인공지능이 암과 모든 질병을 치료할 것이라는 약속은 여전히 결정적인 실질적 성과와 거리가 있지만, 생명공학 스타트업 Vivodyne은 핵심 장애물이 컴퓨팅 능력 부족이 아니라 인간 조직이 어떻게 작동하는지에 관한 적절한 데이터 부족이라고 본다. 이에 따라 이 회사는 HIVE라는 이름의 표준화된 로봇 실험실을 개발했으며, 인간 신체의 복잡성을 더 잘 이해하는 모델을 훈련하는 데 사용할 수 있는 인과적 생물학 데이터를 생산하는 것을 목표로 한다.
회사에 따르면 HIVE 실험실은 20종의 인간 조직을 배양한 뒤 자동으로 다양한 용량에 노출하고 그 반응을 관찰할 수 있다. 핵심 아이디어는 특정 시점의 세포나 단백질 상태를 관찰하는 데서 벗어나, 특정 자극이 이후의 생물학적 변화를 일으킬 때 어떤 일이 벌어지는지 추적하는 것이다.
인공지능 모델과 인간 생물학 사이의 간극
현재 신약 발견 연구에 사용되는 데이터의 상당 부분은 동물 실험이나 단일 세포 및 단백질 연구에 의존한다. Vivodyne은 특히 여러 생물학적 경로의 상호작용으로 반응이 발생할 때 이러한 자료만으로는 살아 있는 인간 조직의 행동을 항상 충분히 보여주지 못한다고 본다.
회사의 최고경영자이자 공동 창업자인 Andrei Georgescu는 현재 모델이 한 ‘세포 상태’와 다른 상태를 구별하는 법은 배우지만, 두 번째 상태가 염증이나 첫 번째 상태에서의 전환을 유발한 자극의 결과였다는 점까지 반드시 배우는 것은 아니라고 설명했다. 그의 관점에서는 인간 대상 시험이 없기 때문에 모델이 생쥐에서는 성공하지만 인간에게는 적용되지 않는 결과를 내놓을 위험이 있다.
이러한 지적은 인공지능이 암을 치료할 수 있다는 일부 발언이 이용 가능한 증거보다 더 큰 포부를 보이기 시작한 시점에 나왔다. Anthropic의 최고경영자 Dario Amodei는 인공지능으로 암을 치료한다는 말이 신뢰할 만한 전망이라기보다 상투적인 표현에 가까워졌다고 언급했으며, 과거 자신의 글에서도 이 가능성을 다룬 바 있다. 또한 Sam Altman은 인공지능 일반화와 컴퓨팅 투자를 확대하는 이유로 암 치료를 여러 차례 언급했고, Google DeepMind의 Demis Hassabis는 지난해 인공지능이 10년 안에 모든 질병 치료에 도움을 줄 수 있다고 말했다.
현재 결과가 보여주는 것은 무엇인가?
실제 성과는 여전히 제한적이다. 인공지능의 도움으로 설계된 소수의 약물이 인간 대상 시험에 진입했으며, 그중 하나는 3상까지 도달했지만, 이는 신약 승인을 가로막는 근본적인 장애물을 해결하지 못했다. 또한 생명의 기본 구조를 이해하는 데 기여하고 노벨상을 받은 AlphaFold도 이 기사에 따르면 아직 실제로 새로운 약물을 만들어내지는 못했다. AlphaFold를 기반으로 설립된 Isomorphic Labs는 당초 2025년으로 예정했던 첫 시험을 2026년 말까지 시작할 것으로 예상하고 있다.
이 기사는 임상시험에 진입할 만큼 동물실험에서 충분히 성공한 약물 중 약 90%가 이후 인간 사용에 대한 규제 승인을 받지 못한다고 지적한다. Vivodyne은 자사의 조직이 간세포 독성 시험에서 인간 시험과 비교해 94%의 예측 정확도를 기록했으며, 기도 조직은 96%의 사례에서 실제 인간 조직의 행동과 일치했고, 골수는 20종의 서로 다른 화학요법 약물을 대상으로 한 시험에서 완전한 일치율을 보였다고 말한다. 이는 회사가 공개한 수치이며, 광범위한 독립적 검증을 대신할 수는 없다.
Vivodyne은 실제로 무엇을 만들고 있는가?
Vivodyne은 Georgescu가 생명공학 박사 학위를 받은 뒤인 2021년에 펜실베이니아대학교에서 분사했다. 이 기사가 게재되기 전 주에 회사는 샌프란시스코에서 조금 떨어진 곳에 세계 최대라고 부르는 ‘인간 데이터 센터’를 열었다. 회사는 이곳에서 미국에서 수행되는 전체 동물실험의 두 배에 해당하는 실험 속도를 달성한다고 말하지만, 여러 대형 제약회사와 협력하고 있다고 확인했음에도 파트너의 이름은 공개하지 않았다.
직접적인 상업적 목표는 약물 개발자가 임상시험에 수천만 달러를 지출하기 전에 후보물질의 성공 가능성을 추정하도록 돕는 것이다. Georgescu는 이를 자동차 산업의 충돌 시험에 비유한다. 제조업체는 일반적으로 시험 전에 차량이 NHTSA 요건을 충족할지 알고 있지만, 약물 개발자는 FDA 승인을 받지 못할 가능성이 높은 상황에서 더 낮은 확실성으로 임상시험에 들어간다는 것이다.
Vivodyne은 Khosla Ventures가 주도한 두 차례의 펀딩을 통해 8,000만 달러에 조금 못 미치는 금액을 조달했다. 회사는 고객이나 파트너의 이름을 공개하지 않으므로, 이 기사만으로는 플랫폼의 실제 상업적 사용 규모를 평가할 수 없다.
이 주장이 중요한 이유는 무엇인가?
Vivodyne 프로젝트의 중요성은 인공지능에 관한 논의에서 흔히 간과되는 단계를 다루려 한다는 데 있다. 즉 모델의 크기만이 아니라 모델이 학습하는 데이터의 품질이다. 회사는 HIVE 실험실이 다양한 자극에 노출되는 병든 조직의 진행 중인 실험 수십만 건을 추적한다고 말한다. 이는 인과관계에 대한 훈련 데이터를 제공하고, 특정 효과로 이어지는 원인을 제안할 수 있는 모델을 뒷받침할 가능성이 있다.
여러 경로를 겨냥하는 복합 치료제를 개발할 때 이러한 유형의 데이터는 더욱 중요해질 수 있다. Georgescu는 가능한 조합의 수가 빠르게 늘어나고 있어 무작위적인 실험 방식으로는 탐색할 수 없다고 본다. 그러나 이 기사는 Vivodyne이 암 치료에 근접했다는 증거를 제시하지 않는다. 대신 인간 데이터의 개선이 신약 발견에서 보다 현실적인 진전을 이루기 위한 필수 조건일 수 있다는 기술적 베팅을 보여준다.