제44회 J.P. 모건 헬스케어 컨퍼런스 요약: AI와 로보틱스로 재정의하는 신약 개발의 미래

핵심 요약

전통적인 신약 개발 방식은 막대한 비용과 시간이 소요되는 한계가 있다. XtalPi는 제44회 J.P. 모건 헬스케어 컨퍼런스에서 AI와 로보틱스를 결합한 새로운 R&D 패러다임을 제시하며 이를 해결하고자 한다. 양자 역학 기반의 시뮬레이션과 자동화된 로봇 실험을 통해 고품질 데이터를 생성하고, 이를 다시 AI 학습에 활용하는 폐쇄 루프(Closed-loop) 인프라를 구축했다. 이러한 기술력을 바탕으로 위암 치료제 SIGX1094의 임상 1상 진입과 분자 접착제(Molecular Glue) 플랫폼의 성과 등 실질적인 신약 개발 이정표를 달성했다.

배경

신약 개발 프로세스 기초, AI 기반 분자 설계 개념

대상 독자

제약 및 바이오 R&D 전문가, AI 신약 개발 스타트업 관계자, 헬스케어 투자자

의미 / 영향

AI와 하드웨어(로보틱스)의 결합이 실험실의 물리적 한계를 극복하고 데이터 기반의 정밀한 신약 설계를 가능하게 함을 보여준다. 이는 향후 바이오 산업이 단순 실험 중심에서 데이터 중심의 엔지니어링 산업으로 전환될 것임을 시사한다.

섹션별 상세

AI와 로보틱스를 결합한 R&D 로직의 재구성: XtalPi는 양자 역학, AI, 로보틱스를 통합하여 신약 개발의 기술적 토대를 강화했다. Signet Therapeutics의 위암 치료제 SIGX1094가 임상 1상에 진입하고 FDA 희귀의약품 지정을 받는 등 구체적인 성과를 도출했다. Leman Pharmaceutics의 CAR-T 치료제와 ReviR Therapeutics의 RNA 타겟 치료제 등 다양한 협력 네트워크를 통해 임상 승인 및 유의미한 안전성 데이터를 확보했다.

분자 접착제 플랫폼과 고품질 데이터 인프라: Biotech Showcase 2026에서 공개된 분자 접착제(Molecular Glue) 플랫폼은 기존의 확률 기반 스크리닝을 합리적 설계(Rational Design)로 대체한다. 물리 기반 시뮬레이션과 로봇 자동화를 결합하여 기존에 치료가 어려웠던 'Undruggable' 타겟에 정밀하게 접근한다. 이를 지원하기 위해 데이터 생성, 학습, 검증이 자동으로 반복되는 폐쇄 루프 데이터 인프라를 구축하여 알고리즘 고도화에 필수적인 고충실도 데이터셋을 확보했다.

글로벌 혁신 생태계 및 내부 플랫폼 확장: 하버드, MIT, 스탠퍼드 등 유수 기관과 협력하여 타겟 발굴을 위한 노코드 AI 에이전트 'MorphMind'와 재생 의학을 위한 AI 설계 단백질 'Foundry Bio' 등을 인큐베이팅했다. 내부적으로는 펩타이드 발굴 플랫폼 'PepiX'를 통해 수개월 내에 pM 수준의 분자를 식별하는 성과를 거두었다. 또한 AI 연구 어시스턴트 'X-Buddy'와 PBPK 시뮬레이션 도구 'MirraXinic'을 통해 전체 R&D 워크플로우를 최적화하고 있다.

이미지 분석

Photo
AI 혁신이 도구(Tools), 패러다임(Paradigms), 새로운 과학 언어(A New Scientific Language)의 단계를 거쳐 진행됨을 시각화한다. XtalPi가 추구하는 AI 기반 R&D 혁신의 철학적, 기술적 방향성을 제시한다.
AI가 인간의 세계 인식 및 발견 방식을 변화시키는 과정을 보여주는 발표 슬라이드이다.

Photo
분자 접착제 플랫폼의 장점과 기존의 우연한 발견 방식이 가진 한계를 대조한다. 물리 기반 시뮬레이션과 자동화를 통한 체계적인 신약 발굴 전략의 중요성을 뒷받침한다.
차세대 근접 유도 치료제인 분자 접착제(Molecular Glue)의 메커니즘과 시장 전망을 담은 슬라이드이다.

실무 Takeaway

AI와 로보틱스의 결합은 데이터 생성부터 검증까지의 주기를 자동화하여 신약 개발의 성공률과 속도를 획기적으로 높인다.
분자 접착제와 같은 복잡한 타겟 공략을 위해 물리 기반 시뮬레이션과 고품질 데이터셋 확보가 필수적이다.
노코드 AI 에이전트와 AI 연구 어시스턴트 도입을 통해 연구자의 워크플로우 효율성을 극대화할 수 있다.