Claude로 신약 개발을 앞당기기 위한 초기 성과

AI 요약

Anthropic은 신약 개발의 병목이 분자 설계에만 있지 않다고 보고, 표적 발굴과 후보물질 최적화부터 제조, 규제 문서 작성, 임상시험 계획까지 Claude를 활용하는 방식을 시험하고 있습니다. 최근 몇 달간 6개 조직과 협력했고, 희귀 소아 근이영양증을 포함한 자체 연구도 시작했습니다. 공개한 결과 대부분은 초기 단계이며 사람 대상 임상시험 결과는 아직 없습니다.

협력 사례

Generate Biomedicines는 고형암에도 적용할 CAR T 세포 치료를 목표로 유전 지시 서열을 줄이는 설계를 시험했습니다. 과학자 6명이 Claude Code로 제안한 설계 중 하나는 기존 서열보다 약 70% 짧았습니다. 실험에서 면역세포가 암세포를 인식하는 수용체를 약 10배 더 만들었고, 종양세포를 더 효율적으로 죽였으며 더 오래 활성 상태를 유지했습니다.

Divergence Labs는 면역세포에 붙은 IgE를 떼어내 식품 알레르기를 치료하려 합니다. Claude는 설계 계획을 세우고 약 한 달 동안 항체 후보 약 3만 5,000개를 만들었습니다. 초기 시험에서 IgE 결합 후보 3개와 IgE를 분리하는 후보 20개를 찾았습니다. 분리 후보 가운데 3개는 표준 약물보다 IgE를 더 많이 떼어내는 것으로 나타났습니다. 다음 단계는 두 기능을 한 약물에 결합하는 일입니다.

BigHat Biosciences는 실험실 데이터 시스템 Reccy에 연결한 Claude로 항체 단편 후보물질 두 개를 개선했습니다. 약 10주 동안 변형체 1,010개를 만들고 시험했습니다. 팀은 표준 열 안정성 및 응집 지표가 실제 성능을 제대로 나타내지 않을 수 있다고 보고 원자료를 다시 분석했습니다. 새 지표와 시험 절차를 적용한 뒤 주요 예측이 맞는지 확인했습니다. 최적 후보는 원래 물질보다 표적에 10배 이상 강하게 결합했고, 암 표적 후보는 용액 상태를 유지하는 온도가 18도 높았습니다. 장기 지속형 약물 후보는 응집 속도가 100배 이상 느렸습니다.

Enveda는 제조 문서를 Claude에 연결해 문제를 표시하는 시스템을 만들었습니다. 문서 1,061쪽을 검토한 시험에서 사람 검토자가 찾은 11개 문제를 모두 표시했고, 사람은 발견하지 못한 7개도 추가로 표시했습니다. 사람의 검토 시간은 25시간 이상에서 3시간 미만으로 89% 줄었습니다. 규제 문서 두 건의 초안 작성에도 Claude를 사용했습니다. 한 문서는 수작업으로 약 3개월 걸리던 작업을 4시간 만에 초안으로 만들었습니다. 다른 문서에서는 통상적인 사람 검토 과정에서 사소한 오류 하나가 발견됐습니다.

임상 개발과 자체 연구

Bristol Myers Squibb는 초기 임상시험 계획을 분석하고 성공 가능성을 추정하는 데 Claude를 사용합니다. 한 번의 프롬프트로 개발 선택지를 검토할 초기 분석을 만들어 기존에는 며칠 걸릴 작업을 줄였다고 밝혔습니다. 양사는 2027년에 적용 범위를 넓혀 초기 개발 성공률을 높일 가능성을 살펴볼 계획입니다.

The Column Group은 Claude를 활용해 다수의 복잡한 신약 개발 프로그램을 운영할 회사 Pleiades를 세우고 있습니다. 초기 Claude 도구는 45개 표적·질환 조합을 평가했습니다. Anthropic은 근이영양증 치료제를 개발하던 1인 기업 Mithril Medicine도 인수했습니다. 설립자 Cody Tranbarger는 Claude로 계약과 실험, 외부 연구소 11곳과의 업무를 조정했습니다. 한 근이영양증 후보는 아이디어에서 생쥐 실험의 유망한 결과까지 18개월이 걸렸습니다. 연구가 계속 진전되면 빠르면 2028년 말 사람 대상 임상시험을 시작할 후보가 나올 것으로 Anthropic은 예상합니다.

다음 단계

Anthropic은 생명과학 연구 도구 Claude Science와 연구자 대상 크레딧을 제공하고, 생명과학 검증 프로그램을 통해 검증된 조직이 더 완화된 안전장치로 강력한 모델을 쓰도록 지원합니다. 회사는 더 많은 조직과 협력하고 임상 단계까지 Claude의 역할을 넓히겠다고 밝혔습니다.

Hacker News 반응

• @adamredwoods — 치료제가 없는 희귀 질환을 앓고 있습니다. Claude가 우리에게 어떤 도움을 줄지 보고 싶지만 실제로 얼마나 진전을 이룰지는 조심스럽습니다. 생쥐 모델에도 시간이 걸리고 임상시험은 느립니다. 이 단계에서 대부분의 바이오 기업이 돈을 잃을 것 같습니다.
  • @adamredwoods — Claude가 개선할 후보 분자를 몇 개 찾아도 실제 개발에는 수백만 달러가 들고, 현실의 임상시험에서 실패할 가능성도 큽니다.
• @enraged_camel — 응용과학에서는 실험실 실험, 임상시험, 규제 절차를 거쳐야 해결됐다고 말할 수 있어 검증 주기가 훨씬 깁니다. 순차 단계가 느리니 병렬화가 크게 늘어날 것 같습니다. 규제 체계가 따라갈 수 있을지는 모르겠습니다.
  • @slashdave — 왜 병렬화가 늘어날까요? AI 문제가 아니라 산업 문제입니다. 간단했다면 이미 그렇게 했을 겁니다.
• @inglor_cz — 문서화된 절차에서 문제를 찾는다는 Enveda 사례가 뜻밖이지만 흥미롭습니다. 문서를 사람이 정확하고 오류 없이 생산할 역량을 문서의 양이 넘어서는 것이 우리 문명의 문제 가운데 하나입니다.
• @gonzalohm — 많은 도움이 실제로는 서류 작업을 채우는 일이라는 점이 재미있습니다. 그게 병목이라면 AI로 문서를 작성하고 다시 AI로 읽게 하기보다 절차상의 관료주의를 다시 생각해야 합니다.
  • @klustregrif — 규제 문서는 단순히 내용을 복사해 붙이는 일이 아닙니다. 문서를 만들고 검토하는 데 지능이 많이 들어갑니다. AI 편집과 검토로 여러 사람이 순차적으로 하던 수정을 함께 처리하면 시간을 줄일 가능성은 있습니다.
• @orthogonal_cube — 새 의약품과 질병 치료 연구를 앞당기는 일은 사람의 삶에 긍정적인 영향을 줄 수 있습니다. 다만 더 많은 기업과 통합해야 한다는 문구는 자기 홍보처럼 들립니다. 조심스러운 낙관이 적절합니다.
  • @EA-3167 — 후보물질을 내놓는 일이 이미 쉬운 부분이고, 후보물질의 90%가 실패하는 임상시험 통과가 더 어렵습니다.
  • @azan_ — 성공률이 높은 후보물질을 찾는 일이 실제로 어려운 부분입니다.
• @daemonk — 관료 업무와 개발 파이프라인을 도우면 과학자의 시간과 노력을 아낄 수 있습니다. 하지만 생물학에서 AI의 궁극적인 병목은 지능보다 잘 정리된 폭넓은 데이터일 수 있습니다.
  • @daemonk — 신약 개발을 위한 LEAN 같은 체계를 만들려면 인간 생리학을 분자 상호작용 수준에서 합리적인 정확도로 시뮬레이션해야 합니다. 지금 데이터는 해상도와 실험 조건이 서로 달라 하나의 전체 모델로 합치기 어렵습니다.
• @gumby — 후보 약물을 내는 일은 전체 과정에서 가장 쉽고 비용이 적게 드는 부분입니다. 후보물질을 조금 개선하거나 실패 가능성이 낮은 화합물을 제안할 수는 있겠지만, 두 작업 모두 어렵습니다.
  • @jghn — 계산상 후보 선별과 사람에게 실제 약을 쓰는 사이에는 긴 과정이 있습니다.
• @rcr-anti — 대학에서 연구자를 돕고 있는데 생물학·화학 연구자들이 Claude를 점점 싫어합니다. 생물학 안전 제한이 갈수록 강해져 최근 몇 달간 유용성이 떨어졌고, 포기한 사람도 많습니다. 검증 프로그램이 있지만 수백 명을 수용할 쉽고 투명한 절차는 아닙니다.

원문: Anthropic / 번역·요약: Trawling