Your browser does not support JavaScript!

K-바이오 AI 신약개발: 현황, 사례, 정책과 과제

일반 리포트 2025년 05월 20일
goover

목차

  1. 요약
  2. 최근 AI 신약개발 주요 행사 및 산업 흐름
  3. 국내 주요 제약사 AI 플랫폼 구축 사례
  4. 정부 정책과 민관협력 방안
  5. AI 기술 전주기 활용과 경제성·제도 과제
  6. 도전과제 및 향후 방향
  7. 결론

1. 요약

  • 2025년 5월 기준, 국내 제약·바이오업계는 인공지능(AI)을 활용하여 신약개발 전 과정을 혁신적으로 효율화하고 있으며, 이를 통해 글로벌 경쟁력 강화에 박차를 가하고 있습니다. 최근 'BIO KOREA 2025'와 같은 주요 행사에서는 AI 기반의 후보물질 탐색, 약효 예측 및 경제성 평가와 관련된 다양한 사례가 발표되었습니다. JW중외제약의 ‘JWave’와 대웅제약의 AI 플랫폼 구축은 이러한 혁신의 구체적인 사례로, AI를 통해 신약 후보물질의 비임상 연구와 개발 과정을 통합 지원하고 있습니다. 정부는 '신성장 4.0 민관협의체'와 '제2차 보건의료 AI 혁신전략'을 통해 정책적 지원을 강화하고 있지만, 인력 부족과 데이터 연결성, 제도적 미비 등 해결해야 할 과제가 여전히 존재합니다. 이러한 상황에서 본 리포트는 행사 및 기업 사례, 정부 정책과 과제를 종합적으로 분석하여, 한국의 AI 신약개발이 나아가야 할 방향을 제시합니다.

  • 구체적으로, JW중외제약은 AI 기반의 통합 연구개발 플랫폼을 통해 신약 후보물질의 탐색과 최적화를 강화하고 있으며, 대웅제약은 AI 시스템을 통해 비만 및 당뇨 치료제를 신속히 발굴하는 성과를 이루었습니다. 제약업계 관계자들은 AI 기술의 도입이 경쟁력 강화를 위한 필수적인 과정이라는 공감을 이루며, 한국 제약사들이 글로벌 시장에서의 생존을 위해 AI 신약개발에 적극 참여해야 한다는 인식을 공유하고 있습니다. 이러한 흐름은 AI의 활용이 단순히 혁신적인 기술 도입이 아니라, 국내 제약사들의 연구개발(R&D) 효율성을 극대화하고 구술 수익성을 확보하는 데 중요한 역할을 하고 있다는 점을 시사합니다.

  • 결국, 한국의 바이오 및 제약산업은 AI 기술을 통해 전환기에 접어들고 있으며, 이러한 변화를 활용하지 못하는 기업들은 시장 경쟁에서 도태될 위험이 커지고 있습니다. 따라서 신약 개발에 있어 AI의 적극적 활용은 더 이상 선택이 아닌 필수로 자리잡게 되며, 향후 AI 기술이 통해 신약 개발의 전반적인 사회적 가치 창출로 이어질 것이라는 점을 고려해야 합니다.

2. 최근 AI 신약개발 주요 행사 및 산업 흐름

  • 2-1. BIO KOREA 2025 신규 모달리티 세션

  • 2025년 5월 8일 서울 강남구 코엑스에서 열린 '바이오코리아2025' 신규 모달리티 세션에서는 새로운 치료 접근법(신규 모달리티)을 활용한 신약 개발에 대한 심층적인 논의가 이루어졌습니다. 이 자리에서는 약물전달시스템(DDS)과 경제성 고려의 중요성이 강조되었습니다. 특히, 세포유전자치료제(CGT)와 항체약물접합체(ADC) 분야에서 DDS가 중요한 이슈로 부각되었으며, 그 효과적인 구현 없이 신약 개발의 성공이 어려울 것이라는 전문가들의 의견이 있었습니다. 이러한 기술들은 치료 효과를 극대화하고 부작용을 최소화하는 데 기여할 것으로 기대됩니다. 이와 함께, DDS 기술이 개발되는 다양한 플랫폼들이 소개되었으며, 이는 제약바이오 산업의 지속적 성장을 위한 중요한 요소로 자리매김하고 있습니다.

  • 2-2. AI 신약융합연구 전략 발표

  • 한국제약바이오협회의 표준희 부원장은 2025년 5월 7일 'AI 기반 신약개발 : 실현 가능한 솔루션을 향한 여정' 콘퍼런스에서 AI 신약융합연구 전략을 발표했습니다. 그는 AI 기술이 신약개발 과정에서 필수적인 도구로 자리 잡았으며, AI를 이용한 신약 개발 시장이 연평균 46%의 성장을 기록하고 있다고 소개했습니다. 이러한 배경 속에서 AI 기술은 10년 이상 소요되던 신약 개발 기간을 2~3년으로 단축시킬 수 있는 가능성이 커지고 있으며, 이는 비용 절감 측면에서도 큰 변화를 가져올 것으로 기대됩니다. 표 부원장은 한국 제약사들이 AI에 기반한 경쟁력 있는 생태계를 조성하기 위해 참가자 간의 연계 강화와 인력 양성이 필요하다고 강조했습니다.

  • 2-3. 국내 제약업계 AI 관심도 확산

  • 5월 초, '바이오코리아 2025' 행사에서 제약바이오 업계 관계자들은 AI 신약개발의 중요성에 대한 인식을 공유하며, 글로벌 빅파마들이 AI 기술을 적극적으로 도입하고 있는 가운데 한국 기업들도 뒤처지지 않도록 노력해야 한다고 입을 모았습니다. AI 기술의 발전으로 한국 제약사들은 신약개발의 모든 단계에서 AI를 활용하여 R&D 효율성을 높이고 있으며, 이는 미국과 중국의 경쟁 속에서 생존 전략 중 하나로 여겨지고 있는 상황입니다. 이러한 분위기는 AI 기술 도입에 대한 필요성을 더욱 부각시키고 있으며, 국내 제약사들의 전문성과 기술력이 함께 발전하는 계기가 될 것입니다.

3. 국내 주요 제약사 AI 플랫폼 구축 사례

  • 3-1. JW중외제약 JWave 플랫폼

  • JW중외제약은 2025년 5월 기준으로 AI 기반 연구개발(R&D) 통합 플랫폼인 'JWave'를 운영하고 있습니다. 이 플랫폼은 기존의 빅데이터 기반 약물 탐색 시스템인 '주얼리'와 '클로버'를 통합하여, AI 모델을 활용해 후보 물질 도출부터 전임상 설계까지의 과정을 전면적으로 지원합니다. JW중외제약은 JWave를 통해 신약 후보물질의 비임상 연구 결과를 발표하며, 급성골수성백혈병(AML) 신약 후보물질에 대한 연구를 진행하고 있습니다. 이로 인해 글로벌 기술 제휴 가능성을 모색하고 있으며, AI의 기술적 개선이 신약 개발의 효율성을 얼마나 높일 수 있는지를 깊이 있게 탐구하고 있습니다.

  • JWave 플랫폼은 JW중외제약 연구진이 웹 포탈 환경에서 질병을 일으키는 단백질에 작용하는 유효 약물을 신속하게 탐색하고 선도물질을 최적화하여 신약 후보물질을 발굴하는 데 필수적인 역할을 하고 있습니다. 이런 통합 플랫폼 구축으로 기존의 연구시간과 비용을 단축시키고, 신약 개발 경쟁력을 높이고 있습니다.

  • 3-2. 대웅제약 AI 전환 및 전담팀 발족

  • 대웅제약은 2021년에 업계 최초로 AI 신약팀을 구성하고, 자체적으로 AI 기반 시스템인 'DAISY'를 구축했습니다. 이 시스템은 8억 종의 주요 화합물의 분자 모델을 전처리하여 데이터베이스화하고, 이를 바탕으로 신약 후보물질을 발굴하는 업무를 진행합니다. 대웅제약의 AI 플랫폼은 가상 탐색과 분자 도킹 시뮬레이션 등을 통해 신약 후보물질 탐색을 혁신적으로 단축시키고 있습니다.

  • 이 회사는 AI 기술을 통해 비만과 당뇨 치료제에 대한 후보물질을 단 두 달 만에 발굴하고, 항암제 영역에서도 암세포 억제 효능을 보이는 물질을 확보하는 데 6개월밖에 걸리지 않았습니다. 이러한 성과는 대웅제약이 AI를 활용하여 신약 개발 프로세스의 시간과 비용을 효과적으로 단축할 수 있음을 증명하고 있으며, 시장에서의 경쟁력을 강화하는 데 중요한 역할을 하고 있습니다.

  • 3-3. AI 기업·제약사 콜라보 현황

  • 국내 제약사들은 AI 기업과의 협업을 통해 신약 개발의 효율성을 높이고 있으며, 이는 AI 신약개발 플랫폼의 다양성을 드러내고 있습니다. 예를 들어, 유한양행은 AI 기업 신테카바이오, 사이클리카 등과 협력하여 AI 기반의 신규 후보 물질 발굴을 위한 전용 시스템을 개발하고 있습니다. 이들은 AI와 딥러닝 기술을 활용하여 신약 후보물질의 발굴 및 약물 반응 등의 예측을 더욱 정교하게 수행할 수 있게 되었습니다.

  • 또한, 동아에스티는 AI 기반의 신약 개발 과제를 통해 CNS 질환 치료제를 개발하기 위한 공동 연구를 활성화하고 있으며, 이는 AI 기술을 실제 임상으로 재투영함으로써 신약 개발에서의 성공 가능성을 높이는 데 기여하고 있습니다. 이처럼 국내 제약사들이 AI와의 협력을 통해 얻어진 데이터와 인사이트는 신약 개발의 혁신적 변화를 이끄는 중요한 요소로 자리 잡고 있습니다.

4. 정부 정책과 민관협력 방안

  • 4-1. ‘신성장 4.0 민관협의체’ 개최 결과

  • 2025년 5월 15일, 기획재정부 신성장전략기획추진단은 '신성장 4.0 민관협의체'를 개최하였습니다. 이 회의는 인공지능(AI)을 활용하여 신약개발을 가속화하기 위해 진행되었습니다. 보건복지부, 과학기술정보통신부 등 여러 정부 기관뿐만 아니라 목암생명과학연구소 및 카이스트(KAIST)와 같은 연구 및 산업 지원 기관, 그리고 제약사들까지 참여하여 AI 신약개발의 가능성을 탐색했습니다. 회의에서는 AI 기술의 확산 속도와 함께 신약개발의 패러다임 전환이 필수적이라는 이야기가 오갔으며, AI가 후보물질 도출, 약효 예측, 독성 평가 그리고 임상시험 설계 등 모든 단계에서 시간과 비용을 획기적으로 단축할 수 있음을 강조했습니다.

  • 참석자들은 실질적인 데이터 활용 및 인프라 접근성 개선, 규제 완화가 필요하다는 데 의견을 모았습니다. 특히 AI 개발에 필요한 데이터 접근성을 높이기 위한 규제 개선이 시급하며, 정부의 정책적 지원이 기존의 파일럿 프로그램에 그치는 것이 아니라 지속적으로 확대되어야 한다는 점이 강조되었습니다.

  • 4-2. 제2차 보건의료 AI 혁신전략 수립 착수

  • 보건복지부는 '제2차 보건의료 데이터·인공지능 혁신전략(가칭)' 수립에 착수하였습니다. 이 전략은 2026년 시행을 목표로 하며, 신기술 시장 진입 및 AI 생태계 조성을 위한 규제 개선과 실증을 중점적으로 다룰 것입니다. 기존의 혁신전략이 데이터와 AI 활용을 기본 틀로 삼았다면, 이번 전략은 실질적인 기술 적용과 시장 창출에 더욱 중점을 둘 예정입니다.

  • 또한, 모집단 데이터의 접근성을 높이고, AI 응용 분야에 필요한 대형 사업을 진행함으로써 AI 신기술이 실제 의료 현장에서 효과적으로 적용될 수 있도록 하는 방향으로 나아가고 있습니다. 전문가들은 이러한 전략이 초고령 사회로 진입하는 현재의 국가 현안을 해결하기 위한 중요한 계기가 될 것이라고 평가하고 있습니다.

  • 4-3. 지원 범위와 인력 양성 과제

  • AI 신약개발 기업들이 직면한 중요한 과제 중 하나는 인력 양성입니다. 현재 국내의 AI 신약개발 시장에서 필요로 하는 인재들이 부족한 상황입니다. 이에 대한 해결책으로는 IT와 생명과학을 모두 포함하는 융합 교육 프로그램을 강화하고, 기업과 협력하여 체계적인 인력 양성 시스템을 구축해야 한다는 목소리가 높습니다.

  • 업계의 요구 사항 중 하나는 인력 양성 뿐만 아니라 AI 신약개발을 위해 필요한 데이터의 품질과 연계를 강화하는 것 또한 필수적입니다. 이로 인해 정부는 교육 프로그램과 함께 민간기업과의 협력을 통해 데이터의 표준화 및 개방을 확대해야 하며, 신약개발의 전체 과정에서 AI 기술 활용을 극대화할 수 있도록 지원해야 합니다.

5. AI 기술 전주기 활용과 경제성·제도 과제

  • 5-1. 전주기 신약개발 단계별 AI 적용 현황

  • 인공지능(AI) 기술의 발전은 신약개발 전 주기에서 핵심적인 역할을 수행하고 있으며, 이는 후보물질 탐색에서부터 임상시험, 허가 심사에 이르기까지 다양한 단계를 포함합니다. AI는 특히 데이터 분석에 강점을 가지고 있어, 약물 스크리닝, 약물 디자인, 그리고 타겟 발굴과 같은 초기 단계부터 시작하여, 임상 설계와 약물 간 상호작용 예측 등의 후속 단계에서도 활용되고 있습니다. 예를 들어, N시의 제약사는 AI를 사용하여 600억 이상의 화합물을 신속하게 분석하여 최적의 후보 물질을 도출할 수 있는 시스템을 구축했습니다. 이 시스템은 AI의 고속 처리 능력을 통해 전통적인 연구개발 방식보다 현저히 빠른 시간 내에 유의미한 데이터를 제공하고 있습니다.

  • 5-2. 기간·비용 절감 실증성과

  • AI 도입 이후 신약개발에 소요되는 기간과 비용이 절감되고 있다는 실증 결과가 다수 보고되고 있습니다. 예를 들어, 분석에 따르면 AI를 활용한 신약 후보 물질의 임상 시험 성공률은 약 80~90%에 이를 정도로 높아졌으며, R&D 과정에서의 비용도 50% 이하로 줄일 수 있는 경우가 많습니다. 이는 제약사들이 기존의 10년 이상, 수조원의 비용이 소요되던 신약개발 과정을 획기적으로 단축시킬 수 있는 가능성을 보여줍니다. 실제로 화이자는 AI를 활용하여 초기 약물 설계 과정을 몇 개월로 단축시킨 사례도 있습니다. 이러한 결과들은 AI가 신약개발의 효율성을 어떻게 혁신할 수 있는지를 분명히 나타냅니다.

  • 5-3. 제도·규제 지원 필요성

  • AI 기술의 진화와 함께 신약개발의 제도적·규제적 지원의 필요성도 증가하고 있습니다. 특히 규제가 명확하지 않거나 시장 진입 장벽이 높을 경우, 우수한 AI 기술의 발전에도 불구하고 실제 임상 적용에는 많은 제약이 따릅니다. 여러 전문가들은 AI 솔루션이 의료기기로 인정받을 경우에도 병원에서 이를 활용한 진료에 대한 적절한 보상이 이루어지지 않고 있다고 경고하였습니다. 이와 관련하여 데이터 접근성을 높이고, AI 활용을 촉진하는 정책적인 기반 마련이 시급하다는 주장이 제기되고 있습니다. 따라서 정부는 AI 기반 신약개발을 위해 연구개발에 대한 지원을 강화하고, 데이터 표준화 및 안전한 활용 방안을 마련해야 할 필요성이 커지고 있습니다.

6. 도전과제 및 향후 방향

  • 6-1. 데이터 연계·품질 관리 이슈

  • 현재 K-바이오 AI 신약개발 분야에서 가장 큰 도전 과제 중 하나는 데이터의 연계성과 품질 관리입니다. 의료 데이터는 매우 다양하고 방대한 양이 존재하지만, 이 데이터들이 표준화되어 있지 않아 서로 다른 시스템 간의 연결이 어렵습니다. 특히, 의료 데이터의 접근성과 활용성이 떨어지는 점은 의료 AI 기술 발전의 장애물로 작용하고 있습니다. 예를 들어, 병원에서 발생하는 데이터는 각 병원의 시스템과 규정에 따라 편차가 크며, 이로 인해 AI 모델 훈련에 적합한 고품질 데이터를 확보하기 어려우며, 결과적으로 AI 솔루션이 임상 현장에서 효과적으로 적용되지 못하는 상황이 발생하고 있습니다.

  • 또한, 데이터의 품질을 보장하기 위한 관리 체계가 미비합니다. 데이터의 정확성과 신뢰성이 낮은 경우, AI 모델의 성과도 자연스럽게 저하됩니다. 이를 해결하기 위해서는 데이터 수집 과정에서부터 AI 개발을 고려한 정교한 계획과 관리가 필요합니다. 예를 들어, 데이터의 정합성을 높이기 위해 병원간 데이터 공유 메커니즘을 구축하고, 이를 통해 데이터를 중앙 집중화하는 대신 각 병원에서 데이터를 안전하게 관리하면서도 공유할 수 있는 방안을 연구해야 합니다.

  • 6-2. 인력 부족과 전문성 강화 방안

  • AI 신약개발이 활성화됨에 따라 이를 수행할 인력의 수요도 급증하고 있습니다. 그러나 현재의 교육 및 훈련 시스템에서는 이러한 수요를 충족시키기에는 한계가 있습니다. 특히, AI와 생명과학의 융합이 요구되는 만큼, 두 분야에 걸친 전문성을 갖춘 인력의 양성이 필요합니다. 현재, 많은 대학이나 연구기관에서는 AI 전문 교육 과정을 개설하고 있으나, 실무에서 필수적인 경험이나 프로젝트 기반 학습이 부족한 상태입니다.

  • 이를 해결하기 위해서는 대학과 산업체 간의 협력 모델을 강화해야 합니다. 예를 들어, 인턴십 프로그램을 통해 학생들이 실제 프로젝트에 참여하여 경험을 쌓거나, 기업이 필요로 하는 특정 기술에 대한 직무 교육을 제공하는 커리큘럼을 공동 개발할 수 있습니다. 또한, 해외 사례를 통해 전문 인력 양성을 위한 다양한 프로그램을 도입하고, 이를 통해 글로벌 경쟁력을 갖춘 인재를 양성해야 합니다.

  • 6-3. 정책·제도 개선 및 글로벌 진출 전략

  • AI 기반 신약개발의 발전을 위해서는 관련 정책과 제도의 개선이 필수적입니다. 정부는 '신성장 4.0 민관협의체'와 같은 플랫폼을 통해 산업계와의 소통을 강화하고 있지만, 실제로 이러한 정책이 현장에 얼마나 반영되고 있는지는 미지수입니다. 예를 들어, AI 솔루션의 임상 적용을 위한 규제는 매우 복잡하고 시간이 소요되며, 이로 인해 기업들의 활발한 연구개발 활동을 저해하고 있습니다.

  • 또한, 글로벌 시장 진출 전략을 마련해야 합니다. 해외 선진 시장에 진출하기 위해서는 그 시장의 규제 및 환경을 이해하고, 현지 전문가와의 협력을 통한 정보 공유가 필요합니다. AI 헬스케어 시장이 2030년까지 현재 대비 11배 성장할 것으로 예측되는 가운데, 한국의 AI 기반 제약 기업들은 이를 기회로 삼기 위해 해외 진출을 추진해야 합니다. 이를 위해서는 글로벌 협력 네트워크 구축과 함께, 국내외 엑셀러레이터 프로그램에 적극 참여하여 리소스와 인사이트를 확보하는 것이 중요한 전략이 될 것입니다.

결론

  • AI 기술이 도입됨에 따라, 국내 제약 및 바이오업계는 신약개발 속도의 혁신적 단축과 비용 절감이라는 두 가지 관점에서 괄목할 만한 성과를 추구하고 있습니다. 많은 기업들이 AI 플랫폼을 통하여 신약 개발 프로세스를 혁신하고 있으며, 이는 곧 글로벌 시장에서의 경쟁력 강화를 실현하는 주요 기반이 되고 있습니다. 당면한 과제로는 여전히 데이터 연계성이 부족하고 제도적 불확실성, 그리고 전문 인력의 부족 등이 존재하므로, 이를 해결하기 위한 다각적 접근이 필요합니다.

  • 이를 위해서는 ▲데이터 표준화 및 개방의 확대 ▲AI 분야의 전문 인력 양성 프로그램 강화 ▲규제 샌드박스 및 실증 지원 확대의 필요성이 강조됩니다. 향후 정책과 기업의 협력이 이루어질 경우, K-바이오 생태계의 발전과 함께 국제 경쟁력을 더욱 높일 수 있는 기회를 제공할 수 있을 것입니다. 특히, 2026년 시행 예정인 제2차 보건의료 AI 혁신전략과의 유기적인 연계를 통해 실질적인 성과를 도출해 낸다면, 한국의 AI 기반 신약개발이 글로벌 시장에서 확고한 주도력을 가지게 될 것으로 기대됩니다.

  • 결론적으로, AI 기술의 적극적인 활용이 단순한 기술 혁신을 넘어, 한국 제약 산업의 지속 가능성을 확보하는 중요한 전략이 되어야 하며, 이를 통한 데이터 혁신 및 제도적 지원 강화는 한국이 글로벌 바이오 시장에서 리더십을 잃지 않도록 하는 핵심 요소가 될 것입니다.

용어집

  • AI: 인공지능(Artificial Intelligence)으로, 기계가 인간과 유사한 방식으로 학습하고 문제를 해결할 수 있도록 설계된 기술입니다. AI는 신약개발 과정에서 데이터 분석 및 모형 구축 등 다양한 분야에서 활용되고 있으며, 특히 신약 후보물질 탐색 및 임상시험 설계에 중요한 역할을 하고 있습니다.
  • 신약개발: 새로운 의약품을 개발하는 과정으로, 기본 연구부터 후보물질 탐색, 임상시험, 허가 심사 등 여러 단계로 이루어집니다. AI 기술의 도입으로 이 과정의 효율성이 크게 향상되고 있으며, 개발 기간이 단축되고 비용 절감이 이루어지고 있습니다.
  • JWave: JW중외제약이 구축한 AI 기반 연구개발 통합 플랫폼으로, 후보 물질 도출부터 전임상 설계까지 신약 개발의 여러 단계를 지원합니다. 현재 AML(급성골수성백혈병) 신약 후보물질 관련 연구가 진행 중이며, AI 기술을 통해 연구 성과를 향상시키고 있습니다.
  • 대웅제약 AI 플랫폼: 대웅제약이 개발한 AI 기반 시스템인 'DAISY'로, 8억 종의 화합물 데이터를 분석하여 신약 후보물질을 발굴하는 데 사용됩니다. 이 플랫폼은 가상 탐색 및 분자 도킹 시뮬레이션을 활용하여 개발 시간을 단축시키고 있습니다.
  • BIO KOREA 2025: 2025년 5월 8일 서울에서 열린 바이오 및 제약 분야의 중요 행사로, AI 신약개발 관련 심도 있는 논의가 이루어졌습니다. 이 행사에서는 약물전달 시스템(DDS)과 세포유전자치료제(CGT) 연구 성과가 공유되었습니다.
  • 민관협력: 민간과 정부가 협력하여 신약개발을 지원하는 방안으로, 정부의 정책적 지원과 민간 기업의 연구개발 노력이 결합하여 AI 신약개발을 촉진하는 역할을 합니다. 현재 신성장 4.0 민관협의체가 이러한 협력을 위한 플랫폼으로 기능하고 있습니다.
  • 임상시험: 신약의 안정성과 유효성을 평가하기 위해 진행되는 시험으로, 일반적으로 인체를 대상으로 이루어집니다. AI 기술은 임상시험 설계 및 결과 분석에서 중요한 역할을 하고 있으며, 시험 기간과 비용을 절감하는 데 기여하고 있습니다.
  • 경제성: 신약개발 과정에서 발생하는 비용과 관련된 개념으로, AI 기술을 활용함으로써 신약 개발 비효율성을 줄이고 전체 개발 비용을 절감할 수 있습니다. 이는 제약사들에게 중요한 경쟁력 요소로 작용합니다.
  • 규제: 신약개발 및 AI 활용 과정에서 적용되는 법적 및 제도적 요구사항입니다. 현재 AI 기반 제약산업의 발전을 저해하는 요소로 작용하고 있으며, 규제 개선이 시급하다는 지적이 있습니다.
  • 데이터 혁신: AI와 관련된 기술을 통해 수집된 데이터를 보다 효과적으로 활용하는 과정으로, 신약 개발의 전 주기에 필요한 데이터의 품질과 접근성을 향상시키는 데 중점을 둡니다.
  • 신성장 4.0 민관협의체: AI를 활용한 신약개발을 가속화하기 위해 정부와 민간이 협력하는 플랫폼으로, 보건복지부 및 과학기술정보통신부 등 여러 정부 기관과 제약사들이 참여하여 정책적 지원 방안을 모색하고 있습니다.
  • 제2차 보건의료 AI 혁신전략: 2026년 시행을 목표로 하여 보건복지부에서 수립중인 전략으로, AI 기술의 시장 적용과 생태계 조성을 위한 다양한 방안을 제시할 예정입니다. 신약 개발과 AI 관련 분야의 발전을 위한 핵심 전략으로 여겨지고 있습니다.

출처 문서