이 기사는 2026년11월16일 07시25분에 팜이데일리 프리미엄 콘텐츠로 선공개 되었습니다.
[이데일리 김지완 기자] “AI가 틀렸다는 것을 AI 스스로는 모르기 때문입니다.”
박웅양 지니너스 대표 겸 삼성서울병원 교수는 지난 9일 서울 송파구 문정동 본사에서 진행한 인터뷰에서 AI 신약개발에 실험검증을 결합한 이유를 이렇게 설명했다. AI가 유망하다고 골라낸 타깃도 실제 암세포에서는 기대와 다른 결과를 낼 수 있다. 무엇이 맞고 틀렸는지 실험으로 확인하고, 그 결과를 다시 학습해야 다음 예측이 나아질 수 있다는 얘기다.
|
지니너스(389030)가 추진하는 ‘AI 피드백 루프’ 핵심이다. 환자 데이터로 타깃을 찾고, 실험실에서 검증한 결과를 다시 AI에 반영한다. AI 피드백 루프는 실험검증(데이터×인공지능×실험실) 재학습 구조다.
박 대표는 “문헌과 공공 데이터로만 학습한 AI는 그럴듯한 타깃을 무한히 제안하지만, 그중 무엇이 실제 환자 세포에서 작동하는지 알 길이 없다”며 “정답을 알려주는 유일한 방법은 실험이고, 그 실험 결과가 다시 AI로 돌아가야 AI가 ‘진화’한다”고 말했다.
“약을 설계하기 전에, 어디를 공격할지 정한다”
지니너스의 AI 신약개발 플랫폼 ‘인텔리빌’은 암세포의 어떤 단백질을 공격할지 고르는 타깃 발굴에 집중한다. 약물의 분자구조를 설계하기에 앞서 치료 효과와 안전성을 좌우할 표적부터 찾는 것이다.
박 대표는 “지니너스 AI는 ‘물질’을 설계하는 AI가 아니라 ‘어디를 때릴지’를 정하는 AI”라고 설명했다.
표적을 잘못 고르면 항체가 잘 달라붙어도 소용이 없다. 해당 단백질이 암세포에 충분히 존재하지 않으면 효과가 제한되고, 정상세포에도 있다면 정상 조직까지 공격할 위험이 생긴다.
인텔리빌은 실제 치료에 반응한 환자와 반응하지 않은 환자의 조직을 비교해 타깃을 찾는다. 여기에 공간오믹스로 세포 위치 정보를 더한다. 특정 단백질이 암세포에서 나타나는지, 그 옆 정상세포에서 나타나는지 구분해 조직 전체의 평균값에 가려진 차이를 읽어낸다.
박 대표는 “인텔리빌은 종양·정상세포 구분 정확도를 79%에서 98%로 높여 타깃 선정의 출발점에서 오류를 줄였다”며 “치료 반응을 구별하는 예측 성능 지표인 AUC도 0.756에서 0.924로 개선됐다”고 말했다.
두 수치는 각각 공격할 세포를 정확히 구분하는 능력과 치료에 반응할 환자를 가려내는 능력을 보여준다.
박 대표는 “사람에서 작동할 확률이 높은 타깃을 처음부터 고르는 것”이라며 “타깃이 맞으면 이후 단계의 실패와 재시도가 줄어드니 전체 개발 기간이 짧아진다”고 강조했다.
실패도 학습자료…“검증 결과가 AI로 돌아와야”
AI가 타깃을 골랐다면 다음은 실험실 차례다. 해당 타깃에 결합하는 항체를 확보하고, 실제 세포에서 기대한 기능이 나타나는지 확인한다. 지니너스는 이 결과를 다음 예측에 활용하도록 AI와 실험실을 연결하고 있다.
환자 데이터를 생산하고, AI가 타깃을 예측하고, 실험실이 검증한 뒤 그 결과를 다시 학습하는 순서다. 성공한 결과뿐 아니라 기대에 미치지 못한 결과도 학습자료가 된다.
박 대표는 “보통은 예측은 AI 회사가 하고 검증은 제약사가 한다”며 “그 결과, 실패한 데이터가 AI 회사로 돌아오지 않는다”고 지적했다. 이어 “예측과 검증이 분리돼 있으면 AI가 자신의 판단을 수정하는 데 필요한 정보를 충분히 얻지 못할 수 있다”고 덧붙였다.
지니너스는 병원 공동연구를 통한 데이터 생산부터 AI 분석, 항체 검증까지 연결해 이 같은 단절을 없앴다. 분석 과정에서 생긴 질문을 실험에 반영하고, 실험에서 확인한 문제를 다시 분석하는 방식이다.
그는 “지니너스는 AI와 실험실이 한 회사에 같이 존재하기 때문에 빠르고 효율적으로 필요한 답을 얻을 수 있다”며 구조적 차이를 강조했다.
“같은 데이터로 출발해도, 1년 뒤 AI는 달라진다”
박 대표는 “폐쇄·진화형 AI 모델 개념은 보편적”이라며 “차별성은 개념이 아니라 루프를 무엇으로, 얼마나 빨리 돌리느냐에 있다”고 말했다.
그가 꼽은 경쟁력은 치료 반응이 연결된 환자 데이터다. 암세포의 특성만 알아서는 부족하다. 어떤 약을 썼고, 누구에게 효과가 있었으며, 누구에게 내성이 생겼는지까지 알아야 다음 공격 지점을 찾을 수 있다는 설명이다.
박 대표는 “치료 반응이 붙은 환자 조직을 세포·위치 단위로 직접 생산한 데이터는 돈으로 사거나 다운로드할 수 없다”며 “설립 후부터 지속된 병원 공동연구의 결과”라고 강조했다.
검증에도 실제 환자에게서 얻은 암세포를 활용한다. 자체 실험실에서 환자유래세포를 대상으로 항체의 결합과 기능을 평가한다. 환자 데이터에서 발견한 타깃이 환자 유래 암세포에서도 유효한지 확인하고, 그 결과를 다시 AI에 학습시키는 것이다.
또 다른 경쟁력은 이 과정을 반복하는 속도다. AI가 아무리 빠르게 타깃을 제안해도 실험이 뒤따르지 않으면 예측만 쌓인다. 지니너스는 데이터 생산과 AI 분석, 실험검증을 내부에서 연결해 다음 판단에 필요한 근거를 신속하게 확보하겠다는 전략이다.
그는 “경쟁사가 따라오기 어려운 것은 알고리즘이 아니라 ‘정답이 붙은 데이터’와 ‘정답을 빨리 만드는 속도’”라며 “같은 데이터로 시작해도 루프를 10번 도는 회사와 2번 도는 회사의 AI는 1년 뒤 전혀 다르다”고 강조했다.
지니너스는 동물실험 결과로 인텔리빌 실력을 입증할 계획이다. 지니너스는 4개의 유방암 신규 타깃을 발굴했다. 현재는 각 타깃에 대한 항체를 확보·선별하며 결합·기능·작용기전을 검증하고 있다.
박 대표는 “이 타깃이 유효한지는 결국 동물실험과 임상으로 증명해야 한다”며 “인텔리빌이 찾은 유방암 신규타깃이 유효한가에 대한 답은 내년 상반기 동물실험 결과로 말하겠다”고 자신감을 내비쳤다.




![논란의 조작기소특검, ‘호남·50대·與 지지층'만 과반 찬성 [여론 뒤집기]](https://image.edaily.co.kr/images/vision/files/NP/S/2026/11/PS26111101133t.jpg)
