brunch
매거진 인공지능사관학교 6기

INSILICO MEDICINE에 대하여

AI 신약 개발 회사

by 최신글
Aug 6. 2025


목차

1. 자신이 흥미있는 AI 기반 서비스 1개 선정
2. PEST 분석
3. 3C 분석 프레임워크
4. SWOT 분석
5. 결론



1. 자신이 흥미있는 AI 기반 서비스 1개 선정

2.png Insilico Medicine 홈페이지 발췌
Insilico Medicine
분야: AI 기반 신약 개발 플랫폼
선정 이유: 최근 신약 개발 관련 뉴스를 본 적이 있었다. 과학이 발달해도 제도와 정책의 어려움으로 신약개발이 9년마다 절반으로 줄어든다는 이야기. 그 문제를 AI가 해결할 수 있다는 생각에 Insilico Medicine에 대해 알아보고자 생각이 들었다. ( 참고 : https://www.hankyung.com/article/202412057393i )



2. PEST 분석

정치 (Politics)

미국과 유럽에서 AI 신약 관련 명확한 제출 기준이 없다는 변동성은 위협이 된다
그와 반대로, 중국에서는 공격적 투자와 엄격한 임상 시험 기준을 도입했다고 한다
- 그래서 Insilico Meidicine의 본사가 홍콩에 있는 걸까?


경제 (Economy)

2017년 , 시드 자금 : 약 114억 KRW
2023년 , 총 투자 규모는 약 8500억 KRW
막대한 투자금액에도 여전한 순손실 구조로 추정
다만, AI 기반 신약 개발 시장은 연평균 30% 이상 성장 중
미국과 중국이 최대 투자국


사회 (Society)

환자들은 더 빠르고 저렴하며, 개인 맞춤형 치료에 대한 기대 증가 중
희귀질환, 암, 노화 관련 질환은 기존 치료제 부족으로 사회적 수요가 높은 분야
그러나, "AI가 설계한 약"에 대한 불신 또는 안전성 우려도 존재함


기술 (Technology)

1.png Insilico Medicine 홈페이지 발췌 : 17개 정도 되는 AI 모델로 보이는 항목들이 있다.
2개의 AI 모델 : PandaOmics (질병 타겟 예측) , Chemistry42 (신약 후보 분자 생성)
GAN, 강화학습, 딥러닝 등 최신 기술을 통합하여 신약 설계 전 과정을 자동화
기존 신약 개발보다 시간 70% 단축, 비용 90% 절감 가능한 구조를 지향함



3. 3C 분석 프레임워크


Customer (고객)

글로벌 제약사: 신약 개발 시간 및 비용 절감 요구
바이오 벤처: 후보물질 도출 역량 부족
연구소 및 임상 CRO ( Contract Research Oraganization ) 업체: 정밀한 타겟 발굴과 전임상 후보물질 필요


Company (자사)

PandaOmics: 질병 타겟 발굴용 AI
→ Transformer 기반 Knowledge Graph + 멀티모달 DL 모델 + LLM

Chemistry42: 신약 후보 물질 설계용 AI
→ Generative AI (GAN/VAE) + 강화학습 + 물리 기반 모델



Competitor (경쟁사)

기업명 : LabGenius
주요 강점 : 생물학적 분자 설계
기술 활용 방식 : 진화 알고리즘 기반 항체 디자인 + 로봇 실험 자동화
기업명 : BenevolentAI
주요 강점 : 질병 원인 분석
기술 활용 방식 : 지식그래프 기반 논문·데이터 분석 → 타겟 발굴
기업명 : Exscientia
주요 강점 : 전체 개발 사이클 AI 통합
기술 활용 방식 : 디자인-합성-실험-학습(DMTL) 자동화 플랫폼 구축
→ Insilico Medicine은 Exscientia와 가장 유사하나, 자체 플랫폼 통합성과 실제 임상 진입 사례 측면에서 기술 신뢰도가 더 높음.
→ Exscientia는 Recursion과 합병했다. ( 참고 : https://www.exscientia.com/ )




4. SWOT 분석

강점 (Strengths)

AI가 설계한 약물이 임상 2상 진입한 사례 보유
엔드-투-엔드 AI 플랫폼 보유 (PandaOmics + Chemistry42)
글로벌 제약사 및 CRO와 협력 확대


약점 (Weaknesses)

높은 초기 개발 비용 및 연구 인력 확보 부담
→ AI 시스템 및 임상 준비에 필요한 자금이 수백억원 단위
AI 설계 결과의 ‘설명 가능성’ 한계
→ 왜 그 구조가 효과적인지 명확히 설명되지 않으면 규제 통과 어려움
규제기관 승인까지의 불확실성
→ FDA, EMA 등에서 AI 기반 후보물질의 승인 기준이 지속 변화 중


기회 (Opportunities)

AI 기술 및 연산 능력의 지속 발전
희귀질환 및 고령화로 인한 만성질환 수요 급증
글로벌 시장 확대 및 IPO 진행 예정 (홍콩 증시)


위협 (Threats)

경쟁사 기술 고도화
→ 지속적인 AI 모델 개발
AI 기반 신약 설계에 대한 사회적 불신 존재
→ 환자 및 의료계의 신뢰 확보 필요
글로벌 규제 및 윤리 기준 강화 추세
→ 환자 데이터 사용, AI 의사결정 투명성 등에서 법적 이슈 가능성



5. 결론

미국과 유럽에서의 제도 불안정성은 위협으로 다가오지만,
기업 특유의 끈기로 해결 방안을 모색하는 한편,
건강에 대한 지속적인 수요를 AI를 활용하여 빠르고, 싸게 대응한다



keyword
최신글 직업 에세이스트 프로필

최신글의 브런치입니다.

구독자 8
매거진의 이전글2025년 6월 6일 : 같이 놀자