결하고 있습니다. 예로 초기 후보물질 발굴 단계에서 방대한 화합물 데이터를 분석하는 데 오랜 시간과 비용이 소요되지만,

AI는 이를 빠르게 처리해 유망한 신약 후보를 예측할 수 있습니다. 동물실험 단계에서 약물과 생체 타깃 간의 상호작용을 예측하기 어려워 시행착오가 발생하는데,

연구 데이터 기반으로 학습된 AI는 실험 결과 예측과 시뮬레이션을 통해 이를 해결합니다.

임상시험 단계에서는 대규모 데이터를 분석하고 최적의 환자군을 선별해 임상시험 성공률을 높이고 비용과 시간을 절감할 수 있습니다.

이처럼 AI는 신약개발의 전 과정에서 문제 해결을 가속화하고, 신약개발 성공 가능성을 높이는 핵심 역할을 하고 있습니다.

 

출처 : 서울경제, 마켓스앤드마켓스 리서치

 

마켓스앤드마켓스 리서치는 AI 신약개발 시장이 2023년 약 8억 달러에서 2027년 약 40억 달러까지 성장할 것으로 예상했습니다.

이 성장의 중심에는 구글, 엔비디아 등과 같은 빅테크 기업들이 자리하고 있습니다. 이들이 주도하는 혁신 덕분에 신약개발의 미래가 더 빠르게 다가오고 있는 거죠.

 

빅테크의 AI 신약개발 현황은?

AI 신약개발 시장이 빠르게 성장하고 있는 가운데, 글로벌 AI 기술을 선도하는 빅테크 기업들은 이 분야에서 어떤 성과를 내고 있을까요?

구글, 엔비디아와 같은 빅테크 기업이 AI를 활용해 신약개발에 어떻게 기여하고 있는지, 경쟁 현황은 어떠한지 자세히 살펴보겠습니다.

 

1) 구글, 딥마인드로 신약개발 리딩

지난 10월 9일, 구글 딥마인드의 AlphaFold 개발자인 존 점퍼와 데미스 허사비스가 '단백질 설계 예측'에 기여한 공로로 노벨 화학상을 수상했죠.

구글 딥마인드가 개발한 AlphaFold는 단백질 아미노산 서열을 입력하면 3차원 구조를 정확하게 예측하는 AI 모델로, 생명과학 분야에서 큰 혁신을 일으켰습니다.

출처 : nature(네이처)



AlphaFold 1은 2018년에 단백질 구조 예측 학술대회인 CASP에서 처음 공개되었고, 2시간 만에 58%의 정확도로 단백질 구조를 예측해 내면서

당시 수십 년간 예측율 1위를 차지했던 미시건 대학교 연구팀을 단번에 뛰어넘었습니다.

그 후, 2020년에 선보인 AlphaFold 2는 예측 시간을 1시간으로 단축하면서 90% 이상의 정확도를 기록해, '알파폴드 쇼크'라는 말을 낳기도 했습니다.

AlphaFold가 이렇게까지 정확한 예측을 할 수 있는 이유는 무엇일까요?

관련 특허 WO2020/058176 A1을 살펴보면, AlphaFold가 어떻게 단백질 구조 예측을 수행하는지 자세히 알 수 있습니다.



출처 : 키워트(keywert) WO2020/058176 A1 특허 AI 요약

이 특허는 '단백질 구조를 결정하기 위한 기계 학습 방법'에 관한 것으로, 키워트 AI 요약 Copilot 기능을 통해 간단히 요약하면 "단백질 내 아미노산 사이의 거리를 나타내는 거리 맵을 생성하고, 이를 바탕으로 상이한 위치에 있는 아미노산 간의 거리를 계산하는 방법"이라고 설명할 수 있습니다. 

 



출처 : 키워트(keywert) WO2020/058176 A1 특허 도면 1

 

단백질은 아미노산들이 특정 구조로 배열되어 있는데, 이를 정확하게 예측하기 위해선 아미노산 간의 거리를 계산하는 '거리 맵'이 필요합니다.

하지만 이런 계산은 복잡하고 많은 데이터 처리가 필요하다는 어려움이 있었죠.

이를 해결하기 위해 이 특허는 아미노산의 위치 간 거리를 신경망에 입력해 여러 개의 작은 거리 맵을 만들고, 이를 종합해 단백질의 최종 거리 맵을 완성하는 구조를 제안합니다. 또한, 신경망 학습을 통해 시간이 지날수록 더욱 정확한 예측을 할 수 있도록 설계되었습니다.

특허를 살펴보고 나니, AlphaFold가 어떻게 복잡한 계산 과정을 최소화하면서도 매우 정확하게 단백질 구조를 예측했는지 이제 이해가 되네요!

이후 구글 딥마인드는 AlphaFold 2와 AlphaFold 3를 통해 성능을 계속해서 업그레이드하고 있습니다.

AlphaFold 2가 개별 단백질 구조 예측에 중점을 두었다면, AlphaFold 3는 DNA, RNA, 저분자 등의 다양한 생체 분자 간 상호작용 예측까지 확장되었죠.

예측의 정확도 향상뿐만 아니라 환간 완화, 확산 기반 아키텍처 등 기술의 여러 측면에서 지속적인 발전을 이루고 있어,

구글이 AI 기반 신약개발 분야에서 더욱 큰 성과를 낼 것으로 기대됩니다.

 

2) 엔비디아, 그래픽카드에서 신약개발로

엔비디아는 AI 연산을 가속화하는 GPU 하드웨어와 소프트웨어 기술로 잘 알려져 있는데, 이 기술이 신약개발에서도 큰 역할을 하고 있습니다.

특히 엔비디아의 BioNeMo 플랫폼은 생물학 데이터를 분석해 신약 후보를 찾아내고, 약물의 상호작용을 시뮬레이션하는 데 탁월한 성능을 발휘하고 있죠.

먼저, 엔비디아가 AI 신약개발 기술에 얼마나 집중하고 있는지 살펴볼까요?

키워트의 테크토픽 그래프를 통해 엔비디아의 AI 관련 특허를 분석해 보면, 2017년부터 본격적으로 생명과학과 관련된 생체 모델 컴퓨터 기술이 특허로 출원되기 시작한 것을 알 수 있습니다.

이는 엔비디아가 2017년 이전부터 AI 기반 생명과학 기술에 꾸준히 투자해 왔고, 2017년을 기점으로 제약 산업 진입을 활발히 모색해 온 것으로 분석됩니다.



출처 : 키워트(keywert) 엔비디아 AI 관련 특허 출원연도별 테크토픽 분포

 

하지만 엔비디아의 AI 신약개발 기술은 구글 딥마인드의 AlphaFold 만큼 널리 알려지지는 않았습니다. 그래서 엔비디아의 AI 신약개발 기술을 자세히 알아보기 위해 관련 특허를 살펴보았는데요. 단백질 관련 AI 기술 특허를 검색했을 때 가장 먼저 눈에 띄는 특허는 바로 WO2024/187031 A2입니다.

이 특허는 "Systems and methods for dynamic-backbone protein-ligand structure prediction with multiscale generative diffusion models"에 관한 내용으로, 지난 9월 국제적으로 공개된 특허입니다. 엔비디아가 공동 출원인으로 등록된 이 특허는 분자와 단백질이 어떻게 상호작용하는지를 예측하는 컴퓨터 프로그램을 다루고 있습니다. 영어로 작성된 PCT 문헌은 구글 번역이나 파파고와 같은 일반 검색엔진을 통해 번역하면 매끄럽지 않아 이해하기 어려운 경우가 많은데요.

키워트의 AI 번역 기능은 특허 문헌 번역에 최적화되어 있어, 이런 어려움을 쉽게 해결할 수 있습니다. 아래 이미지처럼 AI 번역 기능을 사용해 엔비디아의 특허를 번역하니, 발명의 핵심 내용을 명확하게 파악할 수 있었습니다. 특히 키워트는 업계 최초로 PCT 전체 문헌에 대한 전문 영문 번역을 제공하기 때문에 특허를 빠르고 정확하게 이해하는 데 매우 유용합니다.

 

출처 : 키워트(keywert)



이제 다시 특허를 자세히 살펴볼까요? 분자들은 원자들이 특정한 구조로 배열되어 있는데, 특히 키랄성(손대칭성, 분자의 입체 구조에서 대칭적이지 않고 뒤집어 놓을 수 없는 성질)을 가진 분자는 그 구조를 정확히 예측하는 것이 중요합니다.



WO WO2024/187031 A2 특허 도면 10 출처 : 키워트(keywert)

 

이 발명에서는 분자 내 원자 간 관계를 '키랄성 인지 그래프'로 표현하고, 이를 통해 분자의 복잡한 구조를 예측하는 방식을 제안하고 있습니다.

하지만 이런 계산은 복잡하고 많은 데이터를 처리해야 하는 어려움이 있죠. 이 문제를 해결하기 위해, 분자의 원자와 좌표계를 기반으로 그래프를 구성하고,

신경망을 사용해 원자 간의 거리와 방향을 계산하는 방법을 사용합니다. 이렇게 해서 분자 구조를 더욱 정확하게 예측할 수 있는 것이죠.

 

엔비디아는 위와 같은 자체 기술 개발에 그치지 않고 AI 신약개발 관련 기업에 대한 투자도 적극적으로 진행하며 시장을 선점하기 위해 노력하고 있습니다.

특히, 최근에는 AI 신약 개발 전문 기업인 리커전(Recursion)에 5,000만 달러를 투자하며 AI 신약개발 시장에서의 영향력을 더욱 확대하고 있죠!

엔비디아의 앞으로가 더 기대되는 행보입니다.

 

3) 구글과 엔비디아, AI 신약개발 기술 현황은?

지금까지 구글 딥마인드와 엔비디아의 AI 신약개발 관련 특허들을 자세히 살펴보았는데요.

이제 특허 출원 건수와 특허 등급을 통해 두 기업이 AI 신약개발 분야에서 어떤 기술적 전략을 펼치고 있는지, 기술의 양적·질적 측면에서 비교해 보겠습니다.

먼저, 출원 건수를 연도별로 분석해 보았는데요. 2008년에 첫 출원이 이루어진 이후 한동안 잠잠하다가 2018년부터 특허 출원이 급격히 증가한 것을 확인할 수 있습니다. 특허 출원 건수의 증가는 해당 기술에 대한 연구개발이 활발해지고 있고 다수의 특허를 출원함으로써 경쟁사가 유사 기술에 쉽게 접근하지 못하도록 보호하려는 전략적 의도도 담고 있습니다.

 



구글 딥마인드와 엔비디아의 AI 신약개발 관련 특허 출원연도별 출원건수 출처 : 키워트(keywert)

 

구글 딥마인드는 2018년을 기점으로 AI 신약개발 특허를 적극 출원하며, 이 분야에 빠르게 진입했습니다.

반면 엔비디아는 2008년에 첫 특허를 출원했으나 2021년이 되어서야 출원이 활발해지기 시작했죠.

이를 통해 구글 딥마인드는 초반부터 빠른 속도로 기술을 확보해왔고, 엔비디아는 다소 늦었지만 이후 빠르게 추격하고 있다는 점을 알 수 있습니다.

 

AI 신약개발 관련 특허 출원연도별 출원건수 구글 딥마인드(좌) 엔비디아(우) 출처 : 키워트(keywert)



특허 평가 등급은 특허의 질적 가치를 평가하는 중요한 지표입니다. 키워트의 KeyValue를 통해 두 기업의 특허 평가 등급을 비교한 결과,

구글 딥마인드의 특허가 엔비디아보다 약간 더 높은 평가를 받고 있는 것으로 나타났습니다. 특허 등급은 기술의 혁신성, 실용성, 시장성을 종합적으로 평가하기 때문에,

고등급 특허가 많다는 것은 고품질 기술 포트폴리오를 보유하고 있음을 의미합니다.



구글 딥마인드와 엔비디아의 AI 신약개발 관련 특허등급평가 분포 출처 : 키워트(keywert)



이처럼 특허 출원 건수와 등급을 분석한 결과, 구글 딥마인드는 빠른 출원 속도와 고품질 특허 확보를 통해 AI 신약개발 분야의 선두를 달리고 있습니다.

그러나 엔비디아 역시 강력한 기술력을 바탕으로 그 뒤를 빠르게 추격하며 두 기업 간의 경쟁 구도를 형성하고 있습니다. AI 기반 신약개발 기술은 계속해서 진화하고 있으며, 두 기업이 이 분야에 끊임없이 새로운 특허를 출원하고 있다는 점에서 미래의 혁신적인 기술들에 대한 기대가 더욱 커지고 있는데요.

AI와 생명과학의 접점에서 펼쳐지는 이 흥미로운 경쟁이 앞으로 어떤 변화를 가져올지, 그리고 우리가 예측하지 못한 어떤 신기술이 등장할지 기대됩니다.

 

앞으로의 여정은?

다음으로, AI 신약개발 부문에서 구글과 엔비디아가 앞으로 어떤 기술적 방향성을 보일지 테크토픽 분포 그래프를 통해 전망해 보겠습니다.

두 기업이 AI 기술에서 연구개발에 집중하고 있는 세부 분야를 살펴보면, 생명과학과 관련된 생체모델 컴퓨터 기술의 비중이 점차 늘어나 현재 약 30%를 달하는 것을 알 수 있습니다.

생체모델 컴퓨터 기술은 AI가 신약개발 과정에서 더욱 정교한 생체 분석을 가능하게 해주는 AI 신약개발의 핵심 기술입니다.

이는 두 기업이 신약개발 효율성을 높이기 위해 이 분야에 상당한 투자를 집중하고 있음을 보여줍니다.





구글 딥마인드와 엔비디아의 AI 관련 특허 출원연도별 테크토픽 분포 출처 : 키워트(keywert)

하지만 두 기업의 접근 방식은 뚜렷하게 차이를 보입니다. 구글 딥마인드는 AI 신약개발 분야에서 분자 구조 분석 IT와 생물통계학 정보통신 기술 등 생명과학에 기반한 AI 기술에 중점을 두고, 정밀한 데이터 분석과 생명과학 IT의 세밀함을 강조하고 있습니다. 반면 엔비디아는 전기 양변화 계산 장치와 화학 정보 통신 기술 등 정보 처리와 컴퓨팅 성능을 강화한 AI 기술에 집중하고 있습니다.

이는 엔비디아가 대규모 연산과 정보 처리 능력을 통해 AI 신약개발 분야에서 독자적인 기술 경쟁력을 발휘하고자 하는 전략을 보여줍니다.

 



구글 딥마인드와 엔비디아의 AI 신약개발 관련 특허 출원연도별 테크토픽 분포 출처 : 키워트(keywert)

 

이처럼 AI 신약 개발 기술에 대한 두 회사의 차별화된 접근은 앞으로 더욱 치열한 경쟁을 예고합니다. 구글 딥마인드는 생명과학 IT의 정교함을,

엔비디아는 뛰어난 컴퓨팅 능력을 바탕으로 각각 AI 신약 개발의 혁신을 주도하고자 하는 것이죠.

AI는 신약 개발 속도를 혁신적으로 높이고, 비용을 줄이며, 제약사의 연구 효율성을 극대화하는 데 큰 변화를 일으킬 것입니다.

두 기업의 전략은 다소 다르지만, AI가 신약 개발의 새로운 가능성을 열고 있다는 것은 분명합니다. 앞으로도 AI가 제약 산업 전반에 걸쳐 더 큰 변화를 가져올 것으로

기대됩니다.

 

⭐⭐⭐⭐⭐오늘 인사이트 게시글은 흥미로우셨나요?

※ 본 게시글에 사용된 AI 기반 글로벌 특허 검색·분석 서비스 ‘키워트’를 무료체험 해보세요! 👉🏻CLICK 👈🏻

※ 워트인텔리전스의 다양한 서비스들을 더 알아보세요! 👉🏻CLICK 👈🏻