아마존 웹 서비스(AWS)가 인공지능(AI)을 활용한 신약 발견 지원 도구인 아마존 바이오 디스커버리(Amazon Bio Discovery)를 출시했다. 이 플랫폼은 연구자가 코드를 작성하지 않고도 복잡한 계산 워크플로를 실행해 초기 단계의 신약 후보 물질을 빠르게 설계·평가할 수 있도록 설계되었다.
2026년 4월 14일, 로이터의 보도에 따르면, AWS는 해당 서비스가 생물학적 파운데이션 모델(특수화된 생물학 모델)의 라이브러리에 대한 접근권을 제공한다고 밝혔다. 이 모델들은 잠재적 약물 분자를 생성하고 평가할 수 있으며, 사용자에게 어떤 모델을 선택할지, 매개변수를 어떻게 설정할지, 결과를 어떻게 해석할지 도와주는 AI 에이전트도 포함한다.
AWS는 연구자가 선별한 후보 물질을 합성·시험할 수 있도록 통합된 실험실 파트너로 직접 전송할 수 있으며, 실험 결과는 시스템으로 다시 입력되어 다음 설계 라운드의 방향을 제시한다고 설명했다. 이러한 피드백 루프는 계산 설계→실험 검증→재설계의 순환을 자동화·가속화하는 것을 목표로 한다.
“(기존에는) 300개의 잠재 약물 후보를 만들어내는 데 18개월이 걸렸다. 이제 과학자들은 몇 주 내에 300개의 후보를 신속히 생성할 수 있다,”
라잡 초프라(Rajiv Chopra), AWS의 헬스케어 AI 및 생명과학 부문 부사장이 로이터와의 인터뷰에서 이같이 말했다.
초기 신약 발굴 분야에서 최근 급격히 발전한 약물 발견 모델들은 실험 목표를 기계학습 파이프라인으로 변환할 수 있는 계산생물학자들을 병목 지점으로 만들었다고 초프라는 지적했다. AWS는 이런 병목을 해소하는 것이 목표라고 밝혔다.
AWS는 Bayer, 브로드 연구소(Broad Institute), Voyager Therapeutics 등이 초기 도입자(early adopters)에 포함된다고 밝혔다. 또한 세계 상위 20대 제약사 중 19곳이 이미 AWS 클라우드 서비스를 사용하고 있다고 덧붙였다.
AWS는 메모리얼 슬론 케터링 암 센터(Memorial Sloan Kettering Cancer Center)와의 협업에서 플랫폼이 여러 모델을 활용해 거의 30만 개(약 300,000개)의 새로운 항체 분자를 생성했고, 이를 실험 파트너인 Twist Bioscience가 실험할 후보로 10만 개(약 100,000개)로 압축했다고 밝혔다. AWS는 이로써 통상 수개월이 걸리는 작업을 수주(weeks) 단위로 단축했다고 설명했다.
초프라는 서비스가 과학자와 계약연구기관(CRO, Contract Research Organizations)을 대체하기 위한 것이 아니라 보완(augment)하기 위한 것이라고 밝혔다. 즉, 인간 연구자가 의사결정과 실험설계를 주도하되 AI가 대량 설계·평가와 반복적 계산을 담당함으로써 전체 개발 속도를 높인다는 의미이다.
AWS는 초기 사용을 위해 5개의 실험 단위(experimental units)를 제공하는 무료 체험을 제공한 뒤 구독형 요금제로 전환할 계획이라고 밝혔다. 또한 AWS는 Life Science Symposium에서 Boston Consulting Group(BCG)과 Merck(머크)와의 협력으로 임상시험 사이트 선정(clinical trial site selection)을 개선하는 AI 플랫폼도 공개할 예정이라고 발표했다. 임상시험 사이트 선정은 신약개발 과정에서 흔한 병목 요인으로 알려져 있다.
용어 설명
파운데이션 모델(Foundation Model)은 대규모 데이터로 사전 학습된 AI 모델을 지칭한다. 생물학적 파운데이션 모델은 단백질 구조, 분자 결합, 항체-항원 상호작용 등 생물학적 데이터에 특화되어 있으며, 이를 통해 새로운 분자 구조를 생성하거나 기존 분자의 특성을 예측할 수 있다. AI 에이전트는 사용자의 목적에 맞는 모델 선택, 매개변수 조정, 결과 해석을 자동화해 사용자 경험을 단순화하는 소프트웨어 구성요소다.
계산 워크플로(computational workflow)는 데이터 입력부터 모델 실행, 결과 평가까지의 일련의 자동화된 계산 절차를 말한다. CRO(계약연구기관)는 제약사나 바이오텍의 연구·개발 업무 일부분을 외주로 수행하는 기관을 의미한다.
시장 및 산업에 대한 분석적 고찰
이번 발표는 두 가지 축에서 의미를 갖는다. 첫째, 신약 개발의 초기 비용과 시간을 낮출 잠재력이다. 통상 초기 후보물질 설계·검증 단계는 대규모 컴퓨팅 자원과 반복 실험을 요구해 비용과 시간이 많이 소요된다. AI 기반의 자동 설계·평가와 실험 통합 피드백 루프가 상용화되면, 후보물질 선별 비용이 하향 압력을 받고 개발 기간이 단축될 가능성이 있다. 이는 특히 바이오텍 스타트업이나 중소 제약사에 상대적 경쟁우위를 제공할 수 있다.
둘째, 클라우드 서비스 시장 경쟁
하지만 몇 가지 고려사항도 존재한다. 첫째, AI가 설계한 후보물질의 임상적 유효성 및 안전성은 여전히 실험실 및 임상 시험을 통해 검증돼야 한다. 단기간 내 대규모 비용 절감이나 상업적 성공이 보장되지는 않는다. 둘째, 규제 당국의 승인 절차와 데이터 투명성, 모델의 설명 가능성(explainability) 문제는 실사용을 확장하는 데 중요한 변수로 남아 있다. 마지막으로, 대규모 생물학적 데이터를 다루는 만큼 데이터 프라이버시·보안과 관련한 법적·윤리적 이슈도 관리 대상이다. 금융시장 관점에서는 단기적으로 관련 바이오텍과 시퀀싱·합성 생물학 장비 업체, 클라우드 인프라 제공업체의 투자유치와 밸류에이션 재평가 요인이 될 수 있다. 중장기적으로는 신약 개발 사이클의 단축이 성공적으로 구현될 경우 제약사들의 R&D 비용 구조 변화와 신제품 출시 일정이 조정되며, 이는 제약업체의 수익성 개선으로 이어질 잠재력이 있다. 다만 이러한 변화는 기술의 실사용 확대, 규제 승인, 상업화 성공 여부에 따라 큰 차이를 보일 것이다. 종합 AWS의 아마존 바이오 디스커버리는 초기 신약 발굴 단계에서 AI와 클라우드를 결합해 설계·평가·실험의 통합 워크플로를 가속화하려는 시도다. 이 플랫폼은 연구 효율을 높이고 시간·비용을 단축할 수 있는 잠재력을 지니지만, 임상적 검증·규제 적합성·데이터 관리 측면의 과제도 병존한다. 업계 관찰자들은 이번 출시가 생명과학 분야의 AI 도입 가속화와 클라우드 경쟁 구도의 심화로 이어질 가능성이 크다고 평가한다.
