[KtN 최기형기자]신약 후보물질이 임상 1상에 들어간 뒤 시장에 도달하는 비율은 약 13%에 그친다. 성공한 신규 분자 하나를 시장에 내놓는 데 드는 비용은 2016년 약 25억 달러에서 현재 약 40억 달러 수준으로 높아졌다. 바이오·제약 R&D 지출의 약 70%는 임상 개발 단계에 집중된다. 맥킨지앤드컴퍼니의 2026년 6월 바이오·제약 R&D 분석은 AI 바이오 경쟁의 중심이 더 많은 연구비나 더 강한 모델만으로 결정되지 않는다는 점을 드러낸다. 연구개발 과정에서 만들어지는 데이터가 다음 판단으로 돌아가는 구조가 생산성 격차를 가른다는 분석이다.

한국 바이오 산업은 병원, 임상시험 인프라, 제약·바이오벤처, 디지털 헬스 기업, 반도체·클라우드 기반을 모두 갖고 있다. 그러나 각 자산이 따로 움직이면 AI 신약개발의 성과는 개별 프로젝트에 머문다. 병원 데이터가 환자군 정의와 임상 설계로 이어지고, 후보물질 실험 데이터가 표적 검증과 제조 전략으로 되돌아가며, 임상 운영 데이터가 다음 시험의 모집 전략과 기관 배치에 반영되는 구조가 필요하다. AI 바이오 경쟁의 본질은 자원의 보유가 아니라 자원의 연결 방식에 가깝다.

맥킨지가 제시한 AI 기반 R&D 모델은 환자와 질병 생물학 이해, 약물 표적 발굴과 검증, 후보물질 최적화, 임상시험 설계와 실행, 승인 이후 환자 영향 확대를 하나의 학습 회로로 묶는다. 기존 신약개발은 각 단계를 통과하는 데 무게가 실렸다. AI 기반 구조에서는 임상 결과가 표적 선정과 환자군 정의로 돌아가고, 제조·상업화 단계의 정보가 후보물질 설계와 포트폴리오 판단에 다시 들어간다. 개발 단계마다 생긴 정보가 끝점에 머물지 않고 다음 판단의 입력값으로 바뀌는 방식이다.