AI 신약개발, 알파폴드 다음은? '아이소모픽 랩스'가 진짜 약에 도전해요

안녕하세요, 깅글렛이에요.

알파폴드라는 이름, AI 뉴스 좋아하시면 한 번쯤 들어보셨을 거예요. 2024년 노벨화학상까지 받은 그 AI요. 그런데 요즘은 “이제 AI가 단백질 모양만 맞히는 게 아니라 진짜 약을 설계한다”는 얘기가 나와요.

오늘 결론부터 짚으면 이래요. AI 신약개발은 분명 빨라지고 있지만, ’임상 진입’은 약 완성이 아니라 긴 검증의 출발선이에요. 마침 오늘(6월 22일) 세계 최대 바이오 행사 BIO USA 2026이 미국 샌디에이고에서 막을 올려서, 이 주제를 한 번 깊이 정리해봤어요. 어렵지 않게 풀어볼게요.

⚠️ 미리 말씀드리면, 이 글은 산업·과학 이야기예요. 특정 종목이나 주가, 매수 얘기는 하지 않아요. 자세한 안내는 글 맨 아래 면책에 적어뒀어요.

---

오늘 BIO USA 개막, 화두는 ’AI 신약개발’이에요

먼저 오늘 열린 행사부터요. BIO USA 2026, 정식 명칭은 ’BIO International Convention’이에요. 흔히 ’바이오 올림픽’이라고 부르는 세계 최대 바이오산업 컨벤션이거든요.

올해로 33회째인데, 70여 개국에서 바이오 기업·투자자 2만여 명이 모여요. 일정은 6월 22일부터 25일까지, 장소는 샌디에이고 컨벤션센터고요. 우리나라 기업들도 기술수출과 글로벌 파트너십을 노리고 대거 출격했어요.

올해 분위기를 바꾼 건 작년에 처음 생긴 ‘Digital Health & AI Zone’(디지털 헬스 & AI 존)이에요. 사노피·화이자·일라이릴리 같은 글로벌 빅파마들이 여기 대거 들어왔거든요. 행사 전체의 가장 큰 주제가 ’AI 신약개발’로 옮겨갔다는 신호죠.

📖 빅파마란? 화이자·노바티스처럼 매출 규모가 아주 큰 다국적 제약회사를 부르는 말이에요.

KAIST가 처음으로 단독관을 차렸어요

이번 BIO USA에서 눈에 띈 한국 소식이 하나 있어요. KAIST가 처음으로 단독 전시관을 운영해요. 교원이 창업한 바이오·딥테크 기업 5곳을 들고 나왔거든요.

📖 딥테크란? 대학·연구소의 깊은 기초 연구를 바탕으로 만든, 진입 장벽이 높은 첨단 기술을 말해요.

이 중에서 ’AI 신약개발’에 가장 가까운 곳이 히츠예요. AI로 신약 후보물질 탐색을 자동화하는 플랫폼 ’하이퍼랩(HyperLab)’을 운영하거든요. 신약 개발 초기 단계의 기간과 비용을 줄이는 걸 내세워요. 나머지 4곳은 항체 치료제(토르 테라퓨틱스), 디지털 트윈 기반 신약 타깃 탐색(바이오리버트), RNA 백신·치료제(라이보텍), 멸균 코팅 콘택트렌즈(나노이지스)를 다뤄요.

재미있는 건, 이 KAIST관이 머크·일라이 릴리·다이이치 산쿄 같은 빅파마, 해외 VC와의 1:1 미팅을 미리 잡아뒀다는 점이에요. ’구경하는 자리’가 아니라 ’딜 하러 간 자리’라는 거죠.

대형 K바이오들도 비슷한 메시지를 들고 왔어요. 셀트리온은 2010년부터 17년 연속 참가하면서 ’AI 기반 신약개발 플랫폼’과 차세대 파이프라인을 전시하고, SK바이오팜은 AI 존에 단독 부스를 냈어요. 다들 ’AI 신약개발’을 간판에 거는 분위기인 거죠.

그런데 알파폴드는 ’약’이 아니라 ’부품’이에요

여기서 한 번 정리하고 갈게요. 사람들이 “AI가 약을 만든다” 하면 보통 알파폴드를 떠올리는데, 사실 알파폴드는 약 자체가 아니에요.

알파폴드(AlphaFold)는 단백질의 ’구조’를 예측하는 AI예요. 단백질은 아미노산 사슬이 3차원으로 접힌 모양에 따라 기능이 정해지는데, 그 접힌 모양을 실험 없이 미리 맞혀주는 거죠. 원래는 이 모양 하나 알아내는 데 수개월에서 수년이 걸렸어요. 알파폴드2 팀은 무려 2억 개가 넘는 단백질 구조 예측을 공개하기도 했고요.

이 성과로 2024년 노벨화학상이 나왔어요. 알파폴드를 만든 데미스 허사비스와 존 점퍼가 받았고, 단백질 설계를 한 데이비드 베이커가 함께 수상했죠.

그러니까 알파폴드는 신약개발이라는 긴 과정의 ‘부품’ 하나예요. 약의 표적이 될 단백질이 어떻게 생겼는지, 어디에 약이 붙을지를 예측해주는 단계요. 약이 되려면 그다음에 합성·동물실험·임상·승인이라는 긴 길이 남아 있어요. 이 구분이 오늘 글에서 가장 중요한 부분이에요.

알파폴드 다음 주자, 아이소모픽 랩스의 ‘IsoDDE’

자, 그럼 ’부품’에서 ’진짜 약 설계’로 넘어가는 시도가 있느냐. 올해 가장 주목받는 게 바로 아이소모픽 랩스(Isomorphic Labs)예요.

이 회사는 구글 딥마인드에서 분사한 신약개발 전문 회사예요. 알파폴드를 만든 그 딥마인드 기술을 ’실제 약을 만드는 일’에 쓰겠다는 곳이죠. CEO는 딥마인드 CEO이기도 한 데미스 허사비스고요.

이 회사가 2026년 2월 10일에 약물설계 엔진 ’IsoDDE’를 공개했어요. 공식 표현은 “알파폴드3를 넘어선다(beyond AlphaFold 3)“예요. 구조 예측과 실제 신약 발굴 사이의 빈틈을 메우겠다는 거죠.

📖 단백질-리간드란? 리간드는 단백질에 달라붙는 작은 분자예요. 약 후보물질이 표적 단백질에 잘 붙는지를 보는 게 단백질-리간드 예측이고, 신약 설계의 핵심 단계예요.

성능 수치가 꽤 인상적이에요. 가장 어려운 단백질-리간드 구조 예측에서 알파폴드3 대비 정확도를 2배 이상 끌어올렸다고 발표했어요. 항체-항원 인터페이스 고정밀 예측에서는 알파폴드3 대비 2.3배, 경쟁 모델인 Boltz-2 대비로는 19.8배 차이가 났고요. 결합친화도 예측에서도 기존 정밀 기법들을 더 적은 시간·비용으로 앞섰다고 해요.

쉽게 말하면, 약 후보물질이 표적 단백질에 얼마나 잘, 어디에 붙는지를 훨씬 정밀하게 맞힌다는 거예요. 약을 설계하는 단계의 정확도가 올라가는 거죠.

한 가지 짚을게요. 가끔 이걸 ’알파폴드4’라고 부르는 걸 보는데, 이건 정확한 표현이 아니에요. 공식 명칭은 어디까지나 IsoDDE이고 “알파폴드3 너머”예요. ’알파폴드4급’이라는 말은 한 외부 전문가가 진전 규모를 빗대 평가한 표현이지, 아이소모픽이 ’알파폴드4’라는 제품을 내놓은 게 아니거든요. 헷갈리기 쉬운 부분이라 콕 집어둘게요.

21억 달러를 모았고, 연내 첫 임상 진입이 목표예요

돈도 크게 들어왔어요. 아이소모픽 랩스는 2026년 5월 12일 시리즈B로 21억 달러를 유치했어요. 쓰라이브 캐피털이 주도했고, 기존 투자자인 알파벳·GV에 더해 테마섹·CapitalG 같은 곳이 새로 들어왔죠. 이 돈은 IsoDDE 개발·확장과 치료제 파이프라인의 임상 진입, 인재 채용에 쓴다고 해요.

목표도 분명해요. 허사비스 CEO가 2026년 1월 다보스(세계경제포럼)에서 “첫 AI 설계 신약을 2026년 말까지 임상시험에 진입시키겠다”고 밝혔어요. AI가 설계한 약을 사람한테 처음 시험해보는 단계로 가겠다는 거죠.

다만 이 일정은 원래 2025년 목표였다가 약 1년 늦춰진 거예요(로이터 보도). 그래도 바이오텍 기준으로는 여전히 빠른 속도라는 평가가 따라붙어요. 빨라지긴 했지만 ’예정대로 착착’은 아니라는 거, 이 정도 균형은 잡고 보는 게 맞아요.

설계’에서 ’진짜 약’까지, 뭐가 남았을까요

여기서 가장 중요한 얘기를 할게요. 이 글의 균형추예요.

AI가 약을 잘 설계해도, 그게 곧 약이 되는 건 아니에요. 새 치료제 하나가 시장에 나오기까지는 흔히 10년 이상이 걸리고, 통상 수십억 달러가 들어가요. 게다가 임상에 들어간 후보가 최종 승인까지 가는 확률은 약 10%에 그쳐요. 거꾸로 말하면 10개 중 9개는 중간에 실패한다는 뜻이에요.

숫자를 늘어놓고 보니 이렇게 정리돼요. AI는 설계 단계의 정밀도를 높여서 저 성공 확률을 조금이라도 올리려는 시도예요. 확률을 보장해주는 게 아니라요. AI한테도 사각지대가 있어요. 막단백질이나 새로운 화학형 같은 영역, 예상 못 한 부작용 가능성은 여전히 남아 있거든요.

그래서 업계에서 자주 나오는 말이 있어요. “AI는 도구이지 보증수표가 아니다(AI is a tool, not a guarantee).” 실험 검증이 최종 심판이고, 전문가의 판단과 협업이 필수라는 거죠. 저도 이 주제를 파보면서, ’임상 진입’이라는 말에 너무 들뜨지 말아야겠다고 느꼈어요. 그건 끝이 아니라 가장 긴 검증의 시작이거든요.

물론 실제로 빨라지고 있다는 증거도 있어요. 인실리코 메디슨이 생성형 AI로 발굴·설계한 ’렌토서팁’이라는 후보물질이 있는데, 폐섬유증 치료를 노려요. 이 약의 임상 2상 결과가 2026년 6월 3일 권위 있는 학술지 ’Nature Medicine’에 실렸어요(71명 환자 대상). 동료심사를 거친 첫 AI 설계 약물 사례로 거론되죠. 같은 회사는 타깃 발굴부터 임상 2상 승인까지를 18개월로 줄인 사례로도 소개돼요.

K바이오의 진짜 과제는 ’모델’이 아니라 ’데이터’예요

마지막으로 비전문가 입장에서 가장 의외였던 포인트 하나요. ’AI 신약개발 = 모델만 좋으면 끝’이 아니더라고요.

세계 AI 기반 신약개발 시장은 연평균 40.5%씩 성장해서 2026년에 약 16조원(118억 달러) 규모로 추정돼요. 시장이 이렇게 큰데, 정작 한국 바이오의 발목을 잡는 건 데이터예요. 생성형 바이오 AI가 제대로 성능을 내려면 최소 수십억 건의 고품질 데이터를 학습해야 하거든요.

문제는 공개된 데이터가 ‘성공한 결과물’ 위주로 편향돼 있다는 점이에요. 그래서 해법으로 거론되는 게 ’서랍 속 실패 데이터’예요. 실패한 화합물 반응·독성 데이터를 모으는 거죠. 글로벌 사례인 ’멜로디(MELLODDY) 프로젝트’는 2,100만 개가 넘는 화합물 라이브러리와 26억 개의 실험 데이터를 활용했어요.

정리하면, AI 신약개발은 ’누가 더 똑똑한 모델을 가졌나’보다 ‘누가 양질의 데이터를 쥐었나’ 싸움에 가까워요. 모델은 공개되는데, 데이터는 회사마다 다르니까요. 이게 한국 바이오가 풀어야 할 숙제예요.

---

깅글렛 한줄평

💬 ’AI가 신약을 설계한다’는 헤드라인은 사실이에요. 다만 그 약이 우리 손에 오기까지는 10년·수십억 달러·90% 실패율이라는 긴 검증이 남아 있어요. AI는 그 길을 빠르게 해주는 도구이지, 결승선이 아니라는 걸 기억하면 뉴스가 훨씬 차분하게 읽혀요.

---

마무리

오늘은 BIO USA 개막을 계기로 AI 신약개발이 어디까지 왔는지 정리해봤어요. 알파폴드가 ’부품’이라면, 아이소모픽 랩스의 IsoDDE는 ’진짜 약 설계’로 한 발 더 나간 시도라고 보면 돼요.

다음 글에선 또 다른 AI·테크 흐름을 쉽게 풀어서 찾아올게요.

---

※ 본 글은 2026년 6월 기준 공개된 정보를 바탕으로 정리한 산업·과학 해설이에요. 특정 종목·기업에 대한 투자 권유나 매수·매도 의견이 아니에요. ※ 임상·연구 일정과 수치는 추후 변경될 수 있어요. 셀트리온·SK바이오팜 등 기업명은 ’산업 흐름 사례’로만 언급했어요.