"암 종양 75% 사라졌다" AI로 반려견 암 백신 만든 사연 [스프]

[오그랲]

안혜민 기자

작성 2026.07.10 09:01 조회수

⚡ 스프 핵심요약

AI 기술은 복잡한 유전자 분석과 단백질 구조 예측을 통해 암 환자 개개인에게 맞춤화된 백신 설계와 진단을 가능하게 함으로써 의료 혁신을 이끌고 있습니다.

의료 현장에서 AI 의존도가 높아짐에 따라 의료진의 실무 능력이 저하되는 디스킬링 현상과 AI가 제공하는 정보의 신뢰성 및 데이터 유출 문제가 주요 과제로 떠오르고 있습니다.

AI 기반 의료 서비스가 확산되고 있으나 암 백신과 같은 핵심 치료제는 아직 FDA 최종 승인을 받은 사례가 없으며 치료 효과의 지속성 등 기술적 한계도 존재합니다.

안녕하세요. 데이터를 만지고 다루는 안혜민 기자입니다. AI가 우리 삶을 바꾸고 있다는 것, 이미 피부로 체감하고 있을 겁니다. 그런데 미국을 비롯한 해외에서 유독 변화가 크게 느껴지는 분야가 있습니다. 바로 의료 영역이죠. AI가 신약을 설계하고, 의사의 진단을 도와주고 암 백신을 만드는 시대가 이미 시작되고 있거든요. 오늘 오그랲에서는 AI가 의료 영역에 어떤 영향을 미치고 있는지 살펴보겠습니다. 또 기대만큼 장밋빛 미래만 있는 건지도 다양한 데이터와 그래프를 통해 함께 살펴보겠습니다.

AI로 만드는 암 백신? 제약산업 뒤흔드는 AI
만약 내가 사랑하는 반려동물이 몹쓸 병에 걸리고, 마땅한 치료제가 없어서 계속 아파해야만 한다면 어떨까요? 시드니의 IT 창업가 폴 코닝햄은 말기 비만세포종 진단을 받은 반려견 로지를 위해 직접 치료제를 만들었습니다. 코닝햄이 의학 지식이 있었을까요? 아닙니다. 암 백신 제작을 위해 코닝햄은 AI를 활용했습니다.

먼저 2024년 하반기부터 챗GPT를 통해 로지를 어떻게 치료해야 하는지 방향성을 찾고, 맞는 전문가들을 찾아냈습니다. 이후에는 유전체학 센터에 로지의 건강한 DNA와 종양 DNA 분석을 맡겨 유전자 시퀀싱을 진행했습니다. 유전자 시퀀싱은 DNA의 염기서열 순서를 정확히 읽어내서 일종의 몸의 설계도를 해독하는 기술입니다. 코닝햄은 정상 세포와 종양 세포를 비교한 뒤 종양 세포에만 있는 돌연변이 단백질을 찾아냈어요.

그다음으로는 구글 딥마인드의 알파폴드를 활용해 돌연변이 단백질의 3D 구조를 예측했습니다. 단백질의 3D 구조를 알아야 암 백신이 어느 부위를 타깃으로 삼아야 할지를 알 수 있기 때문이죠. 그리고 마지막으로 그록을 통해 백신 최종 설계 완료. 해당 데이터를 뉴사우스웨일스대학교의 RNA 연구소에 전달했고, 2달도 채 안 걸려서 반려견 맞춤형 백신이 제조되었습니다. 작년 말에 맞춤형 백신을 투여했는데, 올해 3월까지 로지의 종양 75%가 감소할 정도로 뛰어난 치료 효과를 보였어요. 의학 지식이 없는 사람이 AI 몇 개만 가지고 맞춤형 백신을 만들어낸 사례에 많은 사람들이 깜짝 놀랐죠.

AI를 활용한 맞춤형 백신 제작은 단순히 사건으로 넘길 사례가 아니라 실제 제약회사들도 뛰어들고 있는 영역입니다. 특히 암의 경우엔 항암 치료를 통해 암세포를 제거했어도, 다시 재발하는 경우가 적지 않습니다. 그래서 글로벌 제약계에서는 숨은 암세포를 제거해 재발을 막기 위한 '암 백신'에 주목하고 있죠. 참고로 암 백신은 일반적으로 질병 예방에 활용되는 백신과 달리 이미 암이 발생한 환자들을 대상으로 면역세포가 암세포를 더 효과적으로 공격하도록 돕는 치료제에 가까워요.

하지만 제약회사들이 뛰어들어 20년 넘게 노력하고 있었지만 큰 진전이 없었어요. 암세포의 표적을 정확히 찾아내기가 어려웠거든요. 그런데 그걸 AI를 활용한다면 충분히 돌파해 낼 수 있는 것 아니냐는 얘기가 솔솔 들려옵니다. 로지의 사례처럼 알파폴드 같은 AI를 이용해 돌연변이 단백질 구조를 예측하는 식으로 말이죠.

현재 이 분야에서 가장 앞서나가고 있는 건 미국의 제약사 머크와 모더나가 공동 개발하고 있는 암 백신입니다. 효과가 어떤지 그래프를 통해 살펴보겠습니다.

피부암의 일종인 흑색종 환자들을 대상으로 5년간 장기 추적한 결과입니다. 기존의 항암제를 사용한 환자들과 맞춤형 암 백신을 함께 투여한 환자들의 재발 및 사망률을 나타내 봤습니다. 그래프를 보면 맞춤형 암 백신을 함께 사용하는 환자들의 재발 또는 사망 위험성이 49%나 낮은 것으로 나타났어요.

AI의 힘을 느낀 제약 회사들은 AI를 적극적으로 활용하고 있습니다. 일부 전문가들 가운데선 AI가 의료와 바이오 경제 전반에 거대한 특이점을 불러올 것이라 전망하는 사람들도 있고요.

AI 기반 신약 시장 규모도 점점 커지고 있습니다. 분석 기관마다 전망 규모는 조금씩 차이가 있지만 성장세는 비슷하게 나오고 있어요.

시장조사기관 그랜드뷰 리서치에서는 2025년 AI 기반 신약 개발 시장을 23억 달러 수준으로 집계했습니다. 올해에는 29억 달러로 늘어나고, 2033년엔 138억 달러까지 늘어날 것으로 전망했죠. 연평균 성장률은 무려 24.8% 수준입니다.

AI 빅테크 기업들 중엔 아예 바이오 영역에 직접 뛰어드는 기업들도 나오고 있습니다. 대표적으로 엔비디아가 있습니다. 지난 1월에 샌프란시스코에서 열린 세계 최대 제약 투자 행사인 JP모건 헬스케어 컨퍼런스. 원래라면 전통의 대형 제약사 중심의 투자 행사로 치러졌겠지만, 이번엔 엔비디아가 직접 컨퍼런스에 참여했어요. 엔비디아는 이번 컨퍼런스에서 일라이 릴리와 함께 AI 혁신 공동 연구소 설립을 발표했습니다. 이 연구소엔 엔비디아의 베라루빈 시스템과 신약 개발에 특화된 AI 플랫폼인 바이오 네모가 도입될 예정이죠.

엔비디아는 일라이 릴리뿐 아니라 다양한 의료 관련 기업들과 파트너십을 맺었습니다. 임상 연구 서비스 기업, 또 유전체 분석 기업, 그리고 실제 치료가 이뤄질 종합 병원까지 말이죠.

다만 이런 행보를 보고 엔비디아가 제약 시장, 의료 시장에 플레이어로 뛰어든다고 보긴 어렵습니다. 엔비디아의 목표는 제약회사가 되려는 게 아니거든요. 자신들의 GPU나 AI 플랫폼을 신약 개발의 필수 기반으로 만드는 게 목표인 거죠. 마치 딥러닝과 AI 모델 시장에서 자신들의 CUDA와 GPU가 필수 곡괭이가 되었듯이 제약 영역에서도 비슷한 전략을 가동하는 겁니다.

한편 구글 딥마인드는 다른 자세를 취하고 있어요. 다른 빅테크들은 AI 제약 플랫폼이나 제약 특화 모델을 만들고 있지만, 딥마인드는 신약 설계 플레이어로 직접 뛰어들었거든요. 2021년 딥마인드의 스핀오프로 설립된 아이소모픽 랩스. 알파폴드를 핵심 기반으로 삼아 AI를 활용한 신약 발굴을 목표로 달려 나가고 있어요.

이미 진단은 AI가 더 잘한다? 진료 현장에 들어온 AI
제약 영역뿐 아니라 개인 헬스케어나, 의료 진단 영역에도 AI의 영향력은 커지고 있습니다. 우리가 자주 사용하는 챗GPT나 클로드에도 헬스케어 특화 서비스들이 이미 출시되어 있죠. 오픈AI와 앤트로픽은 올해 1월에 관련 서비스를 선보였어요. 다만 아직 우리나라에서는 이용할 수 없고, 미국에서만 사용이 가능합니다.

이 서비스를 이용하면 기본적으로 내 건강 정보를 두고 AI와 다양한 대화를 나눌 수 있습니다. 또 미국 의료 시스템에서 사용하는 데이터베이스와 연동되어 있기 때문에 보험 청구 이의신청 자료를 AI가 작성해 주는 식의 도움도 받을 수 있고요. 출시 이후 정말로 많은 사람들이 의료 특화 AI 서비스를 활용하고 있습니다. 오픈AI에 따르면 매일 4,000만 건 이상의 건강 관련 질문은 처리하고 있다고 하죠.

미국에서 의료 AI 수요가 높다는 사실은, 역설적으로 미국 내 의료 접근성이 낮다는 문제를 보여주는 단면이기도 합니다. 미국 인구의 5분의 1은 농촌 지역에 살고, 이 지역에 사는 사람들은 도시 사람들보다 실제 조기 사망률이 더 높습니다. 이런 의료 사각지대를 두고 '의료 사막'이라고 표현합니다. 마치 우리나라에서 지방에 필수의료가 부족한 것과 비슷한 거죠.

병원까지 차로 30분 이상 걸리는 일종의 의료 사막 지역에서 챗GPT의 헬스케어 서비스를 얼마나 사용했는지 나타내 봤습니다. 와이오밍, 오리건, 몬태나 같이 인구가 많지 않고, 지리적으로 광활한 서부 주의 비율이 높게 나타납니다. 하와이도 상위권에 속했는데, 섬이라는 지리적 특성상 병원 접근이 어렵다는 게 반영된 결과로 볼 수 있죠.

건강을 챙기고 싶은 우리뿐 아니라 의료 현장에서 일하는 의사들도 AI를 적극적으로 활용하고 있습니다. 좁게는 행정 서류 작성을 도와주는 일부터, 넓게는 처방 제안까지… 활용 범위도 다양합니다. 미국의사협회가 임상 현장에서 AI를 얼마나 사용하는지 의사들에게 물어봤습니다. 2023년엔 그 비율이 38%에 불과했습니다. 하지만 올해엔 무려 81%로 급증했어요.

특히 의료 연구 데이터를 바탕으로 처방을 제안해 주는 AI 서비스인 OpenEvidence의 인기가 상당합니다.

지난 4월, OpenEvidence에서 오고 간 임상 관련 프롬프트가 무려 2,700만 건입니다. 24년 말과 비교하면 10배 넘게 늘어난 수치죠. OpenEvidence를 사용하는 미국 의사가 65만여 명으로 집계되는데, 전체 의사의 약 65% 수준입니다.

일부 실험에서는 레지던트와 전문의보다 AI가 더 진단을 잘한다는 결과도 나오고 있고요. 또 의사가 놓친 질환을 AI가 찾아낸 사례도 보고되고 있습니다.

어떤 환자가 사흘간 각혈과 호흡 곤란 증세를 겪다가 응급실을 찾아왔습니다. 당시 의료진은 흉부 엑스레이와 심전도 결과를 바탕으로 단순 천식으로 판단했죠. 하지만 해당 병원에서 테스트 중이던 AI 프로그램은 다른 결과를 내놓았습니다. AI 프로그램은 해당 환자에게 심각한 심장 손상 징후가 보인다고 했죠. 병원에서는 급히 환자를 불러 재검을 진행해 보니 AI의 말이 맞았고요. 다행히 늦지 않게 심장 이식 수술을 받아 불상사는 생기지 않게 되었습니다.

AI가 의료 시장의 '멋진 신세계' 열까?
신약도 새로 만들고 진단도 뚝딱 해주는 AI. 앞서 살펴본 사례들만 보면 AI가 모든 것을 바꿔줄 수 있을 것 같은 기대감도 듭니다. 하지만 여전히 풀어야 할 숙제도 산더미입니다. AI가 만들어낸 생성물은 완벽하지 않으니까 말이죠. 독일의 한 기관에서 구글의 AI 오버뷰에 노출되는 건강 정보를 분석해 봤어요. AI가 제공해 주는 건강 정보의 출처를 살펴보니 신뢰할만한 의학 소스는 적고, 오히려 유튜브 영상이 많았어요. 공신력 있는 의학 자료보다 2배 더 많이 유튜브를 참조할 정도로 말이죠.

AI 챗봇과 대화를 통해 얻는 의료 정보에서도 문제가 있다는 연구 결과도 있습니다.

영국 성인 1,298명을 대상으로 다양한 시나리오를 던져줬습니다.

"31세 임산부가 가슴 통증과 호흡 곤란을 겪고 있다. 어떤 질환이 의심되고, 적절한 조치는 무엇일까요?"

어떤 병인지 AI만 단독으로 활용해서 성능을 살펴보면 이렇게 점수가 높게 나옵니다.

하지만 일반인들이 AI와 대화하면, 오히려 정답률이 낮은 결과가 나왔어요. 심지어 AI를 활용하지 않고 그냥 구글링을 해서 얻는 것보다도 점수가 더 낮죠.

왜 이런 결과가 나온 걸까요? 연구진은 일반인 입장에서 AI가 의학적인 판단을 하는데 필요한 정보를 완벽하게 제공하지 못한다는 한계점을 지적합니다. 또 AI가 해준 답변에서 나에게 필요한 의학 정보를 정확하게 얻어내지도 못하고요.

이런 결과가 있다 보니 의료 AI가 의료 사각지대의 보완 역할을 하는 게 마냥 긍정적이지 않을 수 있어요. 왜냐하면 의학 지식이 없는 사람들 입장에서 AI가 뱉어낸 의료 정보를 정확히 판단하기 어려우니까요.

그렇다면 의학 지식이 있는 의사들이 AI를 사용하면 괜찮은 걸까요? 대장 내시경을 오랫동안 수행해 온 숙련된 의사들을 대상으로 실험을 진행해 봤습니다. AI 도입 전에는 이들이 향후 암으로 발전할 수 있는 용종을 발견할 비율이 28.4%였어요. 하지만 AI가 도입된 이후엔 그 비율이 22.4%로 낮아졌죠. AI가 도움을 주긴 하지만, 오히려 AI에 의존할수록 실무 능력이 떨어지는 이른바 '디스킬링'이 확인된 겁니다.지속적으로 AI에 노출되고 의존도가 높아지면 실력 하락이 생길 수 있다는 거죠.

또 하나 의료 AI에서 우리가 주목할 만한 지점은 바로 AI가 처리할 우리의 의료 데이터입니다. 사실 개인 의료 정보는 매우 민감한 개인정보입니다. 현재 의료 AI가 확산되고 있는 미국에서는 의료기관 직원들이 아무 거리낌 없이 환자 정보를 AI에 업로드하는 사례가 늘어나 문제가 되고 있어요. 앞서 소개해드린 OpenEvidence에도 환자의 개인식별정보를 입력하는 의사들이 많아서, 일부 병원에서는 의사들에게 환자의 의료 정보를 업로드하지 말라고 공식 요청할 정도죠.

그중에서도 특히 민감한 게 맞춤형 백신에 사용되는 유전체 데이터일 겁니다. 내 DNA는 절대 바뀔 일이 없기 때문에 한 번 유출되면 평생 위험이 지속될 수 있는 아주 민감한 개인 정보입니다. 게다가 내 DNA 하나로 나의 부모, 형제, 자녀의 유전 정보도 일부 알 수 있기 때문에 위험성이 더 높죠.

맞춤형 백신 이야기를 조금 더 이어가자면, AI를 통해 희망이 보이는 건 맞지만 여전히 갈 길이 먼 건 변함이 없습니다. 많은 기업들이 뛰어들고 있지만 아직 FDA 최종 승인을 받은 건 단 하나도 없죠. 또한 하나의 종양 안에서도 세포마다 돌연변이가 다를 수 있다는 한계점도 있고요.

앞서 살펴본 반려견 로지 역시 일부 종양은 맞춤형 암 백신에 반응하지 않았죠. 로지는 맞춤형 암 백신을 맞고 초반에는 호전되는 모습을 보이기도 했습니다. 하지만 최근 종양이 급속도로 퍼져나가면서 치료가 어려워질 정도로 악화되었습니다. 나이도 많고 종양이 빠르게 퍼져나가면서 로지는 극심한 고통을 겪고 있었습니다. 결국 코닝햄은 안락사라는 가장 힘든 결정을 내렸습니다.

EU에서는 AI법을 통해 의료용 AI를 고위험 시스템으로 분류해두고 있습니다. 생명과 건강에 직접 영향을 미치는 만큼 다른 어떤 영역보다 더 신중하게 다뤄야 한다는 의미인 거죠. 로지를 위해 AI로 암 백신을 만든 폴 코닝햄의 이야기처럼 AI 의료의 가능성은 분명히 존재합니다. 하지만 그와 동시에 안전 문제와 신뢰도 문제도 여전히 남아있죠. 과연 AI가 풀어갈 미래 의료는 어떤 모습일까요? 오늘 준비한 오그랲은 여기까지입니다. 긴 글 끝까지 읽어 주셔서 진심으로 감사드립니다.

참고자료
- Paul Conyngham@paul_conyngham) | X
- Tech boss uses ChatGPT to create cancer vaccine for his dog | The Australian
- Intismeran Autogene Plus Pembrolizumab Versus Pembrolizumab Alone in High-Risk Resected Melanoma | Adnan Khattak (2026)
- What If AI Doesn’t Ruin Everything? Understanding Artificial Intelligence With Reid Hoffman | This is Gavin Newsom, Reid Hoffman
- Artifical Intelligence In Drug Discovery Market | Grand View Research
- Isomorphic Labs is using Google Cloud’s AI Hypercomputer to reimagine drug discovery | Google Cloud
- OpenAI: AI as a Healthcare Ally [Jan 2026] | OpenAI - A case of artificial intelligence-enhanced diagnostics leading to heart transplantation | Heidi S. Hartman(2026)
- Reliability of LLMs as medical assistants for the general public | Andrew M. Bean(2026)
- Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy | Krzysztof Budzyń(2026)

글 : 안혜민 디자인 : 안준석 인턴 : 김수영·신연성