AI가 고른 돌연변이로 만든 '나만의 암 백신', 드디어 3상을 넘었다

암 백신은 지난 30년간 “곧 된다"는 말만 반복해온 분야입니다. 그런데 이번엔 좀 다릅니다. 환자 한 명의 종양에서 뽑아낸 돌연변이를 AI가 추려서 그 사람만을 위한 mRNA 백신을 만드는 방식이, 처음으로 3상 임상에서 긍정적 신호를 냈다는 소식이 나왔거든요. 다만 그 소식이 전해진 방식 자체가 또 하나의 논점이 되고 있습니다.

‘개인 맞춤 암 백신’이 대체 뭔가요

보통 백신은 모두에게 같은 걸 놓습니다. 독감 백신도, 코로나 백신도 그렇죠. 그런데 암은 사정이 다릅니다. 종양은 환자마다 유전적으로 완전히 다른 물건입니다. 같은 흑색종이라도 A씨의 종양과 B씨의 종양은 돌연변이 조합이 서로 다릅니다.

여기서 핵심 개념이 신생항원(neoantigen)입니다. 정상 세포에는 없고 오직 암세포에만 있는, 돌연변이 때문에 생겨난 단백질 조각을 말합니다. 면역계 입장에서는 이게 “외부인” 표식인 셈이죠. 문제는 이 표식이 환자마다 다르다는 것, 그리고 종양 하나에서 발견되는 돌연변이 수백 개 중에 실제로 면역 반응을 일으킬 만한 건 극소수라는 겁니다.

그래서 파이프라인이 이렇게 돌아갑니다. 환자의 종양 조직을 떼어내 유전자 서열을 읽고, 정상 조직과 비교해 돌연변이를 찾아냅니다. 그중에서 면역계가 실제로 알아볼 가능성이 높은 후보를 기계학습 모델로 순위를 매겨 추립니다. 그렇게 고른 수십 개를 mRNA 한 가닥에 이어 붙여 개인별 맞춤 제제로 만듭니다. 환자 몸에 들어간 mRNA는 그 항원들을 만들어내고, 면역계는 “이런 게 보이면 공격해라"라고 학습합니다.

AI가 실제로 하는 일은 ‘순위 매기기’

여기서 AI의 역할을 정확히 짚고 넘어갈 필요가 있습니다. AI가 백신을 설계하거나 발명하는 게 아닙니다. 하는 일은 선별입니다.

돌연변이가 신생항원으로 작동하려면 몇 가지 관문을 통과해야 합니다. 단백질이 잘게 쪼개졌을 때 그 조각이 만들어져야 하고, 그 조각이 세포 표면의 HLA 분자에 붙어야 하고, 붙은 상태로 T세포에게 인식돼야 합니다. HLA 유형은 사람마다 다르고 조합이 어마어마하게 많습니다. 어떤 펩타이드가 어떤 HLA에 잘 붙는지를 예측하는 게 바로 기계학습 모델이 하는 일입니다.

이 예측 모델은 사실 10년 넘게 발전해온 분야입니다. 초기엔 단순한 결합 친화도 예측이었다가, 질량분석으로 실제 세포 표면에 제시된 펩타이드를 대량으로 측정한 데이터가 쌓이면서 정확도가 크게 올라갔습니다. 요즘 화제인 생성형 AI와는 결이 다른, 지도학습 기반의 예측 모델에 가깝습니다. 그래서 “AI 암 백신"이라는 표현에는 약간의 과장이 섞여 있습니다. 정확히는 예측 모델이 후보를 좁혀준 맞춤 치료제입니다.

그래도 이 역할은 결정적입니다. 후보 선별이 틀리면 그 뒤 공정이 아무리 완벽해도 소용없거든요. 실제로 초기 신생항원 백신 연구들이 실패한 주요 원인 중 하나가 “면역 반응을 일으키지 못하는 항원을 골랐다"는 것이었습니다.

왜 하필 흑색종이었나

흑색종이 첫 타자로 나온 건 우연이 아닙니다. 이유가 명확합니다.

첫째, 돌연변이 부담(TMB)이 압도적으로 높습니다. 자외선 노출로 생긴 DNA 손상이 누적되면서 흑색종은 암종 중에서도 돌연변이 개수가 가장 많은 축에 속합니다. 신생항원 후보가 많다는 뜻이고, AI가 고를 수 있는 카드가 많다는 뜻입니다.

둘째, 이미 면역치료가 잘 듣는 암입니다. 면역관문억제제가 처음으로 극적인 성과를 낸 것도 흑색종이었죠. 개인 맞춤 백신은 단독으로 쓰는 게 아니라 이런 기존 면역치료와 함께 씁니다. 백신이 “이 표적을 공격해라"라고 알려주고, 관문억제제가 “브레이크를 풀어라"라고 하는 조합입니다.

셋째, 수술로 종양을 떼어낼 수 있어서 백신 제조에 필요한 조직 확보가 상대적으로 쉽습니다. 수술 후 재발 방지 목적으로 쓰는 보조요법 세팅이 자연스럽게 성립합니다.

즉, 이번 결과가 흑색종에서 나왔다는 건 “가장 유리한 조건에서 통했다"는 의미이기도 합니다. 폐암이나 췌장암 같은 다른 암종으로 그대로 확장될지는 별개 문제입니다. 특히 췌장암처럼 돌연변이가 적고 면역 억제 환경이 강한 암에서는 훨씬 어려운 싸움이 됩니다.

트윗 한 줄로 발표된 결과, 어디까지 믿을까

여기서부터가 냉정하게 볼 대목입니다. 이번 소식은 논문도, 학회 발표도, 심사를 거친 데이터도 아닌 형태로 먼저 퍼졌습니다. 짧은 발표 한 줄이 커뮤니티를 타고 확산된 구조입니다.

바이오 업계에서 이런 순서는 사실 흔합니다. 기업은 공시 의무 때문에 결과를 먼저 알리고, 상세 데이터는 몇 달 뒤 학회에서 공개하는 게 관행이죠. 문제는 그 사이 공백에서 무슨 일이 벌어지느냐입니다.

“긍정적"이라는 단어 하나로는 아무것도 알 수 없습니다. 확인해야 할 것들이 이만큼 있습니다.

• 1차 평가변수가 정확히 무엇이었는지 (무재발 생존율인지, 전체 생존율인지)
• 효과 크기가 얼마나 되는지 (위험비가 0.95인지 0.65인지는 하늘과 땅 차이입니다)
• 통계적 유의성만 확보한 건지, 임상적으로 의미 있는 차이인지
• 추적 관찰 기간이 충분한지
• 부작용 프로파일은 어떤지
• 중간 분석인지 최종 분석인지

특히 마지막 항목이 중요합니다. 중간 분석에서 좋게 나왔다가 최종 결과에서 격차가 좁아지는 사례는 종양학에서 드물지 않습니다. 2상에서 인상적인 숫자를 보였던 약이 3상에서 무너지는 일도 계속 있어왔고요.

그리고 하나 더. 이 분야에는 재현성이라는 오래된 숙제가 있습니다. 신생항원 예측 모델은 학습 데이터에 따라 성능이 갈리고, 실험실에서 잘 맞은 예측이 실제 환자 몸에서 그대로 작동한다는 보장이 없습니다. 3상을 통과했다는 건 “이 파이프라인 전체가 통계적으로 작동했다"는 증거지, “AI 예측이 정확했다"는 직접적 증거는 아닙니다. 둘은 구분해서 봐야 합니다.

진짜 관문은 임상이 아니라 공급망일지도

데이터를 잠시 접어두고 현실적인 문제를 봅시다. 이 치료제는 환자 한 명당 제품 하나입니다. 이게 무슨 뜻인지 생각해보면 아찔합니다.

조직 채취부터 서열 분석, 후보 선별, mRNA 합성, 품질 검사, 배송까지 전 과정이 개인별로 돌아갑니다. 그동안 환자는 기다립니다. 몇 주가 걸리느냐가 곧 치료 성패를 가르는 변수가 됩니다. 진행이 빠른 암에서는 백신이 도착하기 전에 상황이 달라질 수도 있으니까요.

규제도 난제입니다. 기존 의약품 승인 체계는 “동일한 제품을 반복 생산한다"는 전제 위에 서 있습니다. 배치마다 성분이 다른 약을 어떻게 승인하고 관리할 것인가는 완전히 새로운 문제입니다. 사실상 제조 공정 자체를 승인하는 방식으로 갈 수밖에 없는데, 여기엔 “그럼 AI 모델을 업데이트하면 재승인해야 하나?” 같은 골치 아픈 질문이 딸려옵니다.

가격은 말할 것도 없습니다. 개인별 제조 비용을 감안하면 저렴할 수가 없습니다. 임상시험에서 통했다는 것과 보험 체계 안에서 다수의 환자가 실제로 맞을 수 있다는 것 사이에는 넓은 강이 있습니다. CAR-T 세포치료제가 이미 겪고 있는 문제이기도 하죠.

그래도 이건 분기점입니다

비판적으로 짚긴 했지만, 이 결과가 갖는 의미를 축소할 생각은 없습니다. 지금까지 개인 맞춤 신생항원 백신은 개념적으로 우아하지만 대규모 임상에서 증명된 적이 없는 아이디어였습니다. 그 벽을 처음 넘었다면, 이건 방향이 맞다는 신호입니다.

더 넓게 보면 이런 함의도 있습니다. 계산 모델이 후보를 골라내고, 그 예측이 실제 환자에게서 결과로 이어지는 파이프라인이 규제 관문을 통과했다는 것. AI 신약개발 분야에서 오래 이야기돼온 “그래서 실제로 사람한테 듣냐"는 질문에 대한 첫 번째 대규모 응답인 셈입니다.

한 가지만 덧붙이자면, 이번 사안을 다룰 만한 커뮤니티 논의를 최근 30일 범위에서 찾아봤지만 유의미한 스레드를 확보하지 못했습니다. 그래서 이 글은 커뮤니티 여론보다는 이 기술이 어떻게 작동하고 무엇을 확인해야 하는지에 무게를 뒀습니다.

지금 필요한 건 흥분도 냉소도 아닌 인내입니다. 상세 데이터가 학회에서 공개되고, 다른 암종에서 후속 결과가 나오고, 제조 리드타임과 가격이 현실적인 수준으로 내려오는 걸 확인하기까지는 시간이 걸립니다. 다만 질문 하나는 던져두고 싶습니다. 만약 이 방식이 정말 자리를 잡는다면, 의약품은 더 이상 ‘제품’이 아니라 ‘서비스’가 됩니다. 우리가 알던 제약 산업의 문법 자체가 바뀌는 건데, 그 준비는 되어 있을까요?