의료AI 진단기업의 다음 타자, 'AI 신약 개발' 기업 폭발적 성장의 초입에 서다

ChatGPT의 등장은 굉장히 많은 것을 변화시켰습니다. ChatGPT로부터 파생된 AI 서비스들은 각종 이미지를 생성할 수 있게 해준다거나, 정보 수집을 용이하게 해준다거나, 생산성 도구의 성능을 기하급수적으로 증가시켜준다거나, 영상 및 그림 편집을 빠르게 할 수 있게 해주고 있습니다. 이는 비단 외국에서만 일어나는 일은 아니며, 우리나라의 대표적인 검색엔진인 네이버는 앞으로 자체 구축한 AI 모델인 하이퍼클로바X를 통해 검색이나 창작 등에서 AI를 활용한 서비스를 선보일 예정입니다. 누구도 ChatGPT가 세상을 바꾸고 있음을 부정할 수 없을 것입니다.

이는 단순히 우리의 일상생활만을 변화시키고 있는 것은 아닙니다. 산업군에서도 굉장히 빠른 변화가 이곳저곳에서 일어나고 있습니다. 가장 주목할 분야는 바이오입니다. 바이오 섹터에서 AI의 도입은 소위 '인류가 불을 발견했을 때만큼의 결정적 사건'으로 개인적으로 생각하고 있습니다. 제약/바이오는 단계별로 살펴보면 크게 신약 후보물질 발굴, 임상, 각국의 식약처 승인, 진단, 처방 등으로 나눠볼 수 있습니다. 그런데 이러한 단계 대부분에서 현재 AI가 도입되고 있거나 중요 키워드로 부각되고 있는 상황입니다. 다른 산업에서는 공정의 극히 일부에서 AI가 도입되고 있는 반면, 바이오는 거의 전방위적 주기에서 AI가 적극적으로 도입되고 있는 셈이라 파괴적인 성장이 나오고 있다고 해도 과언이 아닙니다.

이러한 제약/바이오 섹터에 AI 도입에 따른 변화를 먼저 반영한 것은 소위 'AI의료' 기업들의 약진이었습니다. 루닛, 뷰노, 제이엘케이로 대표되는 AI의료기업들은 겨우 1년여만에 텐베거 기업들이 여럿 등장하게 되었습니다. AI의료 기업은 제약/바이오의 주기 중 '진단(Diagnosis)'에서 AI를 활용해 정확성을 높여주고, 의료인들의 부담을 덜어주는 서비스를 제공하고 있습니다. 이 중 대장주라고 할 수 있는 루닛은 진단 뿐만 아니라 '임상(Clinical Trial)' 단계에서 AI를 도입한 '루닛 스코프'를 통해 글로벌 빅파마들의 신약 개발 성공 가능성을 높여주는 서비스의 가치를 인정받으면서 폭발적으로 성장해나갔습니다.

'각국의 식약처 승인'에서도 AI 서비스를 인정하는 범위가 넓어지고 있습니다. 우리나라 식약처에서도 혁신의료기기 및 신기술유예평가 등으로 AI 서비스에 수가를 이전보다 넓게 인정하고 있는 추세입니다. 미국에서는 이미 활성화된 혁신의료기기에 AI 서비스가 다수 등재되고 있으며, 우리나라의 뷰노가 런칭한 AI 딥카스 서비스도 미국에서 혁신의료기기로 등재되었습니다.

'신약 후보물질 발굴'에도 AI 서비스가 활용되고 있습니다. 오늘 이야기할 내용은 바로 이 AI 도입에 따른 '신약 후보물질 발굴(AI 신약 개발)'입니다. 현재는 AI의료처럼 투자자들에게 많이 거론되고 있는 것은 아니지만, 추후 AI 의료의 길을 충분히 따라갈 수 있는 모멘텀을 다수 보유했다고 생각됩니다. 왜 AI 신약 개발이 폭발적인 성장을 보이고 있는지, 또 앞으로 그런 미래가 펼쳐질 수밖에 없는 지를 이번 포스팅에서 두서없이 제 생각을 말씀드려볼까 합니다.

일반적으로 신약 개발의 과정은 약 15년이라는 엄청난 시간을 필요로 합니다. 성공률도 굉장히 극악의 확률을 자랑하는데, 약 5,000개에서 10,000개의 후보물질 중에서 겨우 1개만이 최종 신약개발으로 승인되어 판매되고 있습니다. 얼마나 신약 개발이 어려운 지를 보여주고 있는 것이라 생각됩니다. 그러다보니 신약들의 무려 75%가 신약 설계 및 임상 대상자 확보, 임상 비용 등의 개발 단계에서의 시행착오에 의해 개발비를 충당하지 못하고 있는 상황입니다. 시판에 겨우겨우 성공하더라도 특허가 만료되면 바이오시밀러의 투입으로 인해 수익성이 악화되기도 합니다.

개발비를 충당하지 못하고 바이오시밀러의 침투로 인해 수익성이 악화된다는 것은 결국 제약사들의 리스크가 커진다는 것을 의미합니다. 거액을 투자해서 운 좋게 신약개발에 성공하면 엄청난 자금을 끌어들일 수 있겠지만, 반대로 생각하면 대부분의 경우에서는 회사의 존립을 위협하는 상황까지도 처할 수 있다는 것입니다. 이렇듯 제약사들의 위험 요인을 줄일 수 있는 서비스를 제공한다면, 제약사들은 큰 비용을 지불해서라도 해당 서비스를 이용할 것입니다. 의료AI의 루닛 스코프가 임상단계에서 제약사들의 리스크를 줄여줄 수 있는 '게임체인져'로 불리는 까닭입니다.

이전에는 신약개발자가 신약개발 대상 질병을 정한 후 관련 논문 4~500개를 직접 일일이 필터링해 후보물질 탐색했습니다. 그런데 Densen P(2011)에 따르면 디지털 데이터는 73일마다 2배씩 증가합니다. 사실상 신약개발자는 해당 의료 데이터나 논문이 나오는 동시에 바로바로 알기 어렵다는 것입니다. 따라서 전통적인 방법은 신약개발에 있어서 신약개발자가 생각하기에 될 것 같은, 소위 '촉'에 크게 의존할 수밖에 없습니다.

그런데 신약 개발 전 단계에서 AI를 도입하면 리스크를 줄일 수 있는 또다른 방안이 마련됩니다. 즉, AI가 한번에 100만 건 이상의 논문 탐색하고 100억 개의 화학물 탐색하기에, 신약개발자 수 십명이 1~5년 동안 할 일을 하루만에 완료할 수 있게 됩니다. 나아가 화합물 구조의 정보와 생체 내 결합능력을 계산해서 신약으로 개발될 가능성이 높은 후보 물질 제시하고 대상 질병과 관련성이 높은 임상 대상 환자군 모색하며, 유전체 변이와 약물의 상호작용 예측해 임상 실험 디자인을 설계하는 데에 큰 도움이 될 수 있습니다.

이렇듯 AI를 활용한 신약개발은 전통적인 신약개발 기간과 비교하여 약 5년 정도의 기간을 절감하는 효과가 있습니다. AI를 활용한 신약개발은 단순히 이론에 불과한 내용이 아닙니다. 이미 해외에서는 AI 신약개발 기업의 신약개발이 보편화되었습니다.

AI가 만든 치료제 첫 임상2상 - 매일경제 약물 후보물질 발굴해 설계만성 폐질환자 60명 모집성공땐 개발비용 절감 효과 매일경제

영국의 베네볼런드社는 AI를 활용해 코로나19 치료제 개발 단서를 제공했고, 화이자는 AI를 활용해 코로나19 유행지역 예측과 임상시험 분석으로 백신 개발을 10.8개월로 단축 한 바 있으며, 인실리코메디슨은 AI로 섬유증 치료제 후보물질을 46일 만에 겨우 2억 원 안팎의 돈을 사용하여 개발해 현재 임상2상에 도입해있기도 합니다. 기존 방식으로 신약후보 물질을 발굴하는 데에 시간으로는 약 5년과 금액적으로는 수 백만 달러가 소요되는 것과 비교하면 AI는 이러한 시간과 비용을 크게 절감시켜주는 셈입니다.

이미 글로벌에서는 AI 신약 개발을 위한 기업 간 합종연횡과 연구개발이 매우 활발하게 진행되고 있습니다. 엔비디아는 AI 신약 개발 플랫폼을 개발하고 있는 '리커전 파마슈티컬스(Recursion pharmaceuticals)'에 5,000만 달러(600억)를 투자해 지분을 일부 취득하였습니다. 리커전은 AI 모델을 통해 발굴하고 설계한 신약과 치료법을 ‘리커전 OS’ 플랫폼을 통해 의약품 제조업체에 제공하는 기업입니다. 앞으로 리커전은 엔비디아의 신약 개발용 AI 클라우드 서비스 '바이오니모(BioNemo)' 활용하여 자사가 보유하고 있는 23,000 테라바이트의 생물 및 화학 데이터세트를 활용해 바이오니모에서 AI 모델을 학습할 예정입니다.

딥마인드 알파폴드 中

구글의 자회사인 딥마인드는 2020년 단백질 모양을 예측할 수 있는 기술을 공개하고, 21년에는 단백질 3D 구조를 예측할 수 있는 '알파폴드'를 출시하기도 했습니다. 해당 모델에서는 인간이 가진 단백질 2만여 가지 중 98.5%가 포함되었습니다. 이어서 22년 7월에는 알파폴드 데이터베이스(DB)에 신약 개발을 촉진할 수 있는 단백질 예측 모델 2억 1,400만 개를 보유하고 있다고 밝혔는데, 이는 지구상 알려진 거의 모든 단백질의 구조를 예측할 수 있게 됐다는 의미입니다. 알파폴드를 통해 정확한 단백질 구조를 예측하여 연구자들이 질병에 대한 치료법을 찾을 수 있게 됩니다.

페이스북(메타)도 AI를 활용해 단백질 구조를 예측하는 컴퓨터 프로그램 ‘ESM폴드’를 공개하기도 했습니다. 메타의 ESM폴드는 몇 개의 글자와 단어만으로 문서를 예측하는 대규모 언어모델(LLM)을 활용해 단백질 구조 예측을 하는데, 이는 ChatGPT와 비슷한 기술을 활용하였다고 월스트리트저널은 밝혔습니다. ESM폴드는 이제까지 알려지지 않은 박테리아나 바이러스, 기타 미생물의 단백질 약 6억 1,700만 개 이상을 예측하기도 했고, 올해 3월에는 단백질 구조 617만 개를 모델화하기도 했습니다.

마이크로소프트의 창업자인 빌 게이츠는 20년에 AI 신약 개발 및 플랫폼 업체인 '슈로딩거(SDGR)'에 투자하기도 했습니다. 슈로딩거는 자체 구축한 AI 개발 플랫폼을 통해 굉장히 많은 파이프라인을 파트너와 함께 개발하고 있기도 하고, 독자적인 파이프라인을 운영하고 있기도 합니다. 슈로딩거는 현재 아직까지도 적자인 상태이긴 하나, AI 플랫폼(software)과 AI 신약 개발(Discovery) 평균 매출이 매우 빠르게 증가하고 있는 상황입니다. 1Q20에 AI 플랫폼과 AI 신약 개발 평균 매출은 각각 18M과 4.8M였는데, 3년만에 슈로딩거는 AI 플랫폼과 AI 신약 개발 평균 매출을 각각 33.7M과 15.6M을 기록할 정도로 높은 성장률을 보여주고 있습니다.

이름만 들어도 모두가 아는 글로벌 빅테크 기업들이 이러한 AI 신약 개발에 뛰어들고 있다는 것은 그만큼 AI 신약 개발이 돈이 된다는 것을 의미할 것입니다. 물론 AI 자체가 신약을 완벽하게 개발할 수 있다는 장밋빛 전망만을 들여놓는 것은 경계할 필요가 있겠지만, 슈로딩거처럼 엄청난 성장률이 '실제로' 나오고 있다는 점에 주목할 필요가 있어보입니다. 아래 자료에 따르면 AI 신약 개발의 장기평균 성장률이 약 45%에 달한다는데, 슈로딩거의 AI 신약 개발 매출액이 3년만에 3배 성장했음을 감안했을 때 전혀 불가능한 장밋빛 전망이라고 치부하긴 어려운 것 같습니다. 의료AI처럼 높은 성장률이, 아니 오히려 더 큰 수치의 성장률이 몇몇 기업에서 실제로 숫자로 찍혀나오고 있는 것입니다.

각국의 정부정책도 AI 신약 개발에 강력하게 드라이브하고 있습니다. 미국 NIH(국립보건원)와 NIDA(국립약물남용연구소)는 '약물사용장애 관련 신약개발을 위한 AI 기능 활용 프로젝트'에 약 200만 달러를 지원해 AI 플랫폼 개발을 추진했습니다. 일본은 의약품을 AI 개발 6대 중점 영역 중 하나로 선정하고 제약기업과 AI기업의 신약개발 매칭 연구를 지원하고 있으며, 캐나다는 ‘공공 영역 신약 개발을 위한 AI’, ‘즉각적인 팬데믹 대응을 위한 AI’ 기반 프로젝트 등을 진행했습니다.

유럽은 'EU-Mellody(EU-멜로디; Machine Learning Ledger Orchestration for Drug Discovery)'를 시행하면서 블록체인을 기반으로 AI 신약 후보물질 발굴을 지원했습니다. 해당 사업은 19년부터 22년까지 3년간 약 1,840만 유로를 투자하여 진행되었는데, 연합학습을 통해 AI 모델의 예측 성능을 향상시키는 데에 목적이 있었습니다. 연합학습은 빅데이터를 한곳으로 모을 필요 없이 여러 곳에 분산하여 저장해 직접 공유하지 않고 학습시킬 수 있는 방법입니다.

제약기업들의 데이터는 곧 영업기밀과 동의어이기에, 이러한 데이터를 공개하는 것을 매우 꺼려하는 것이 AI 데이터 학습에 큰 걸림돌이었습니다. 그러나 EU-멜로디 사업에서 정부가 AI 데이터 학습을 위해 민간과 협력하여 사기업은 데이터 유출의 걱정 없이 자사의 AI 데이터 학습을 원활하게 이룰 수 있었습니다. 1,000만 개 이상 화합물의 실험데이터를 통해 연합학습 플랫폼을 구축했고, 이를 통해 연합학습한 모델은 (연합학습하지 않은) 독립된 개별 기관 모델보다 약 10%의 성능 향상을 보여주기도 했습니다.

우리나라도 AI 신약 개발에 각종 정책적 드라이브를 걸고 있는 상황입니다. 보건복지부는 2023년에 AI 신약개발 분야 융합인재 양성을 위해 ‘AI 신약개발 교육 및 홍보 사업’과 ‘인공지능 등 첨단·융복합 특화교육 프로그램’을 운영하고 있습니다. AI 신약개발과 정밀의료에 적극 활용될 ‘국가 통합 바이오 빅데이터 구축사업’은 범부처 사업으로 100만 명 규모의 임상정보, 유전체 데이터, 공공데이터, 개인보유건강정보를 내년에 통합 구축할 계획입니다.

현재(2023-08월)에는 ‘AI신약개발 데이터 경진대회’를 개최하고 있기도 하고, 11월에는 인공지능 신약개발 분야의 연구성과와 최신 AI 기술을 공유하는 ‘2023 AI Pharma Korea Conference’를 개최할 계획입니다. 이외에 내년부터는 EU-멜로디 사업을 롤모델로 하는 K-멜로디 사업을 통해 민-관, 산학연 협력 AI 신약개발 공동연구 및 생태계 조성을 구축하려 노력하고 있습니다.

사기업의 합종연횡이 끊임 없이 이뤄짐과 동시에 각국의 정부가 강력하게 정책적으로 드라이브하고 있는 AI 신약개발은 분명 의료AI와 같이 엄청난 기회가 열리고 있는 장으로 봐도 무방할 것입니다. 이에 투자자라면 바이오 섹터의 투자 여건 등을 우선적으로 살펴봄과 동시에 AI 신약 개발 밸류체인도 관심있게 지켜볼 필요가 있어보입니다.

바이오 섹터의 투자 여건과 AI 신약 개발 밸류체인에 관해

최근 2차전지 관련주들의 급등이 눈에 띄었습니다. (사실 몇 달간 계속 생각했지만 현실로 이뤄지지 않고 있기는 한데..) 2차전지에 쏠렸던 유동성의 NEXT 장세를 생각해볼 시점이라 생각됩니다.

2차전지에서 쏠렸던 막대한 유동성을 받아줄 수 있는 섹터는 크게 반도체와 해상풍력(+화장품 및 의료기기), 그리고 바이오 정도로 생각됩니다. 그러나 반도체와 해상풍력은 최근 물가가 잡힐 기새가 보이지 않아 금리가 한번 더 튈 가능성이 제기되고 있는만큼 시장 자금이 대규모로 들어가기는 어려워보입니다. 그렇다면 막대한 유동성을 받아줄 섹터는 제약바이오가 유일하다고 판단됩니다.

바이오는 우리나라 증시를 이야기할 때에 빠질 수 없는 섹터군 중 하나입니다. 셀트리온, 신라젠, 한미약품, 티슈진, 헬릭스미스, 신풍제약 등 제약바이오 섹터는 지금의 2차전지 섹터처럼 과거 우리나라 증시에서 급등하기 시작하면 FOMO를 일으켰던 전통적인 산업군입니다. 2차전지에 쏠렸던 유동성의 NEXT 장세로서 전통적인 FOMO의 대표주자였던 제약바이오가 하나의 유력한 후보로 보입니다. 이미 몇몇 제약바이오 기업(+의료기기)는 급등한 바 있으며, 바이오 섹터의 붐을 알리는 신호탄이 아니었나 생각됩니다.

역사적으로 보면 제약바이오의 붐은 크게 3번 발생했습니다. 제약바이오 비중이 급등했던 시기를 살펴보면, 15년 한미發 / 17년 셀트리온 및 신라젠發 / 20년 코로나19發로 제약바이오의 좋았습니다. 시장은 대부분 새로운 아이템에 열광하는 경향이 있습니다. 제약바이오 섹터에 바람이 불 때, 매번 주도주를 맡았던 기업은 이전까지는 화두로 제시되지 않았던 아이템이 주도주로 올라섰던 경험이 있습니다. 15년도에는 L/O이, 17년도에는 바이오시밀러가, 20년도에는 코로나19 치료제가 부각되었습니다. 2023년인 현재까지도 제약바이오 섹터가 쉬고 있는데, 이제부터는 AI 신기술發이라는 새로운 아이템을 장착하며 다시금 제약바이오 섹터에 화색이 돌 수 있지 않을까 싶습니다. AI의료 기업들이 올 상반기에 좋은 흐름을 보여주었던 것도 이러한 트렌드의 변화를 가장 먼저 반영한 게 아닌가 싶습니다.

다시 AI 신약 개발 밸류체인으로 돌아와보겠습니다. 개인적으로는 AI 신약 개발 업체가 의료AI 기업 대비 느리게 시장에서 반영하는 까닭은 크게 ① 의료AI 업체 대비 AI 신약 기업들의 매출 구현 시점이 느리고, ② 일반인들도 바로 이해하기 쉽지 않다는 점, ③ 뚜렷한 섹터로 묶이기에 애매했다는 점에 기인한다고 생각됩니다.

그러나 ① 하반기에 각종 파이프라인들의 임상 데이터가 공개되거나 L/O 시점이 다가오고 있으며, ② K-멜로디 프로젝트나 각종 AI 신약 개발 경진대회 등 정부에서 강력하게 드라이브하고 있어 관심 가지는 투자자들이 늘어날 것이며, ③ 파로스아이바이오와 온코크로스(비상장)의 상장으로 AI 신약 섹터로 묶일 수 있을 정도의 기업군이 완성되었다는 점에서 해당 할인 요인을 해소될 것으로 보입니다.

- 보로노이는 현재 AI 신약 개발 밸류체인에서 가장 높은 시가총액을 자랑하고 있는 대장격 기업입니다. 자체 개발한 AI 플랫폼인 보로노믹스는 4,000여개의 Kinase Profiling 데이터베이스와 55만 개 이상의 실험데이터에 컴퓨터 분자 모델링 기술을 이용하여 목표 타깃과 결합력이 높은 물질을 선별해 신물질 합성을 진행하는데, AI 모델의 뛰어난 성능 덕분에 굉장히 빠른 시일 내에 각종 L/O을 진행하였으며 다양한 파이프라인을 보유하고 있는 놀라운 기업입니다.

최근 유상증자를 진행하였는데, 대표이사가 배정된 물량 중 일부만을 참여하는 바이오텍의 전례와는 다르게 100% 유상증자에 참여하면서 얼마나 해당 AI 플랫폼에 자신이 있는 지를 증명하고 있는 기업입니다. 올 하반기에는 세계폐암학회(IASLC WCLC 2023)에서 비소세포폐암 치료제인 ‘VRN11’의 전임상 데이터를 발표할 예정이며, 지난 6월 28일 식품의약품안전처에 VRN11 1상 임상시험계획(IND) 승인을 신청한만큼 임상이 곧 시작될 수 있으리라 보입니다. 나아가 20년에 오릭 파마슈티컬스로 L/O된 ‘ORIC-114(VRN07)’도 올해 하반기에 임상 1상 데이터 발표를 앞둔 만큼 여러 모멘텀이 상존해있는 것으로 판단됩니다.

- 신테카바이오는 일반적인 AI 신약 개발 회사들과는 다르게 AI를 자체적인 인하우스 파이프라인 개발 용도로 활용하기보다는, AI 알고리즘을 통해 슈로딩거와 같이 타사에 신약후보물질 발굴 서비스를 제공하는 것이 주업입니다. 물론 아예 L/O을 하지 않는 것은 아니라서 동사의 알고리즘 개선 과정에서 발견한 후보물질 중 우선순위가 높은 물질에 동물실험(전임상과정)을 진행하고 있으며, (아토피, 건선, 피부관련 면역질환, 자가면혁질환 등 약 40개 후보물질 ), 내년부터는 하나씩 L/O가 가시화될 수 있을 것으로 기대됩니다.

AI와 슈퍼컴퓨팅 기술을 활용하여 후보물질을 도출하는 Deepmatcher 플랫폼은 22년에 국내외에 구독 형식으로 유효물질 스크리닝 서비스 ‘STB CLOUD’를 런칭한 바 있습니다. 해당 플랫폼이 런칭된 이후에 JP모건 컨퍼런스, 바이오EU, 바이오USA와 같은 컨퍼런스에서 비즈니스 미팅을 한 결과 올해 6월부터는 타켓 헬스社와의 MOU 체결 등 가시적인 성과가 발생하고 있습니다. 이외에도 프로탁社, 메타클립스社, 인도업체, 유럽 백신 업체 등 다양한 협업 소식이 앞으로 전해질 예정입니다. 이에 회사 IR도 올해가 동사의 상업화의 원년(뷰노의 21년 하반기의 상황, Best-case의 경우 24년도에 고정비 커버)이라고 보고 있습니다.

향후 DeepMatcher 선도물질 서비스와 개인 맞춤 신생항원 스크리닝 서비스(Neo-ARS)도 클라우드 서비스 탑재를 준비하고 있으며, 총 3,000대에 달하는 슈퍼컴퓨터를 올해 하반기까지 10,000대로 확장할 계획을 가지고 있습니다. 이외에도 21년 11월에 발행된 오버행 250억 원의 물량 중 현재 130억 정도가 주식으로 전환되어 소화가 된 상황이고, 대표이사가 콜업션으로 약 75억 원까지 행사할 계획으로 오버행은 이제부터 큰 이슈가 아니라 생각됩니다.

- 파로스아이바이오는 최근 상장한 따끈따끈한 공모주입니다. 보로노이의 경우에는 AI를 통해 후보물질을 발견하고 임상 이전에 글로벌 제약사에 L/O 하고 있지만, 동사는 자체 개발 인하우스 파이프라인 중 임상 단계에 있는 국내 유일한 상장사입니다. 보로노이나 신테카가 자체 보유 파이프라인이 임상 단계에 없는 것을 감안하면 프리미엄을 줄 수도 있을 것으로 보입니다. Chemiverse라는 AI 플랫폼에서 타깃 단백질 3차원 구조 3,829개(항암 287개)과 화합물 빅데이터 62억 개를 통해 후보물질을 발굴하고 있습니다.

자체적인 파이프라인인 PHI-101과 PHI-501은 FDA 희귀의약품에 지정되었으며, PHI-101의 경우에는 25년에 조건부판매가 예상되는 등 25년에 흑자전환이 예상됩니다. 재발성 및 불응성 급성 골수병 백혈병 치료제 PHI-101이 최근 식약처로부터 치료목적으로 사용이 승인되기도 했으며, 최근에는 엔비디아의 스타트업 프로젝트인 '인셉션'에 참여해 바이오니모를 활용하는 등 엔비디아와 협업하고 있는 등 가시적인 성과가 서서히 나타나고 있습니다.

- 온코크로스(비상장)는 21년에 상장을 추진했다가 철회하고 2년만인 23년에 상장을 재추진하고 있는 AI 신약 개발 업체입니다. 위 국내 임상단계 AI 신약개발 파이프라인을 보면 알 수 있듯, 동사는 파로스바이오와 함께 다양한 자체 인하우스 파이프라인을 보유하고 있으며, 국내에서 유일하게 임상 2상 진입을 앞둔 파이프라인이라는 점에서 추후 상장되면 주목할 필요가 있다 판단됩니다.

의료AI기업은 ChatGPT의 등장과 함께 가히 파괴적인 주가상승률을 보여주었습니다. 최근 폭등한만큼 지금까지 보여주었던 폭발적인 성장 이상을 보여주기까지는 시간이 필요할 것으로 보입니다. 반면 AI 신약 개발기업은 3월 경의 의료AI 기업처럼 폭발적인 성장의 기로에 놓여있는 것으로 보입니다. 하반기부터 각종 정책적 드라이브와 함께 임상 데이터 공개나 L/O 소식, 글로벌 빅파마와의 MoU 체결 소식이 들려올 것으로 전망됩니다. 바이오 산업에 서서히 파란 신호가 켜져있는 이 때에 'AI 신약 개발기업'만큼 관심을 가져두면 좋은 자산이 될 것으로 보입니다. 감사합니다.