시뮬레이션스 플러스(Simulations Plus)의 주가가 28% 급등했다. 이는 엔비디아(NVIDIA)와의 기술 협업 발표가 원인이었다. 두 회사는 약물 개발 모델링 애플리케이션을 위해 GPU 가속 시뮬레이션과 AI 보조 워크플로를 공동으로 개발하기로 합의했다.
2026년 5월 6일, 인베스팅닷컴의 보도에 따르면, 이번 협업은 시뮬레이션스 플러스의 검증된 과학 엔진들—생리학적 기반 약동학(PBPK), 약동학/약력학(PK/PD), 정량적 시스템 약리학(QSP)—과 엔비디아의 AI 인프라를 결합해 시뮬레이션 주기 단축, 매개변수 탐색 가속화, 가상 인구 연구의 처리 속도 향상을 목표로 한다.
엔비디아는 고급 컴퓨팅 인프라와 가속 추론(accelerated inference) 및 GPU-네이티브 최적화에 대한 전문성을 제공해 시뮬레이션 성능을 향상시키고, 인터랙티브한 AI 보조 워크플로를 가능하게 할 계획이다. 또한 엔비디아는 생명과학 생태계에 대한 접근권도 제공한다. 여기에는 엔비디아의 BioNeMo 플랫폼과 제약사로 구성된 글로벌 네트워크가 포함된다.
이번 협업의 중점 분야는 세 가지다. 첫째, QSP와 PK/PD 애플리케이션에 대한 GPU 최적화 시뮬레이션 기능 개발. 둘째, 모델 구성과 매개변수 적합(parameter fitting)을 지원하기 위한 AI 보조 접근법 적용. 셋째, 정량적 시스템 약리학 워크플로의 고도화다. 현재 테스트 결과는 엔드투엔드 QSP 모델링에 필요한 시간을 최대 75%까지 단축할 수 있음을 시사한다고 회사는 밝혔다.
“지난 30년간 시뮬레이션스 플러스는 제약 및 바이오테크 조직들이 약물 개발 전반에 걸쳐 자신 있게 모델링과 시뮬레이션을 적용하도록 도왔다. 엔비디아와의 협업은 검증된 과학, 가속화된 컴퓨팅, AI 역량을 결합해 과학 팀들이 탐구하고 달성할 수 있는 범위를 확장한다.”
샤운 오코너(Shawn O’Connor) 시뮬레이션스 플러스 최고경영자(CEO)는 위와 같이 밝혔다. 양사는 실제 약물 개발 워크플로에서 이러한 기능을 평가하기 위해 선택된 제약 파트너들과 협력할 계획이며, 초기에는 고난이도 모델링 사례에 우선적으로 초점을 맞출 예정이다.
용어 설명 및 배경
일반 독자를 위해 핵심 용어를 간단히 설명한다. 생리학적 기반 약동학(PBPK)은 인체의 생리학적 구조와 약물의 흡수·분포·대사·배설(ADME)을 모델로 표현해 약물 농도 변화를 예측하는 방법이다. PK/PD는 약물의 체내 농도 변화(약동학, PK)와 그에 따른 약효·독성 등의 약리학적 반응(PD)을 연계해 분석하는 분야다. 정량적 시스템 약리학(QSP)은 생체 내 복잡한 생물학적 네트워크와 약물 반응을 수리적·컴퓨터 모델로 통합해 약물 작용 기전과 치료 반응을 예측하는 접근법이다. 이들 기법은 신약 개발 과정에서 후보물질의 효능과 안전성을 예측하고 임상시험 설계를 최적화하는 데 핵심적 역할을 한다.
GPU 가속은 그래픽 처리 장치(GPU)의 병렬연산 능력을 활용해 대규모 시뮬레이션과 딥러닝 작업을 빠르게 수행하는 기술이다. AI 보조 워크플로는 모델 생성, 파라미터 추정, 시뮬레이션 결과 해석 등에서 인공지능을 활용해 연구자의 작업 효율을 높이고 반복 실험을 자동화한다.
시장 영향 및 향후 전망
이번 발표로 인해 시뮬레이션스 플러스의 주가가 단기간에 큰 폭으로 상승한 것은 시장이 고성능 컴퓨팅과 AI 통합이 제약 개발 효율성에 미치는 영향을 긍정적으로 해석했기 때문이다. GPU 기반 가속화와 AI 보조 기법은 특히 계산 집약적이고 복잡한 QSP 모델링에서 시간과 비용 절감 효과가 크다. 회사가 밝힌 테스트 결과대로 QSP 모델링 시간이 최대 75% 단축된다면, 제약사들은 후보물질 탐색과 임상경로 결정에서 의사결정 속도를 크게 높일 수 있다.
금융시장에서의 추가 파급효과를 분석하면 다음과 같은 점을 고려할 필요가 있다. 첫째, 시뮬레이션스 플러스의 매출 성장 기대는 단기적으로 제약사와의 공동 프로젝트 성과 및 상용화 일정에 따라 좌우될 가능성이 크다. 둘째, 엔비디아의 생명과학 생태계(BioNeMo 등)와의 통합은 시뮬레이션스 플러스 제품의 채택 범위를 넓히는 요인이 될 수 있다. 셋째, 클라우드 기반 GPU 자원과 온프레미스(사내) 인프라 도입 비용, 데이터 보안 규제 준수 등 실무적 장벽이 상용화 속도를 좌우할 것이다.
전문가 관점에서 보면, 이번 협업은 신약 개발의 디지털 전환을 가속화할 수 있는 구조적 계기다. AI와 GPU 가속화 기술이 통합되면 모델 기반 의사결정(model-informed drug development)이 더욱 보편화될 것이며, 이는 임상시험 실패율 감소와 개발 비용 절감으로 이어질 가능성이 있다. 다만 실제 경제적 효과가 주가에 반영되기 위해서는 기술적 검증, 규제 승인·수용, 고객 도입 사례의 축적이 필요하다.
실무적 고려사항
기업과 제약사는 다음 사항들을 실무적으로 고려해야 한다. 첫째, 기존 워크플로와의 통합성: GPU-최적화 모델을 기존 파이프라인에 무리 없이 도입할 수 있는지 평가해야 한다. 둘째, 데이터 표준화 및 품질관리: 시뮬레이션 결과의 신뢰성은 입력 데이터의 품질에 크게 의존하므로 데이터 관리 체계 강화가 선행돼야 한다. 셋째, 규제 대응: 모델 기반 결과가 규제 서류에 활용되는 경우 규제기관(예: FDA, EMA 등)의 가이드라인을 충족해야 한다.
양사가 향후 선택된 제약 파트너와의 실사용 테스트을 통해 초기 사례를 확보하면, 상용화 일정과 매출 전환 가능성이 보다 명확해질 것이다. 이는 투자자들이 향후 실적과 밸류에이션에 대해 재평가하는 계기가 될 수 있다.
기타
이 기사는 AI의 지원으로 생성되었으며 편집자의 검토를 거쳤다. 보도 시점은 2026년 5월 6일 12시 01분 07초이다.
