EU pharmaceuticals AI adoption and drug discovery 리서치 보고서 해설

개요

이 특별 보고서는 유럽 제약업계와 보다 넓은 헬스케어 생태계에서 AI가 어떻게 도입되고 있는지를 검토한다. Deutsche Bank는 도입 활동이 활발하고 운영상 이익을 내고 있지만, 업계 고유의 잠재적 가치는 장기적인 R&D 생산성과 신약 발굴 개선에 있다고 결론짓는다.

핵심 견해

Deutsche Bank의 2026년 리뷰에 따르면 대형 제약사의 공개 AI 활동은 이번 10년 초 발표가 급증한 시기를 지났지만 여전히 안정적이고 다각화돼 있다. 이 기관은 현재의 도입이 주로 운영 단계에 있다고 보며, GSK가 AI에 부분적으로 기인한 비용 절감 프로그램을 공식 발표한 첫 기업이 됐다고 지적한다. 더 큰 구조적 기회는 표적 선정, 분자 설계, 임상시험 설계, 환자 식별을 개선할 수 있는 R&D에서 나타날 것으로 예상되지만, 이러한 효과는 아직 수년 뒤의 일이고 비공개적이며 무형적인 작업이 많아 구체적인 기업 승자를 식별하기 어렵다고 본다. 보고서는 분자 예측의 발전을 in silico 신약 발굴로 가는 핵심 구성 요소로 본다. 2024년 AlphaFold3와 2025년 오픈소스 Boltz-2 이후 Isomorphic Labs는 $2.1bn 규모의 Series B를 완료하고 IsoDDE를 출시했다. Isomorphic의 기술 보고서는 단백질-리간드 구조 예측과 소분자 결합 친화도에서 AlphaFold3보다 두 배 이상의 정확도를 물리적 방법의 일부 시간과 비용으로 달성했다고 주장했으나, Deutsche Bank는 아직 정식 동료 심사 논문으로 발표되지 않았다고 언급한다. 결합 친화도 예측은 분자가 표적에 효과적으로 결합할 가능성을 판단하는 데 도움이 되므로 중요하다. 보고서는 Boltz-2가 회고 분석에서 상관계수 0.65를 기록해 널리 사용되는 자유에너지 섭동 시뮬레이터의 0.55를 웃돌았고, 비용과 속도는 1,000배 개선될 것으로 추정됐다고도 소개한다. 임상 근거는 유망하지만 후기 단계에서 광범위한 우위를 확립하기에는 아직 부족하다. 개발에 진입하거나 진전을 보인 AI/ML 프로그램은 2017년 6개에서 2023년 정점인 23개로 증가한 뒤 2025년 18개로 감소했다. 2020년 이후 거의 매년 AI 기반 표적 식별이나 분자 발굴에서 비롯된 13-15개 프로그램이 개발에 진입하거나 진전했다. AI 활동의 69%는 신약 발굴에 해당한다. AI 지원 프로그램은 비AI 프로그램보다 현저히 높은 1상 성공률을 보였고, 2023-2025년 자료는 이 이점이 부진한 2상 성과를 대가로 한 것이라는 점을 더 이상 시사하지 않는다. 다만 후기 단계 전환 사례가 너무 적어 3상 또는 승인 성공률에 대한 결론을 내릴 수 없고, AI 프로그램 표본은 비AI보다 상당히 작다. 보고서는 Exscientia와 BenevolentAI의 AI 설계 약물 두 개가 안전성과 유효성 문제로 2상 시험에서 중단된 사례를 언급하며, 80-90%의 높은 1상 성공률도 후기 단계 탈락을 없애지는 못했다고 지적한다. 기업 조사에 따르면 대형 유럽 제약사는 인수, 제휴, 자체 데이터, 인프라를 통해 가치사슬 전반으로 AI를 확대하고 있다. AstraZeneca는 AI 기반 종양학, 임상 개발, 제조 이니셔티브를 추진했고, GSK는 AI를 신약 발굴, 임상시험, 제조, 공급망으로 확대했으며 AI와 디지털 역량을 포함한 5년간 $30bn 투자 계획을 갖고 있다. Roche는 디지털 병리와 AI 컴퓨팅을 확대하고 있으며, $750m의 선급금과 최대 $300m의 마일스톤을 포함한 PathAI 인수가 이에 해당한다. Sanofi는 면역학, 종양학, 신경학에서 표적 식별 효율이 20-30% 개선되고 mRNA 설계 시간이 절반으로 줄었으며, 배치 수율 최적화로 연간 약 €10m의 비용 절감을 예상한다고 보고했다. 이 보고서의 자체 트래커에는 2026년 상반기까지 유럽 대형 제약 6개사의 AI 관련 이니셔티브 142건이 포함돼 있다. 데이터 접근성은 전략적 실행 기반이다. 보고서는 UK Biobank와 FinnGen 같은 대형 데이터뱅크에 제약사가 참여하는 점을 강조한다. 이들 데이터의 유전체, 단백질체, 영상, 종단 건강 기록은 신약 발굴, 바이오마커 개발, 의약품 개발, 상업 전략을 위한 모델 훈련에 활용될 수 있다. 확장된 UK Biobank Pharma Proteomics Project는 600,000개 샘플에서 최대 5,400개 단백질을 측정할 계획이며, 시간에 따른 단백질 변화가 질병에 영향을 미치는 방식을 분석할 수 있게 할 가능성이 있다. 더 넓은 기술·규제 환경도 이 투자 논지의 핵심이다. NVIDIA의 2026년 1월 보고서에 따르면 헬스케어·생명과학 분야 AI 사용률은 전년 대비 63%에서 70%로 상승했다. 생성형 AI와 LLM이 가장 인기 있는 중점 분야인 반면, 에이전트형 AI는 여전히 관심이 가장 낮다. 제약·바이오테크 부문에서는 신약 발굴과 개발이 가장 많이 언급되고, 에이전트형 AI는 문헌 검토와 분석에 더 많이 사용된다. 데이터 관련 문제, 규제 우려, 내부 역량 부족이 주요 도입 과제로 지목된다. 보고서는 FDA와 EMA가 위험 기반 원칙에서 수렴하고 있지만, FDA의 유연하고 개별 사례 중심 접근과 EMA의 더 구조화된 위험 등급 접근이 실용적 수렴, 전략적 분화 또는 규제 마찰을 초래할 수 있다고 설명한다.

분석 프레임워크

보고서는 Deutsche Bank의 공개 AI 이니셔티브 장기 트래커, 기업 공시, IQVIA·CB Insights·NVIDIA의 선별된 제3자 데이터, 과학 및 규제 문헌의 선택적 검토를 결합한다. AI 지원 및 비AI 임상 개발 결과를 비교하고, 기업·가치사슬 단계별 활용 사례를 조사하며, 기술 진전·데이터 확보 전략·규제 체계를 평가한다.

방법론 메모

• 산업 분석 프레임워크기타

  공개 AI 이니셔티브의 장기 추적

  Deutsche Bank는 유럽 제약 커버리지에서 AI 도입이 어떻게 변화하는지 평가하기 위해 기업, 치료 영역, 적용 영역별 공개 이니셔티브를 추적한다.

• 기타기타

  AI와 비AI 임상 성공률 비교

  보고서는 AI 지원 및 비AI 의약품 프로그램의 진전과 성공률을 비교해 초기 개발상의 우위가 후기 단계까지 이어지는지 평가한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• AstraZeneca (AZN)

  종양학, 임상 개발, 환자 식별, 제조 전반에서 AI 이니셔티브를 추진하는 커버리지 내 유럽 대형 제약사.

  강점

  인수와 제휴가 멀티모달 종양학 모델, 임상시험 최적화, AI 기반 생산을 지원한다.

  약점

  여러 이니셔티브의 재무 조건이 공개되지 않았다.

  비교

  Deutsche Bank의 AI 이니셔티브 트래커에 포함된 유럽 대형 제약 6개사 중 하나이다.

  위험

  AI 효과는 여전히 정량화하기 어렵고, R&D에서 나타나기까지 수년이 걸릴 수 있다.

• GSK (GSK)

  R&D, 제조, 공급망, 상업 기능 전반에 AI를 도입하는 커버리지 내 유럽 대형 제약사.

  강점

  전사적 AI 도입, 내부 AI 과학자 도구, AI와 디지털 역량을 포함한 5년간 $30bn 투자 계획을 보고했다.

  약점

  AI 도입의 장기 임상 및 재무 성과는 확립되지 않았다.

  비교

  AI에 부분적으로 기인한 비용 절감 프로그램을 공식 발표한 첫 기업으로 언급됐다.

  위험

  실행, 데이터 거버넌스, 규제 요건이 확장 도입을 제한할 수 있다.

• Roche (ROG)

  디지털 병리, 진단, AI 컴퓨팅에 투자하는 커버리지 내 유럽 대형 제약사.

  강점

  PathAI 인수, NVIDIA 기반 컴퓨팅 인프라, 광범위한 내부 AI 도입.

  약점

  PathAI 인수 완료는 2026년 하반기로 예상된다.

  비교

  대형 제약사의 AI 신약 발굴 전략을 제시한 보고서 표에서 2위로 평가됐다.

  위험

  전략적 가치 실현은 성공적인 통합과 임상 전환에 달려 있다.

• Sanofi (SAN)

  가치사슬 전반에 AI를 적용하는 커버리지 내 유럽 대형 제약사.

  강점

  표적 식별, mRNA 설계, 제조 수율 최적화, 전사 도입에서의 개선을 보고했다.

  약점

  수익 중심 접근으로 전환하기 전 초기 AI 이니셔티브는 산발적이고 충분히 조율되지 않았다고 설명됐다.

  비교

  142건 이니셔티브 트래커에 포함된 유럽 대형 제약 6개사 중 하나이다.

  위험

  데이터, 역량, 규제 제약은 여전히 업계 전반의 도입 과제이다.

• Novo Nordisk (NOVO)

  의약품 R&D에 생성형 AI와 에이전트형 AI를 사용하는 커버리지 내 유럽 대형 제약사.

  강점

  NVIDIA 및 DCAI와의 제휴가 AI 인프라와 Gefion 슈퍼컴퓨터 활용을 지원한다.

  약점

  일부 AI 제휴의 재무 조건은 공개되지 않았다.

  비교

  Deutsche Bank 트래커에 포함된 유럽 대형 제약 6개사 중 하나이다.

  위험

  AI로 인한 효율 개선이 후기 임상 성공으로 이어진다는 보장은 없다.

핵심 데이터

• 개발에 진입하거나 진전한 AI/ML 프로그램6 in 2017; peak of 23 in 2023; 18 in 2025AI 플랫폼 신흥 바이오제약사의 임상 활동은 크게 증가한 뒤 2023년 정점에서 감소했다.
• 신약 발굴 관련 AI 활동 비중69%AI 활용이 초기 R&D에 가장 집중돼 있음을 나타낸다.
• 헬스케어·생명과학 AI 사용률70% versus 63% year on yearNVIDIA의 2026년 1월 보고서 기준이다.
• Isomorphic Labs Series B 자금 조달$2.1bn2025년 3월 $600m 외부 자금 조달 이후 2026년에 조달됐다.
• 유럽 대형 제약 트래커142 AI-related initiativesDeutsche Bank의 자체 트래커로, 2026년 상반기까지 유럽 대형 제약 6개사를 대상으로 한다.
• Sanofi 표적 식별 효율 개선20-30%면역학, 종양학, 신경학 전반의 개선이다.
• Sanofi mRNA 설계 시간Halved보고서는 LNP 예측이 수개월에서 수일로 단축돼 처리량이 10-20배 개선됐다고도 언급한다.

영향과 시사점

보고서는 AI가 이미 생산성, 제조, 데이터 처리, 임상 운영을 지원하고 있지만, 업계 전반의 핵심 가치 제안은 궁극적으로 R&D 생산성과 임상 결과를 개선할 수 있는지에 달려 있다고 본다. 현재 근거는 지속적인 진전을 뒷받침하지만, AI가 후기 신약 개발 성공률을 이미 혁신했다는 결론을 뒷받침하지는 않는다.

위험

• AI 설계 의약품의 후기 임상 근거는 여전히 제한적이며, 3상과 승인으로의 전환 사례가 너무 적어 확실한 결론을 내릴 수 없다.
• AI 설계 의약품의 2상 안전성·유효성 실패는 초기 성공이 후기 단계 탈락을 제거하지 못함을 보여준다.
• 데이터 품질, 규제 우려, 내부 AI 역량 부족은 주요 도입 장애물이다.
• FDA와 EMA 접근법의 차이는 특히 소규모 혁신 기업에 규제 마찰, 비용 상승, 컴플라이언스 부담을 초래할 수 있다.
• 헬스케어 AI 도입은 환자 안전, 개인정보, 편향, 거버넌스, 대중 신뢰, 자원 소비에 관한 우려에 직면한다.

주시할 점

• Nimbus Therapeutics의 Zasocitinib의 2025년 및 2026년 연구를 포함한 선도 AI 주도 분자의 2상·3상 결과.
• 더 많은 후기 단계 전환 사례가 나오는 가운데 AI 지원 프로그램이 높은 성공률을 유지하는지 여부.
• AI 투자가 측정 가능한 R&D 기간, 임상 생산성, 제조 수율 또는 비용 편익으로 이어지는지 여부.
• 확장된 UK Biobank Pharma Proteomics Project를 포함한 대형 환자 데이터 자원의 발전.
• FDA와 EMA AI 지침의 이행 및 글로벌 규제 접근법의 수렴 또는 분화 여부.