※ 다음 글을 읽고 물음에 답하시오. [

AI가 주도하는 신약개발의 미래는 단순한 기술 혁신을 넘어, 제약바이오 산업의 근본적인 구조 변화를 의미한다.
앞으로의 신약개발은 ‘시간 단축’이나 ‘비용 절감’이라는 효율의 차원을 넘어, 개별 환자 중심의 정밀의료와 치료 경험의 혁신 차원까지 확장될 것이다.
아래는 미래 신약개발 생태계에서 AI의 역할로 인한 변화의 모습을 그렸다.

가장 큰 변화는 신약 후보 물질을 찾아내는 속도에서 나타난다.
과거에는 질병 타겟을 선정하고, 분자를 설계하여 합성 경로를 예측한 후 실험을 통해 후보 물질을 검증하기까지 수 년이 소요되었다.
하지만 앞으로는 AI 기반 타겟 선정, 분자동역학 시뮬레이션, 생성형 AI 모델, 자율 실험실 등 다양한 기술이 하나의 시스템으로 연결·통합되면서, 이 모든 과정이 빠르게 자율화되는 시대가 열리고 있다.
AI는 스스로 새로운 분자를 설계하고, 실험 로봇은 합성하며, 다시 그 결과를 AI가 학습하는 폐루프(closed-loop) 구조가 형성되면서, 기존 전(前)임상 초기 단계가 수주 단위로까지 단축되는 혁신이 가능할 것이다.

이러한 기술의 발전으로 개인 맞춤형 치료도 가능하게 된다.
환자 개개인의 임상 데이터 등을 기반으로, AI는 특정 환자에게 최적화된 약물을 설계하거나 기존 약물을 재활용하는 전략을 세우게 된다.
더 나아가 디지털 트윈 기술로 가상 개인 환자 모델을 구축하여, 약물 반응성과 부작용을 시뮬레이션한 후 실제 투약 여부를 결정하는 방식도 현실화될 것이다.
개별 환자만을 위한 치료제로 발전하는 것이다.

AI는 연구실 내에서 인간과 협업하는 공동 연구자로도 진화하고 있다.
최신 AI는 가설 생성, 실험 설계, 문헌 해석, 코딩을 통한 알고리즘 실험, 데이터 분석, 검증 등의 작업을 수행하며 연구자의 역할을 보완하고 있다.
인간은 전략적 판단, 윤리적 고려, 창의적 사고 등 고차원의 영역에 집중하게 되며, 이로써 실험실은 인간과 AI가 협력하는 하이브리드 형태로 재편되고 있다.

한편 신약개발의 높은 ‘실패율’이 더 이상 당연하게 받아들여지지 않는 시대가 도래할 것이다.
AI는 후보 물질의 실패 가능성을 초기 단계에서 예측하고, 약효, 독성, 합성 가능성, 경제성 등을 종합적으로 분석하여 가장 가능성 있는 분자를 선별할 것이다.
이로 인해 제약회사는 성공 가능성이 높은 물질에 자원을 집중할 수 있으며, 포트폴리오 전체의 효율성이 비약적으로 향상될 것이다.

이러한 일련의 변화 속에서 AI는 단순히 신약을 더 빠르고 싸게 만드는 도구가 아니라, [　　　㉠　　　] 존재로 자리매김하고 있다.
최근 Foundation Model 기반의 바이오 설계 플랫폼이 확대되고 있으며, AI가 분자를 설계하고, 로봇이 그것을 합성하고, 다시 실험 데이터를 학습하여 설계를 개선하는 자가 강화 루프(Self-improving pipeline)도 구축되고 있다.
향후에는 AI가 설계하고 예측한 치료제가 규제 기관의 신뢰성을 획득하기 위해 설명 가능한 AI(eXplainable AI, XAI) 기술의 발전도 병행되어야 할 것이다.

결론적으로, 미래의 신약개발은 단지 AI가 새로운 약을 만드는 것이 아니라 AI가 약을 개발하는 방식, 연구실의 구조, 실험 윤리까지도 근본적으로 재설계하는 시대로 향하고 있다.
AI가 신약개발의 도구를 넘어 과학의 구조를 바꾸는 시대의 문 앞에 있는 것이다.
위 글에 대한 추론으로 적절한 것은?

① 미래의 신약개발 연구실에서는 AI가 가설 생성부터 데이터 검증까지 수행함에 따라, 인간 연구자는 실험 설계와 같은 작업에 더욱 집중하는 형태로 역할이 재편될 것이다.

② 설명 가능한 AI(XAI) 기술의 발전은 AI가 설계한 치료제의 개발 비용을 획기적으로 절감하고 후보 물질 탐색 속도를 높이는 핵심 기제로 작용하여 규제 기관의 심사 과정을 더 간략하게 할 수 있다.

③ 디지털 트윈 기술은 AI가 실제 환자의 약물 반응성을 피드백하면서 다른 환자에게 추가로 투약할지 여부를 결정하는 판단 근거로 활용될 수 있다.

④ AI 기반의 자가 강화 루프(Self-improving pipeline)가 발전하면 분자 설계와 합성, 그 결과에 대한 학습까지 인간 연구자 없이도 수행할 수 있다.

⑤ 신약개발의 실패율을 낮추기 위해 제약회사는 AI를 활용하여 모든 후보 물질을 끝까지 개발하는 대신, 성공 가능성이 낮은 물질을 초기 단계에서 배제하지 않고 데이터를 축적하는 전략을 취할 것이다.