Anthropic, 자체 신약 개발을 원함

• Claude Science 공개와 자체 신약 개발 계획

  • 이번 주 "The Briefing: AI for Science" 행사에서 Claude Science 공개

    • 파편화된 도구와 데이터셋을 한 환경으로 모으고 그림·시각 자료를 생성하는 과학자용 AI 워크벤치임

    • 과학 발견과 의료 개입 개발 속도를 크게 높일 수 있다는 AI 활용 가능성을 출시 메시지로 제시함

    • 이미 Claude를 쓰는 바이오테크·제약 고객 목록을 강조함

  • Anthropic은 자체 신약도 개발할 계획임

    • 생명과학 책임자는 "소외된" 질환 치료제 발견에 집중하겠다고 언급

  • 주요 AI 기업도 과학·제약 고객 확보에 적극적임

    • OpenAI, Amazon, Google 등도 생명과학 도구와 플랫폼 보유

    • Anthropic의 계획은 대형 프런티어 AI 기업이 직접 신약 개발에 나서려는 공개 시도 중 비교적 직접적인 사례임

    • 잠재적 경쟁 신약 개발사에 소프트웨어를 판매하면서 자체 신약도 개발하는 이례적 위치가 됨

    • Insilico, Google DeepMind 분사 기업 Isomorphic Labs, 바이오테크 스타트업, 자체 AI 도구를 만들거나 사들이는 대형 제약사들과 같은 경쟁 구도에 합류함

• 구체 계획의 공백

  • 신약 개발에서 무엇을 달성하려는지에 대한 세부 정보는 매우 적음

    • 유망한 후보물질을 찾을 경우 이후 무엇을 할지 행사에서 설명 없음

    • 우선 표적 질환, 실험실 작업, 동물실험, 임상시험, 제조를 위한 파트너십 여부도 미공개

    • 추가 질의에는 응답 없음

• AI 신약 개발이라는 넓은 범위

  • 전문가들은 Anthropic 계획의 불확실성이 AI 신약 붐 전반의 불확실성을 반영한다고 지적함

    • "AI 신약 개발"은 매우 넓은 용어로, 신약 발견의 거의 모든 단계에 적용 가능함

    • 새 화합물 발굴·개선, 연구 지원, 데이터 분석, 임상시험, 제조까지 포함 가능함

    • 주요 제약사는 어떤 방식으로든 AI를 사용할 것이라는 전망임

  • AI는 이미 신약 개발 방식을 바꾸는 중임

    • AstraZeneca, Novo Nordisk, GSK 같은 대형 제약사의 여러 이니셔티브가 사례로 제시됨

    • 특정 질환과 관련된 세포 수용체나 기존 약물 표적과 상호작용할 수 있는 새 분자 제안 등 후보 아이디어 생성 가능함

    • 연구 속도 향상과 새 신약 아이디어 사전 검토에 유용함

  • Anthropic은 프런티어 모델 역량을 바탕으로 생성형 AI를 활용할 것으로 추정됨

    • 방대한 화학·생물학 가능성 탐색

    • 연구자가 찾기 어렵거나 오래 걸리는 연결점 발견 지원

    • 새 신약 아이디어, 새 질환 표적, 기존 약물의 새 용도 제안 가능성 있음

• 환자 도달까지의 한계

  • AI 설계 신약이 규제 승인을 받아 사람에게 쓰이기까지는 아직 거리가 멂

    • 신약 발굴 과정이 자율적으로 돌아가지는 않고 전 과정에 사람의 입력과 감독 필요

    • 다양한 화학물질이 체내에서 어떻게 작용하는지 같은 공개 고품질 실험 데이터 부족이 개발 속도를 늦출 수 있음

    • 잘 연구된 생물학 분야에서도 작동 원리에 대한 이해 공백이 큼

  • AI 모델은 아직 실험을 불필요하게 만들 정도에 이르지 못함

    • 후보물질은 효능, 독성, 의약품으로 안전하게 제조·보관·전달될 수 있는 실용적 특성을 실제 환경에서 검증해야 함

    • 숙련 인력, 대규모 비용, 시간이 필요하며 특히 인간 대상 임상 단계에서 많은 유망 후보가 실패함

    • Anthropic이 신약을 개발하려면 실험에 많은 비용을 써야 한다는 지적임

• 채용·실험실 구축과 긴 시간표

  • Anthropic은 지난 1년간 생물학자를 적극 채용하고 자체 습식 실험실을 구축 중인 것으로 알려짐

    • 생명과학 직무 채용 공고도 여러 건 진행 중임

    • 학계 인력 접촉과 대형 제약사·유명 연구기관 출신 일부 채용 가능성이 언급됨

  • 어떤 질환을 고르더라도 성과까지는 긴 시간이 필요함

    • 새 약물이 임상시험을 통과하는 데 일반적으로 걸리는 기간을 감안하면 최소 10년에 가까운 시간이 필요할 수 있음

    • 의약품 안전성을 실험적으로 입증하는 데는 항상 큰 지연이 있음

    • 현재까지 임상시험과 FDA 승인을 거쳐 시장에 도달한 AI 설계 신약은 없음

    • 일부 AI 개발 후보물질은 임상시험에 들어갔지만 AI 기여도, 사용 단계, 기존 약물 대비 우월성은 판단하기 어려움

    • AI는 탐색 일부를 빠르게 할 수 있지만 약물은 느리고 체계적인 실제 실험으로 검증되어야 함

^{source https://www.theverge.com/ai-artificial-intelligence/961311/anthropic-claude-science-ai-drug-development}