후보 찾고 공정 예측까지…AI, 제약 연구소·공장 바꾼다

• 창간기획 ③신약개발·생산공정 전반에 AI 확산
• 셀트 피지컬 AI·삼성바이오 디지털트윈·SK바사 ADO 등 적용 확대
• 신약 후보 발굴부터 공정 예측·품질관리까지…AI, 생산성·경쟁력 갈라

[데일리팜=차지현 기자] 제약바이오업계에서 인공지능(AI)은 더 이상 미래 기술이 아니라 실제 업무 현장에 적용되는 도구로 자리잡고 있다. 국내 기업들은 연구소와 생산 라인에서 AI를 활용해 업무 혁신에 속도를 내고 있다. 후보물질 발굴과 실험설계, 임상 데이터 분석 등 신약개발 초기 단계부터 공정개발, 품질관리, 스마트팩토리 구축에 이르기까지 AI가 산업 핵심 밸류체인으로 파고드는 모습이다.

스마트 공장으로 간 AI…공정 예측·자동화 적용 활발

제약바이오 기업의 AI 활용 사례를 보면 적용 범위는 크게 ▲신약개발 ▲생산·공정 ▲전사 업무 자동화로 나뉜다. 생산 현장에서는 가상 공간에 실제 공장을 똑같이 구현해 시뮬레이션하는 디지털 트윈과 사람의 손길을 배제해 수율을 극대화하는 초자동화 그리고 로봇 기술과 결합한 피지컬 AI가 제조 혁신을 이끌고 있다.

셀트리온은 생산 현장에서 AI 도입 계획을 가장 구체화한 기업으로 손꼽힌다. 셀트리온은 최근 신약개발·제조·사무 등 3대 주요 업무 영역에 AI를 도입한다고 발표했다. AI 전환(AX·AI Transformation)을 통해 반복업무를 자동화하고 본질적인 업무에 집중함으로써 글로벌 경쟁력 강화에 속도를 낸다는 목표다.

셀트리온은 제조 부문에서 신설 공장을 중심으로 피지컬 AI 기반 스마트팩토리 구축을 추진한다. 송도에 건설 예정인 신규 원료의약품 4·5공장에 자율이송로봇, 자동화 물류창고, 지능형 로봇팔과 협동로봇, 제조관리 소프트웨어 등을 도입해 공장 자동화 수준을 높일 계획이다. 우선 정형화된 작업부터 자동화하고 이후 고부가가치 판단 업무까지 AI 적용 범위를 넓혀 생산 효율성을 극대화한다는 구상이다. 장기적으로는 기술 성숙도에 따라 휴머노이드 투입을 통한 비정형 고난도 업무의 무인화도 검토 중이다.

삼성바이오로직스는 본격 가동에 돌입한 바이오의약품 생산 5공장의 바이오리액터(세포 배양 탱크)에 컴퓨터 활용 유체 흐름 예측 시스템인 'CFD(전산 유체 역학)'를 통합한 디지털 트윈 기술을 접목했다. 세포 배양 환경은 최종 의약품의 품질을 좌우하는 핵심 변수다. 앞서 4공장 바이오리액터에 적용해 검증한 결과 CFD 모델의 예측값이 실제 공정 데이터와 통계적으로 95%의 유의미한 동등성을 나타냈다. 실시간 가상 시뮬레이션을 통해 세포배양 결과를 예측하고 발생 가능한 위험에 선제 대응함으로써 생산 공정 시나리오 설계와 최적의 수율 조건을 도출하고 있다.

삼성바이오로직스는 디지털트윈 기술을 생산 현장에 접목한 대표 사례다. 디지털트윈은 실제 생산 설비와 공정을 가상공간에 그대로 구현해 공정 조건 변화가 품질과 수율에 어떤 영향을 미칠지 사전에 예측하는 기술이다. 이 회사는 바이오의약품 생산 공정에 디지털트윈을 도입해 바이오리액터 내부의 유체 흐름, 산소 전달, 세포 분포, 혼합 상태 등을 시뮬레이션하고 있다.

이를 이용하면 제조 전 단계에서 배양 환경과 세포 성장, 대사물질 변화, 최종 수율 등을 미리 예측할 수 있다. 실제 생산 중에는 표준 배치와 다른 이상 흐름을 조기에 감지해 배치 실패 가능성을 낮추고 제품 품질의 일관성을 유지하는 데도 활용할 수 있다. 삼성바이오로직스는 이를 통해 기술이전 속도를 높이고 생산공정의 예측 가능성과 운영 효율성을 강화한다는 설명이다.

종근당 자율형 공장 구축 사업 발대식

전통 제약사 중에서는 종근당이 천안공장과 동일한 쌍둥이 공장을 가상 환경에 그대로 구현한 메타버스 팩토리를 도입해 운영 중이다. 메타버스 팩토리는 AI와 빅데이터, 자동화 시스템을 활용해 실제 공장 설비와 생산 공정을 디지털 공간에 재현한 통합 가상 플랫폼이다. AR·VR·XR 장비와 메타버스 솔루션을 활용하면 작업자가 현장에 직접 가지 않아도 실제 생산현장과 유사한 환경에서 공정 흐름, 설비 구조, 품질관리 과정을 확인하고 시뮬레이션할 수 있다. 이로써 생산공정 이해도를 높이고 교육·점검·공정관리 효율을 개선할 수 있다는 점이 장점으로 꼽힌다.

나아가 종근당은 천안공장에 AI 관제시스템을 도입, 자율형 공장 구축에도 속도를 내고 있다. 새로 구축하는 AI 관제시스템에는 이미지와 영상 등 다양한 데이터를 동시에 이해하고 추론하는 초거대언어모델(MLLM)이 적용된다. 기존 분산돼 있던 관제시스템을 하나로 통합하고 AI·디지털트윈 기반으로 실시간 관제와 분석, 예측 기능을 강화하는 방식이다.이를 통해 인적 오류와 설비 다운타임, 품질 이슈를 줄이고 교대근무 환경에서도 일관된 품질을 유지할 수 있을 것이라는 기대다.

유유제약 AI 스마트팩토리

제조 전 공정 자동화를 통해 생산 효율과 품질 균일성을 높인 기업도 많다. 유유제약은 생산 현장 자동화와 AI 기반 업무혁신을 동시에 추진하고 있다. 유유제약은 생산공정 로봇 도입과 AI 업무 효율화, 태양광 발전설비 구축, 원가 절감 등 4개 태스크포스(TF)를 중심으로 제천 공장 체질 개선에 나섰다.

이 회사는 최근 자동건조기 도입으로 1배치당 36시간 걸리던 공정을 17시간으로 약 53% 단축했고 포장 공정에도 로봇을 배치해 생산 효율을 높였다. AI 도입 업무 효율화 TF는 생산·품질 데이터 대시보드, 표시자재·도안 정밀 비교, GMP·법규 문서 검색 및 해석, 설비 매뉴얼 트러블슈팅 등 현장 업무에 바로 활용할 수 있는 도구도 개발했다. 단순 반복 업무를 AI가 처리하면서 업무 정체 구간을 줄이고 구조적 오류를 검출해 품질과 안전 리스크를 낮추겠다는 아이디어다.

HK이노엔이 1000억원을 투입해 완공한 오송 수액 신공장은 전자동화 스마트 공장이다. 이 공장은 수액 조제, 충전, 밀봉, 멸균, 포장에 이르는 전 공정을 자동화해 사람 손이 닿는 작업을 최소화했다. 공장 내에서는 무인 운반 차량이 원자재와 완제품을 이동시키고 이물 검수 등 일부 공정에만 전문 인력이 투입된다.

SK바이오텍 세종공장 역시 원료의약품 생산에서 연속공정과 자동화 품질관리 체계를 갖췄다. SK바이오텍은 저온 연속 설비를 활용해 원료를 하나의 긴 파이프라인에 흘려보내는 방식으로 제품을 생산한다. 각 공정의 온도, 압력, 체류시간을 일정하게 유지해 품질과 수율의 편차를 줄일 수 있다는 점이 특징이다. QC동에서는 원료와 완제품의 품질 검증, 제조 환경 모니터링, 밸리데이션 작업이 이뤄지고 자동화 시스템을 통해 온도와 습도 등 품질관리 전 과정을 통제한다. 연속공정과 자동화 품질관리를 결합하면서 원료의약품 생산 안정성과 효율성을 높이는 구조다.

신약개발 AI 경쟁…후보물질 발굴과 실험설계 고도화

실험실에서도 AI를 활용한 R&D 체계 변화가 본격화하고 있다. 신약개발 영역에서는 후보물질 발굴과 타깃 탐색, 실험설계 최적화를 겨냥한 AI 도입이 활발하다. 주요 제약바이오 기업이 AI 전담 조직을 신설하거나 기존 연구조직 내 데이터·AI 기능을 확대하면서 AI가 연구자의 보조 도구를 넘어 R&D 전략의 한 축으로 자리잡는 추세다.

SK바이오팜은 국내 제약바이오 기업 가운데 AI 신약개발을 가장 적극적으로 추진하는 대표 기업으로 거론된다. SK바이오팜은 AI 신약개발 플랫폼을 차세대 성장 전략의 핵심으로 삼고 있다. 이 회사는 지난 2018년부터 AI 신약개발 연구를 시작했고 20여년간 축적한 R&D 노하우를 바탕으로 저분자화합물 기반 신약후보물질 발굴에 특화한 AI 플랫폼 '허블'을 출시했다.

SK바이오팜 R&D 조직 변동 현황

SK바이오팜 내 AI 신약개발의 높아진 위상은 R&D 조직 개편에서도 확인된다. SK바이오팜은 AI를 별도 조직으로 격상하며 신약개발 전반에서 디지털 역량을 핵심 경쟁력으로 끌어올리고 있다. 2021년 SK바이오팜 R&D 조직은 신약연구소, 항암연구소, 신약개발사업부, R&D혁신본부 등 전통적인 기능 중심 구조였다. 당시에는 후보물질 발굴과 개발을 부서별로 나눠 수행하는 형태였고 AI나 데이터 조직은 별도 축으로 드러나지 않았다.

반면 현재 SK바이오팜은 R&D 조직을 신약연구부문 전략&DT본부, 디스커버리본부, 전임상개발본부, AI/DT 센터 등으로 재편했다. AI/DT 센터 산하에는 AI 디스커버리팀, AI 트랜스포메이션팀, AI 파이오니어팀이 있다. AI 디스커버리팀은 AI 기반 신약 후보물질 발굴과 타깃 탐색을 맡고 AI 트랜스포메이션팀은 R&D와 사업 전반의 데이터 기반 의사결정 체계 구축을 담당한다. AI 파이오니어팀은 전사적 AI 활용 전략을 수립하고 연구·개발·경영 전반으로 AI 적용을 확산시키는 역할을 한다.

SK바이오사이언스는 백신 R&D 과정에 AI 기반 실험설계 최적화 시스템을 도입했다. 이 회사가 구축한 'ADO'(AI based Design space Optimization)는 백신 공정 실험설계 과정에서 AI가 데이터를 분석하고 성공 가능성이 높은 조건을 예측하는 시스템이다. 연구원이 직접 판단하기 어려운 다양한 공정 변수를 AI가 사전에 분석해 예측 가능한 범위로 좁히고 불필요한 반복 실험을 줄여 최적 조건을 빠르게 도출한다.

이를 통해 SK바이오사이언스는 백신 개발 기간과 연구비용을 줄이고 공정 설계 성공 가능성을 높일 수 있을 것으로 내다봤다. SK바이오사이언스는 세균 백신 단백접합 개발 공정에 ADO를 적용한 결과 실험설계 기간을 3분의 1 수준으로 단축할 수 있는 가능성을 확인했다. 향후 단백접합 백신뿐 아니라 다양한 실험과 생산 공정으로 적용 범위를 넓혀 생산 기간 단축과 백신 수율 향상에도 활용한다는 계획이다.

셀트리온 연구개발 조직도

셀트리온 역시 AI 조직을 강화하며 신약개발 R&D 구조를 재편한 바 있다. 셀트리온은 지난해 기존 신약연구본부 중심 조직에 AI Boot Camp를 새롭게 추가하고, 생물정보학(BI)과 AI 기반으로 신약 타깃 발굴, 후보물질 최적화, 데이터 분석 지원 기능을 강화했다. AI Boot Camp는 박사급 3명, 석사급 9명, 학사급 1명 등 총 13명 규모로 구성됐으며 이상준 셀트리온 사장이 데이터사이언스연구소장과 AI Boot Camp장을 겸직 중이다. AI를 연구 현장에 즉각 투입할 수 있는 실무 조직으로 구축해 신약개발 전반의 데이터 기반 연구 역량을 높이려는 전략으로 풀이된다.

삼진제약도 전통적인 합성·제제 중심 연구조직에 AI 기능을 추가하며 R&D 체질 전환에 나섰다. 2021년 삼진제약 R&D 조직은 의약합성연구실, 제제연구실, 분석연구실 등 기능 중심 조직이 주를 이뤘지만 현재는 신약 AI 모델을 개발하고 빅데이터를 분석하는 AI 신약개발팀을 신설해 운영 중이다. 기존 합성신약 중심 연구에 AI 기반 후보물질 탐색 기능을 더하며 초기 연구 효율을 높이려는 움직임으로 해석된다.

바이오 기업의 AI 기반 후보물질 발굴 시도도 눈에 띈다. HK이노엔은 AI·분자동역학 기반 신약 설계 플랫폼을 활용해 차세대 비만치료제 후보물질 발굴에 나섰다. HK이노엔은 지난 4월 아토매트릭스와 공동 R&D 계약을 체결하고 인크레틴 계열 비만치료제 한계를 보완할 수 있는 비인크레틴 계열 저분자 후보물질 발굴을 추진하고 있다. HK이노엔은 신약 합성과 생물학적 평가를 맡고 아토매트릭스는 AI·분자동역학 기반 플랫폼 '캔디'를 활용해 후보물질 설계와 선별을 담당한다. 초기 단계부터 표적 단백질과 후보물질의 결합 안정성, 약효 반응을 분석해 개발 기간과 비용을 줄이겠다는 구상이다.

오스코텍은 연구소 내 플랫폼 기술 전담 조직인 '기반기술팀'을 신설하고 항내성항암제 플랫폼 구축을 본격화했다. 암세포가 기존 항암제에 내성을 갖게 되는 과정을 실시간으로 관찰하고 AI 기반 단일세포 이미지 분석을 통해 항내성 타깃을 찾아내는 고속·고내용 검색 시스템을 확립하는 것이 핵심이다. 오스코텍은 현재 임상 1상 중인 EP2/EP4 이중 저해제 후보물질 'OCT-598'을 포함해 4개 항내성 파이프라인을 개발 중이다. 오스코텍은 기반기술팀을 중심으로 암 내성 기전에 특화된 신규 타깃을 발굴하고 치료 내성 억제를 겨냥한 병용요법 개발로 확장한다는 전략이다.

대형 국책과제와 외부 협력 등을 통해 AI 신약개발 역량을 축적하는 움직임도 나타난다. GC녹십자 계열 목암생명과학연구소는 아주대학교의료원, 아주대학교 콰트로 정밀의약 연구원과 AI 기반 신약개발 협력 체계를 구축하고 있다. 임상기관이 보유한 의료 데이터와 목암연구소의 AI 연구 역량을 결합해 후보물질 발굴과 정밀의약 기반 신약개발 성과를 내겠다는 구상이다. HLB생명과학R&D는 보건복지부의 22억원 규모 구조기반 AI 저분자 신약후보물질 발굴 과제에 공동 연구기관으로 참여, AI 기반 항암제 후보물질의 약효평가와 동물실험 등 비임상 검증을 맡았다.

업계에서는 AI 활용이 제약바이오 기업의 R&D 생산성과 제조 경쟁력을 가르는 핵심 변수로 부상하고 있다는 평가가 나온다. 

과거 AI가 문서 작성이나 정보 검색 등 개인 업무 효율화 도구에 가까웠다면 이제는 신약개발과 공정개발, 품질관리 등 기업의 핵심 업무 체계를 바꾸는 기반 기술로 쓰이고 있다는 시각이다. 다만 신약개발과 의약품 제조는 모두 높은 검증 책임과 규제 대응이 요구되는 영역인 만큼 AI가 제시한 결과를 실제 의사결정에 반영하기 위한 데이터 품질 관리와 보안, 검증 체계 구축이 향후 과제로 꼽힌다.