MIT Technology Review China, AI 가상 세포를 생명과학 신인프라로 제시

2026년 9월 21일, MIT Technology Review China는 백야오 테크놀로지가 발의하고 중관춘 과학 공원 관리팀이 지도한 보고서를 발표했다. 이 문서는 인공지능 기반 가상 세포를 생명 과학 분야의 새로운 인프라로서 분석하기 위한 주요 자료로 활용된다.

보고서는 AI 가상 세포를 다중 모달, 다중 스케일 신경 모델로 정의한다. 이는 생물학적 세포의 상태와 전이를 표현하고 시뮬레이션할 수 있는 모델이며, 단일 분자 관점에 국한되지 않고 공간·시간 스케일 전반에 걸친 다양한 데이터 모달을 통합한다는 점을 강조한다.

모델 규모에서 일반화로의 전환

보고서에 따르면 전략적 과제는 단순히 모델 규모를 확대하는 데서 벗어나 일반화 능력, 작업 적응성, 그리고 교란 데이터의 품질을 향상시키는 방향으로 이동하는 것이다. 이러한 전환은 연구기관, 기술 기업, 제약 기업 수십 곳을 인터뷰한 결과에서 도출된 폭넓은 합의에 기반한다.

보고서가 제시한 목표는 유전적 교란, 약물 노출 혹은 환경 변화에 대한 세포 반응을 예측하는 것이다. 분자 구조만을 다루는 기존 접근법과 달리 가상 세포 프레임워크는 하위 현상적 결과까지 포착하려는 의도를 갖는다.

보고서의 핵심 관찰은 용량, 시점, 세포 맥락 및 표현형을 연결한 사유 데이터가 경쟁 우위로 간주된다는 점이다. 저자들은 이러한 풍부하게 주석이 달린 데이터가 공개 데이터보다 재현하기 어렵기 때문에 모델 예측의 신뢰성에 영향을 미친다고 주장한다.

산업 임계점으로서의 건‑습 루프

보고서는 주요 산업 임계점으로 건‑습 루프를 제시한다. 이는 데이터 생성, AI 기반 예측, 실험 검증, 그리고 결과를 모델에 재투입하는 과정을 연결하는 순환 구조이다. 이 폐쇄 루프 워크플로우는 가상 세포 기술을 연구 프로토타입 단계에서 확장 가능한 응용 단계로 옮기기 위한 전제 조건으로 제시된다.

건‑습 루프 개념은 각 반복이 데이터 저장소와 모델 파라미터를 동시에 정제하여 시간이 지남에 따라 예측 정확도를 향상시킬 수 있음을 의미한다. 그러나 보고서는 루프 효율성에 대한 정량적 근거를 제시하지 않아 반복 속도와 비용이 아직 미해결 질문으로 남아 있다.

잠재적 활용 및 남은 격차

AI 가상 세포의 기대 활용 분야는 기본 연구, 표적 탐색, 약물 개발, 세포 공학 등이다. 각 영역에서 세포 반응을 시뮬레이션할 수 있는 능력은 가설 검증을 가속화하고 비용이 많이 드는 습식 실험에 대한 의존도를 낮출 수 있다.

예상 활용 범위가 넓음에도 불구하고, 보고서는 임상 검증이 아직 입증되지 않았다고 명시한다. 이는 가상 세포 예측이 인간 건강 결과로 전환될 때 현재 한계가 존재함을 강조한다.

• 기본 생물학 연구
• 약물 발견을 위한 표적 탐색
• 전임상 약물 개발 파이프라인
• 바이오제조를 위한 세포 공학

위 목록은 인터뷰 전반에서 가장 자주 언급된 카테고리를 반영하지만, 각 카테고리의 상대적 성숙도를 정량화하지는 않는다. 따라서 가상 세포 기술의 준비 정도는 기본 과학과 산업용 약물 파이프라인 사이에서 크게 차이가 날 수 있다.

보고서에서 언급된 한계 중 하나는 고품질 교란 데이터에 대한 의존성이다. 사유 데이터가 장점으로 강조되므로 이러한 데이터에 접근하지 못하는 기관은 유사한 모델 성능을 달성하는 데 장벽에 직면할 수 있다.

또 다른 미해결 질문은 건‑습 루프의 확장성이다. 보고서는 루프를 개념적으로 설명하지만 실험 검증 단계의 처리량을 구체적으로 제시하지 않아 대형 제약 프로그램이 요구하는 규모에서 루프가 운영될 수 있을지 불확실성을 남긴다.

향후 연구는 데이터 공유 프레임워크가 개선되면 사유 교란 데이터의 우위가 감소하고, 가상 세포 기술에 대한 접근이 보다 민주화될 수 있는지를 탐구할 수 있다.

전반적으로 보고서는 AI 가상 세포를 계산 예측과 실험 검증을 통합하는 새로운 인프라로 제시한다. 다만 데이터 품질, 루프 효율성, 임상 전환이라는 과제가 해결될 때 그 잠재력이 실현될 수 있다.

이 보고서는 인공지능 기반 가상 세포가 기존의 분자 중심 접근법을 넘어 다양한 시공간적 데이터들을 통합함으로써 세포 수준의 현상을 포괄적으로 모델링할 수 있다는 기본 전제를 재확인한다. 이러한 모델은 세포 내에서 일어나는 복잡한 변화와 외부 자극에 대한 반응을 예측하려는 목표를 가지고 있으며, 이를 위해서는 고품질의 교란 데이터가 필수적이라는 점을 강조한다. 현재 제시된 증거는 데이터의 풍부함이 모델의 신뢰성을 높일 가능성을 시사하지만, 구체적인 정량적 검증이 부재하므로 실제 예측 정확도는 조건부로 판단된다. 또한, 데이터 접근성의 차이가 모델 성능에 영향을 미칠 수 있다는 점에서, 데이터 공유 메커니즘의 개선이 이루어진다면 보다 폭넓은 연구 공동체가 이 기술을 활용할 여지가 있을 것으로 예상된다. 이는 가상 세포가 연구 가설 검증을 가속화하고 실험 비용을 절감하는 데 기여할 잠재력을 가지고 있음을 의미하지만, 임상 수준의 적용 가능성은 아직 입증되지 않은 상태이며, 따라서 실제 의료 현장에서의 활용은 추가적인 검증 절차와 조건이 충족될 때에만 현실화될 수 있다.

보고서는 건조‑습식 루프라는 폐쇄형 워크플로우가 가상 세포 기술을 실용 단계로 전환하는 데 핵심적인 역할을 할 것이라고 제시한다. 이 루프는 데이터 생성, 인공지능 예측, 실험적 검증, 그리고 결과 재투입의 순환 과정을 통해 모델과 데이터베이스를 지속적으로 개선한다는 개념에 기반한다. 그러나 루프의 효율성에 대한 구체적인 수치가 제공되지 않아 반복 주기의 속도와 비용이 실제 산업 규모에서 충분히 대응 가능한지 여부는 아직 불확실하다. 따라서 루프의 확장 가능성은 실험 단계의 처리량과 자원의 가용성에 따라 달라질 수 있으며, 이러한 조건이 충족될 경우에만 대규모 약물 개발 프로그램에 적용될 잠재력이 있다고 볼 수 있다. 이와 동시에, 현재는 기본 연구와 초기 개발 단계에서의 활용 가능성이 더 높게 평가되고 있으며, 임상 적용을 위한 검증 과정이 진행될 경우에만 전반적인 생명과학 분야에 미치는 영향이 확대될 것으로 예상된다.