"동물실험만으론 한계"…백신 개발, 인간 면역반응 예측으로 전환
보건산업진흥원, 인간 면역 예측 기술 동향 분석…AI·오가노이드 활용 확대
백신 개발 병목 해소 기대…데이터 표준화·예측모델 검증·규제 수용 과제
전하연 기자 │ hayeon@yakup.com 뉴스 뷰 페이지 검색 버튼
입력 2026-11-19 06:00   수정 2026.11.19 06:01
인공지능(AI)과 인간 유래 실험모델 등을 활용해 백신 접종 후 나타나는 면역반응을 예측하는 기술이 주목받고 있다. ©AI 생성 이미지

백신 개발의 핵심 과제가 후보물질을 얼마나 빠르게 발굴하느냐에서 실제 사람에게 어떤 면역반응이 나타날지를 얼마나 정확하게 예측하느냐로 확대되고 있다.

인공지능(AI)과 인간 유래 세포·조직 기반 실험모델이 발전하면서 동물실험에 의존해 온 기존 연구개발 방식에도 변화가 예상된다.

한국보건산업진흥원이 18일 발간한 '보건산업브리프 제497호'에 따르면, 백신 개발 과정에서 동물실험 결과와 실제 인간 면역반응 사이의 차이를 줄이고, 임상 효과를 조기에 예측할 수 있는 기술의 중요성이 커지고 있다.

기존 백신 개발은 항원 설계와 후보물질 발굴, 동물실험, 임상시험을 거쳐 안전성과 유효성을 확인하는 방식으로 진행돼 왔다. 그러나 동물과 인간의 면역체계에는 차이가 있어 동물실험에서 우수한 결과를 보인 후보물질이라도 실제 임상에서 동일한 효과를 나타낸다고 보장하기 어렵다.

이 때문에 개발 초기 단계에서 유망한 후보물질을 선별하더라도 사람에게서 충분한 면역반응이 유도되는지, 그 반응이 실제 감염 예방 효과로 이어지는지는 별도의 임상시험을 통해 확인해야 한다.

보고서는 이러한 한계를 극복하기 위한 핵심 기술로 인간 면역반응 예측 시스템을 제시했다. 인간 면역 데이터를 기반으로 백신 접종 후 나타나는 면역반응을 분석하고, 그 결과를 실제 보호 효과와 연결하는 접근이다.

주목할 부분은 예측의 대상이 단순한 항체 생성 여부를 넘어선다는 점이다. 백신 접종 후 나타나는 면역반응은 항체의 양뿐 아니라 중화능력, T세포 반응, 면역기억 형성 등 다양한 요소에 의해 결정된다. 따라서 특정 면역지표가 높게 나타났다는 사실만으로 실제 감염 예방 효과를 단정하기는 어렵다.

보고서는 인간 면역 예측을 △접종 전 면역반응 예측 △접종 초기 반응 예측 △실제 보호 효과 예측 등 세 단계로 구분했다. 개인의 면역학적 특성과 접종 후 초기 변화를 분석하고, 이를 임상에서 확인되는 보호 효과와 연결하는 방식이다.

백신 접종 전 면역반응 예측부터 접종 초기 반응, 실제 보호 효과 예측까지 구분한 인간 면역 예측 3단계 개념도. ©한국보건산업진흥원

이를 뒷받침하는 기술도 다양해지고 있다. AI 기반 백신 설계는 병원체의 유전체와 단백질 구조를 분석해 항원 후보를 발굴하고, 면역반응을 유도할 가능성이 높은 표적을 예측하는 데 활용된다. 여기에 인간 면역세포의 유전자 발현과 단백체 등 다층적 데이터를 결합하면 개인별 면역반응의 차이를 분석하는 데도 활용할 수 있다.

인간 유래 세포와 조직을 활용한 실험모델도 주목받고 있다. 오가노이드와 림프절 유사 모델 등은 실제 인간의 면역환경을 실험실에서 부분적으로 재현하려는 기술로, 동물실험만으로 확인하기 어려운 인간 면역세포 간 상호작용과 백신 반응을 분석하는 데 활용 가능성이 제기된다.

다만 이들 모델이 인체 면역체계 전체를 재현하는 것은 아니다. 보고서는 각각의 기술이 예측할 수 있는 면역반응의 범위와 한계를 구분하고, 실제 임상 결과와 비교해 신뢰성을 확보해야 한다고 강조했다.

이러한 기술 변화는 글로벌 규제 환경의 변화와도 맞물려 있다. 미국에서는 FDA Modernization Act 2.0 등을 통해 신약개발 과정에서 동물실험 외의 새로운 시험법을 활용할 수 있는 제도적 기반이 마련됐다. 미국 식품의약국(FDA)도 비동물 기반 시험법의 활용을 확대하는 방향으로 규제체계 개선을 추진하고 있다.

그러나 새로운 시험법을 활용할 수 있다는 것과 해당 기술의 예측 결과가 규제기관에서 인정된다는 것은 별개의 문제다. 실제 개발과 허가 과정에서 활용하려면 모델의 적용 범위와 예측 성능, 재현성에 대한 검증이 뒷받침돼야 한다.

보고서는 인간 면역 예측 기술의 주요 과제로 데이터의 품질과 표준화, 예측모델의 신뢰성, 규제 수용 가능성을 제시했다.

면역반응은 개인의 연령과 건강 상태, 기존 면역력, 백신 종류 등에 따라 달라질 수 있다. 서로 다른 연구기관과 임상시험에서 확보한 데이터를 비교·활용하려면 측정 기준과 분석 방식의 일관성이 필요하다.

또한 AI 모델이 특정 데이터에서 높은 예측 성능을 보였더라도 다른 인구집단이나 백신에 동일하게 적용할 수 있는지는 별도로 확인해야 한다. 모델 개발 단계부터 실제 활용 목적과 검증 기준을 명확히 설정해야 하는 이유다.

국내에서도 AI 기반 백신 설계와 면역 데이터 분석, 인간 유래 실험모델 관련 연구가 진행되고 있지만, 개별 기술을 실제 백신 개발과 임상 검증으로 연결하는 통합 체계는 여전히 과제로 남아 있다.

보고서는 인간 면역 데이터와 실험모델, AI 예측 결과를 임상시험 근거와 단계적으로 연결하고, 예측 성능과 재현성을 검증할 수 있는 체계를 마련해야 한다고 제언했다.

약업신문 공식 SNS 채널 구독
블로그 유튜브 텔레그램 링크드인 페이스북 카카오톡
전체댓글 0개
    등록된 댓글이 없습니다.